氰乙酸叔丁酯的合成研究

以氰乙酸甲酯、叔丁醇为原料,在催化剂叔丁醇钾催化下酯交换得到氰乙酸叔丁酯.适宜的反应条件为：反应温度为150℃,反应时间为12h,在此条件下,氰乙酸叔丁酯的收率达95％.     

正交试验对3,3-亚戊基丁内酰胺合成工艺优化

由1,1-环己基二乙酸单酰胺开始,制备3,3-亚戊基丁内酰胺。3,3-亚戊基丁内酰胺是合成抗癫痫药物加巴喷丁的中间体。通过正交实验筛选出影响其产率的主要因素为盐酸的加量,并通过实验确定了最佳n(盐酸)∶n(1,1-环己基二乙酸单酰胺)为2.0∶1,环合时间为180min,在这种条件下达到了最高收率75.21%。     

基于表示学习的工业领域人机物本体融合

随着新一代人工智能技术的发展,制造系统由以往的人物二元系统发展为人机物三元系统,跨域跨层的多元数据融合成为必然趋势。本体作为一种能在语义上描述数据的概念模型,被广泛应用于多元异构数据的集成、共享与重用中。在传统工业领域中,利用本体融合驱动数据融合的研究通常集中于信息和物理系统。针对人机物本体融合问题,文中提出了一种改进的表示学习模型TransHP。由于经典的表示学习的翻译模型未有效利用除三元组结构以外的其他信息,TransHP在TransH上加以改进,将本体中的元素构成类别三元组与实例三元组。首先针对类别概念构成的三元组,利用三元组的结构和属性进行联合训练;然后将得到的类别实体的向量表示作为训练实例向量的输入,与实例的结构信息进行联合训练,同时以置信度作为关系强度加入计算,以解决关系三元组稀疏性造成的实体在语义空间无序分布的问题。文中构建以工业领域热轧生产流程为例的人机物本体,并将其作为小样本进行测试,实验结果表明,与TransH模型相比,在人机物本体中,TransHP模型推理出实体间的关系更丰富,准确率更高。TransHP模型实现了人机物本体的融合,解决了人机物信息交互的问题,为协同决策做出了铺垫。     

树脂催化水解制备固体氰乙酸的工艺研究

介绍了一种合成固体氰乙酸的新工艺。该工艺以氰乙酸乙酯为原料,经732型阳离子交换树脂催化,通过水解制备固体氰乙酸。考察了反应温度,反应时间,氰乙酸乙酯和水的质量比和氰乙酸乙酯和树脂的质量比对反应的影响。结果表明,最佳的反应条件为:反应温度为90℃,反应时间为10h,水酯质量比为1∶1,酯与树脂质量比为10∶4.5,在该条件下,氰乙酸的最高收率可达88.9%。     

制药工业低浓度DMF含盐废水处理方法研究

针对目前国内制药工业中低浓度DMF含盐废水难处理问题,本文提出了处理此类废水的工艺。通过单因素对比实验,确定低浓度DMF含盐废水最佳处理方法为先碱解再脱色,最后进行减压蒸馏浓缩处理。处理后的废水DMF的降解率达到93.4%,废水的COD、凯氏氮、总盐的含量都较处理前显著下降。     

面向制造领域人机物三元数据融合的本体自动化构建方法

当前,智能制造面临的许多问题都具有不确定性和复杂性,单纯地利用专家经验和机理模型难以有效解决.鉴于此,面向跨层跨域的复杂制造系统网络化协同控制机制,提出一种基于本体的人机物三元数据融合方法,研究复杂制造环境下的人机物三元数据融合建模.在抽取三元组时,区别于传统的流水线式抽取方式,提出一种基于实体-关系联合抽取的模型ErBERT.该模型首先经过预训练模型BERT进行词序列化,经过最大池化、全连接和Softmax等操作后,完成实体识别和关系分类任务,得到抽取完毕的人机物三元组.将抽取好的三元组按照规则映射至OWL文件,最终存储在图数据库中,实现本体模型的构建.经实验验证,经过ErBERT抽取出的三元组有较好的准确率,能够达到通过本体融合人机物三元数据的目标,并为实现制造企业人机物三元协同决策与优化提供技术支撑.