镁合金无铬化学转化处理的研究第一部分——工艺参数的优化及膜层性能的测试

介绍了一种新型无毒的镁合金无铬化学转化处理方法。正交试验获得的最佳工艺参数为:8g/LNa ,0.5g/LCO32?,0.01g/L辅助成膜剂N,处理时间30min,处理温度30°C。研究了膜层的耐蚀性及其与不同漆膜之间的附着力。结果表明,在优化工艺下获得的膜层具有优良的耐蚀性(耐中性盐雾试验时间>96h)和漆膜附着力(达到1级)。     

吸附制冷用复合吸附剂导热性能强化

采用混装和添加导热材料强化吸附剂的传热,在高真空重量装置上测定了复合吸附剂的吸附等温线;对吸附剂的吸附和脱附性能进行了差热分析;在吸附制冷循环模拟实验装置上评价了吸附剂传热性能。结果表明:添加导热材料制备的吸附剂导热性能得到了明显改善,吸附床层传热温差降低了23%～30%;复合吸附剂等温线形状没有发生改变,吸附质量分数有所下降;单位质量吸附剂的制冷量提高7.5%～12.5%;混装铁屑的吸附剂制冷量比其单独使用时高24%。     

99m^3引进窑国产化的几点尝试

介绍了９９ｍ＾３引进窑自动控制系统及耐火材料的两方面部分国产化的一些尝试。     

氧化铈复合钛酸镧钙介质陶瓷的微波性能

以1%(质量分数)CuO为烧结助剂,采用固相合成法制备了(1-x)Ca0.6La0.27TiO3 xCeO2单纯和复合微波介质陶瓷材料.研究了此体系陶瓷的微观结构和微波介电性能.研究表明:当x从0增加到1时,体系的相对介电常数εr从111.2线性降低到22.5;谐振频率温度系数τf从x=0时的正值 297.8×10-6/℃线性变化为x=1的负值-54.2×10-6/℃;而无载品质因数与谐振频率乘积Qf值则呈非线性增加.当x=0.85,且在1 400 ℃烧结,可获得εr=32.2,Qf=6682GHz,τf= 5×10-6/℃的新型微波介质陶瓷.     

超低排放燃煤电站湿法脱硫和湿式电除尘器中硒含量分布及形态演变

煤中硒在燃烧后释放到气相中,并吸附于气相中的细颗粒物上,可被燃煤电厂中的湿法脱硫系统(WFGD)和湿式电除尘(WESP)系统捕获,明确Se在湿法脱硫系统及湿式电除尘系统中的迁移规律和形态分布情况至关重要。基于氢化物发生-原子荧光光谱(HG-AFS)方法研究了湿法脱硫系统及湿式电除尘系统中关键位置处的硒含量分布和形态演变规律。研究发现,燃煤烟气中的硒可被湿法脱硫系统脱除,捕获后的硒在脱硫塔内固相和液相中的含量分别为1. 07μg/g和0. 123 mg/L,在强制氧化作用下,超过80%的四价硒被氧化为六价硒。浆液经旋流分离器分离后,大部分硒转移到废水处理中。常规废水处理过程只对四价硒具有较高的脱除效率,但废水中六价硒占比超过77%,使传统三联箱废水处理工艺无法实现硒的高效脱除,造成现有燃煤电站废水中硒难以脱除。湿式电除尘系统冲灰水固相中硒富集明显,含量达13. 9μg/g。液相中硒含量为0. 001 6 mg/L,其中四价硒和六价硒占比分别为34. 35%和65. 65%。加装湿式电除尘可将难以脱除的气相硒转移到固相灰中,实现燃煤烟气中气相硒的深度脱除,估算机组全年湿式电除尘可脱除烟气中颗粒态硒2. 9 kg。     

高抗盐聚丙烯酰胺装置在大庆投产

迄今为止我国产能最大、技术最先进的高抗盐聚丙烯酰胺装置不久前在大庆炼化公司投产。 据大庆炼化公司的技术人员介绍,油田生产所用的阴离子型聚丙烯酰胺,随着地下矿化度的升高,粘度会相应降低,不具有耐盐性,直接影响油田生     

葡萄糖-6-磷酸和果糖-6-磷酸的酶法测定

在血液、发酵液或组织液中加入磷酸葡萄糖异构酶（ＰＧＩ，ＥＣ．５．３．１．９）、６－磷酸葡萄糖脱氢酶（ＧＤＨ，ＥＣ．１．１．１．４．９）及还原型辅酶Ⅱ（β－ＮＡＤＰ），利用快速、准确的酶法检测Ｄ－６－磷酸葡萄糖和Ｄ－６－磷酸果糖浓度。对该法的专一性、精确性、准确性以及误差来源及消除方法作了讨论。对其它物质的分析作了探讨     

耐深海压力容器的密封

用胶粘剂对耐深海压力容器进行密封，对各种浇注型密封胶配合不同的结构形式进行了一系列的试验，结果表明：用聚硫改性的环氧树脂密封胶能获得较好的密封效果，可达到耐40MPa水压密封。     

二乙二醇单丁醚的固－液相转移催化合成

二乙二醇单丁醚的固－液相转移催化合成陆文兴，颜朝国，丁元华，顾惠芬（扬州大学师范学院化学系，扬州２２５００２）二乙二醇单丁醚（二甘醇单了醚）主要用作溶剂，中间体和分析化学试剂。工业化生产是由环氧乙烷和丁醉在三氯化硼一乙醚络合物的催化下开环加成而得。有...     

TL-SVM:一种迁移学习新算法

迁移学习旨在利用大量已标签源域数据解决相关但不相同的目标域问题. 当与某领域相关的新领域出现时, 若重新标注新领域, 则样本代价昂贵, 丢弃所有旧领域数据又十分浪费. 对此, 基于SVM算法提出一种新颖的迁移学习算法—–TL-SVM, 通过使用目标域少量已标签数据和大量相关领域的旧数据来为目标域构建一个高质量的分类模型, 该方法既继承了基于经验风险最小化最大间隔SVM的优点, 又弥补了传统SVM不能进行知识迁移的缺陷. 实验结果验证了该算法的有效性.