锂离子掺杂聚并吡啶对其电子性质的影响

用量子化学MNDO和EHMO-CO方法研究锂离子(Li^ )对聚并吡啶(PPyPy)的掺杂行为及其对体系电子性质的影响．结果表明：LI^ 可吸附在PPyPy表面的不同位置，洞位是最稳定吸附点．LI^ 掺杂比例不同，体系能隙变化较大，即LI^ 的掺杂对体系的电子性质有较大影响。     

乳化液膜稳定性的研究

用单滴法测定液膜寿命，比较油膜和水膜寿命以及粒子大小与寿命的关系；用聚结电压法测定界面膜的聚结电压，研究其膜强度，实验结果表明；油膜寿命远大于水膜寿命。液滴小寿命长，制乳时应高速搅拌才能形成稳定的乳状液；介面膜聚结电压高，则膜强度大，乳状液比较稳定，这为制造适合于实际应用的，具有一定稳定性的乳化液膜提供了参考数据。     

《无机化学实验》课存在的问题及改进方法探讨

无机化学实验课是高等院校化学、化工、医药、环境等专业一年级学生的必修课。但随着21世纪中国教育的发展，原有的教育模式已不适应其发展。我们分析了无机化学实验课目前存在的主要问题，并针对这些问题提出了相应的改进方法，以适应时代发展的需要。     

单链型L-苯丙氨酸衍生物凝胶因子及体外释放的研究

由L-苯丙氨酸甲酯盐酸盐、氯甲酸苄酯和十二烷酰氯合成了凝胶因子.考察凝胶tGS（凝胶-溶胶转变温度）与tSG（溶胶-凝胶转变温度）关系,对布洛芬在凝胶中的释放及NMP在凝胶中的阻凝效果进行了研究.实验结果表明,凝胶因子可以在甲苯、二甲苯、大豆油和橄榄油等含苯环的溶剂中形成热可逆的物理凝胶,在非极性溶剂中不溶解.tGS明显高于tSG,凝胶因子含量的升高使布洛芬在凝胶中的释放减慢.通过SEM对凝胶因子在凝胶中形成的网络结构进行研究,发现在凝胶中形成了三维网络结构.     

基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测

在汽车核心零部件制造等关键领域,复杂铸件出现缺陷的后果尤为严重,因此对复杂铸件进行缺陷预测并提高其生产质量刻不容缓。本文针对实际铸造过程中采集到的6DM气缸体复杂铸件生产数据中气孔、砂眼等缺陷类别的数据量严重不平衡问题,对基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测进行研究,梳理了人工神经网络与复杂铸件缺陷预测的研究现状,结合企业现场生产情况,开展了需求分析,获取6DM气缸体复杂铸件生产数据。并基于SMOTE(synthetic minority oversampling technique)算法,创建了合成数据集,采用合成数据集作为训练模型的数据集,预测准确率达到99.37%。结果表明,构建的复杂铸件缺陷预测模型能够准确预测复杂铸件缺陷。     

腐蚀条件下飞机结构耐久性／损伤容限综合分析

腐蚀对飞机寿命和安全的影响日益显著,综合考虑腐蚀条件下结构的耐久性和损伤容限,将有助于减轻结构的重量,使结构符合检修一体化要求,提高飞机的机动性和经济性。本文给出了腐蚀条件下飞机结构耐久性／损伤容限综合设计与分析方法,并建立了分析模型。该模型以腐蚀条件下随机耐久性分析为基础,补充了概率损伤容限分析,最后利用该模型对一实际结构进行了腐蚀条件下耐久性和损伤容限的综合评定。     

改性膨润土负载TiO2光催化剂处理含酚废水的研究

以钛酸四丁酯和乙醇为原料,采用溶胶-凝胶(sol-gel)法制备以改性膨润土为载体的负载型TiO2光催化剂,通过自行设计的光催化反应器考查了焙烧温度、焙烧时间、光催化剂用量、酸化时间、通气量及双氧水浓度等因素对光催化剂降解苯酚废水性能的影响,确定了制备改性膨润土负载TiO2光催化剂的最佳实验条件。实验结果表明:膨润土/TiO2对苯酚废水的光催化降解率可达80%。     

乳化液膜分离技术处理苯胺废水的研究

研究了苯胺水溶液的乳化液膜（煤油-磷酸三丁脂-Span80-HCl溶液）处理过程，对溶剂和表面活性剂的选择及用量、搅拌速度、乳水比（Rew）、油内比（Roi）、外相pH值及处理时间的影响进行一系列的研究．结果表明，质量浓度为480mg／L的苯胺水溶液经该法处理后，苯胺去除率可达96％以上．     

氨汽提塔泄漏的运行处理

介绍建峰化肥厂氨汽堤塔泄漏后运行维护、查漏、处理的情况,并对泄漏做出原因分析。     

复杂铸件产品生产过程多源异构数据融合技术应用

为了解决汽车行业潮模砂铸造领域质量追溯困难的问题，通过采集铸件生产制造过程影响铸件质量的不同种类、不同格式、不同结构、不同质量的数据，基于MES系统通过程序设计将所采集数据运用多源异构融合技术进行处理，形成铸件制造过程质量相关规范数据，并与铸件实时绑定存入数据库或数据湖中进行共享，供生产计划排程、生产过程管控、全生产过程质量管理、工厂内物流管理系统使用，实现铸件产品单体质量追溯及批次质量追溯。处理后的数据通过对照工艺质量标准进行追溯，在指导铸件生产过程质量参数优化方面起着重要作用。系统运行后，经过大量数据积累，后期运用大数据分析和质量模型算法，实现了质量预测和反馈控制，并探索出一条铸造企业在生产制造领域以数据赋能产品质量提升的数字化系统建设之路。