弱相互作用调控表面活性剂自组装(Ⅱ)——表面活性剂的结构与设计

介绍了表面活性剂的结构、性质以及分类,综述了阴离子表面活性剂、阳离子表面活性剂、两性离子表面活性剂、非离子表面活性剂的分子间弱相互作用。另外,简述了低聚型表面活性剂和其他新型表面活性剂的结构及应用。     

漆酶的吸附固定及其对双酚A的降解

以介孔硅为载体,采用吸附法将漆酶固定。结果表明,酶固定量为30.3 wt%,活性回收率14.52%,ADS/Lac的米氏常数K_m和反应速率V_(max)分别为29.60μM和0.025μM/min,而游离酶的米氏常数K_m和反应速率V_(max)分别为20.32μM和0.045μM/min,说明固定后酶的亲和力降低,同时反应速率也降低,而稳定性得到了一定的提高。将ADS/Lac应用于双酚A模拟废水的降解时,发现在pH=5时,双酚A的降解效果最好,且降解能力优于游离酶,也可以实现重复利用。     

单宁为模板水热合成纳米TiO_2及其对铀的吸附

利用单宁可与金属离子形成稳定配合物的性质,以不同的单宁为模板,水热合成了纳米二氧化钛(T-NTO),用FTIR、XRD、BET、SEM、TEM对合成的T-NTO的结构及形貌进行表征,并考察其对铀的吸附性能。结果表明:以单宁为模板水热法合成可以明显提高纳米二氧化钛的比表面积,从而提高其吸附容量;T-NTO对铀有较强的吸附能力,并且以不同单宁为模板制备的T-NTO对铀(UO_2~(2+))的吸附容量存在明显差异,杨梅单宁为模板合成的纳米二氧化钛(BT-NTO)粒径最小,比表面积达到96.61 m~2/g;T-NTO对铀的吸附等温线符合Langmuir方程,BT-NTO在318 K时对铀的吸附容量高达0.7054 mmol/g;而吸附动力学符合准二级动力学方程,吸附速率较快;共存阳离子Zn~(2+)、Mg~(2+)、Pb~(2+)、Mn~(2+)、Na~+及共存阴离子Cl~-、SO_4~(2-)、CO_3~(2-)对BT-NTO吸附铀的影响很小,而F–的影响较大,但可通过引入Al~(3+)来减小F–的影响。解吸实验表明:0.1 mol/L的HNO_3溶液可使吸附的铀解吸下来,BT-NTO可多次重复使用。     

改性油菜秸秆吸附材料对Cu(Ⅱ)的吸附

以油菜秸秆粉末为原料,分别采用甲醛-硫酸、戊二醛-硫酸、过氧化氢对其改性,得到生物质吸附材料。利用原子吸收分光光度计测定吸附后Cu(Ⅱ)溶液的吸光度,得出由甲醛-硫酸、戊二醛-硫酸改性的油菜秸秆吸附效果相对更好。进而以戊二醛-硫酸改性后的油菜秸秆作吸附材料,改变实验条件,结果表明,在25℃、振荡20 min,其对Cu(Ⅱ)的吸附效果最好,达到95. 87%。     

金属及加工表面粗糙度的影响因素

对于金属加工来说,金属表面的平整度和粗糙度的参差不齐会直接影响金属的加工质量。为了做到精益求精,近年来,以上各种缺陷问题的发生机理和改进方法在不停地研究中得到了完善。金属表面的粗糙程度是决定金属表面质量是否达标的关键,对于金属接触面的摩擦力、密封情况、旋转构件工作强度以及金属表面的美观情况等有着各种各样的影响。因为,在金属的实际加工过程中,工具选择、工艺手法、润滑程度等很多原因都能够导致金属表面有着参差不齐的粗糙度,从而就造成了无法出厂使用、最终报废的情况,这就需要对金属表面粗糙度的各种影响因素进行分析。     

脉冲电压下电力电子装备绝缘电荷特性研究综述

电力电子装备长期处于高频、陡脉冲电压的运行工况下,其绝缘系统易发生早期失效,可能会威胁电力系统运行的安全性和可靠性.因此,探究脉冲电压下绝缘劣化机理对保障电力系统安全稳定运行具有重要意义.该文综合国内外研究现状,介绍了几种常见电力电子装备及其运行工况,通过对绝缘体击穿与沿面闪络影响机理的论述,揭示了电荷行为对绝缘劣化的重要作用,阐述了脉冲电压参数对电荷特性影响的研究进展,并对目前研究存在的不足进行了总结与探讨.未来应提升脉冲电压下电荷测试技术,明确脉冲边沿时刻电荷动态特性,以阐明绝缘劣化机理.这些研究成果将为脉冲电压下电力电子装备绝缘材料和电力系统的优化设计提供参考和理论指导.     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.