聚乙烯催化剂用烷氧基镁载体的研究进展

基于烷氧基镁载体的Ziegler-Natta聚乙烯催化剂具有活性高、氢调性能好等优点,是目前聚烯烃工业中的研究热点。介绍了烷氧基镁载体的发展进程,综述了烷氧基镁载体的制备及改进方法,分析了烷氧基镁载体在催化剂制备过程中的作用,并对开发适用于乙烯聚合的烷氧基镁载体提出了展望。     

煤基高能量密度燃料的合成及表征

高能量密度燃料是为新型高性能飞行器提供动力保障的关键,其合成及应用研究具有重要的前瞻性和重大战略意义。煤炭是我国的主体能源和重要原料,通过煤直接转化获取的煤基油,充分保留了煤中特有的环状分子化学结构,具有良好的热安定性和较高的能量密度,被认为是高超音速飞行器的优选燃料。以煤直接液化工艺生产的煤液化石脑油馏分为起始原料,通过富集轻质芳烃、化学合成、催化加氢稳定和产物分离提纯等方法制备煤基高能量密度燃料,并对其产物进行分子结构表征和性能评价。结果表明,煤直接液化生产的石脑油馏分是一种优异的催化重整原料,经催化重整富集轻质芳烃后,其轻质芳烃质量分数高达71.05%。Diels-Alder化学合成主产物是由多个封闭环平面组成且具有空间立体构型的二环或三环烃类物质,质量分数为46.18%,因分子内存在较大的张力能,结构紧凑,其拥有更大的密度和体积热值。煤基高能量密度燃料的密度和体积热值分别为0.8990 g/cm3与38.06 MJ/L,均大大超过现行的国内石油基喷气燃料(RP-3和RP-6)、煤基大比重喷气燃料、美国和俄罗斯军用标准。与单一纯物质合成高能量密度燃料(JP-10和T-10)比较,其密度与体积热值偏小。究其原因主要是轻质芳烃的富集度仅为71.05%,需进一步提高其轻质芳烃质量分数。另外,制备的煤基高能量密度燃料种类复杂,其主产物质量分数仅46.18%,下一步可重点调控合成产物的分子构型和纯化分离。     

低渗油田高压注水井在线酸化技术研究与试验

为实现对注水井的酸化解堵及增注降压的效果，保障低渗油田开发的高效性与安全性，对低渗油田高压注水井在线酸化技术进行研究和试验分析。制备复合酸液体系，确定在线酸化施工中的注酸速度与强度等参数，并设计在线监测装置实时监控在线酸化施工，检验结果表明，该复合酸液具有较高的螯合性与沉淀抑制性，具有较高的岩粉溶蚀率；应用该复合酸液实施在线酸化施工，施工后试验注水井的地层吸液性及注水量显著上升，井口油压及施工压力显著下降，增注降压效果明显，可解除注水井储层的堵塞物，为提升低渗油田开发的安全性与高效性提供保障。实验结果表明，所提技术使井口的油压由9.11MPa降到1.71MPa、泵注压力由9.77MPa降到7.51MPa，说明能有效缓解井口油压以及泵注压力，加大整体的施工排量，实现增注降压的目标。     

天然气水合物抑制剂甲醇回收中结垢机理研究

天然气开采过程中,天然气水合物经常造成管道,设备的堵塞。气田上常采用甲醇作为水合物抑制剂。针对甲醇回收过程中结垢严重的运行现状,采集了现场水样和垢样对其成分进行了分析。以实验数据为基础,结合化学反应机理和结晶动力学机理,研究甲醇回收过程中的结垢机理。进而分析了结垢的影响因素。分析结果表明,甲醇回收过程中的结垢是不相容离子间相互混合以及热力学的变化的复杂结果。溶液中的成垢离子浓度,pH值,压力,温度以及矿化度都会对结垢趋势产生影响。     

兴隆山楂始花期预报模型的构建

利用20年山楂始花期和地面气象观测资料,采用相关分析法分析花期与气象因子的相关性。结果表明:影响山楂始花期的因子为10 cm地温和最高气温,采用逐步回归法构建的回归方程效果较好,可应用于实际。     

胖头泡蓄滞洪区动库容调洪方法研讨

为了满足全国重点地区洪水风险图编制项目实施方案要求,紧密结合松花江流域防洪体系中的胖头泡蓄滞洪区实际情况,本次重点研究基本资料要求较低,而且较简单易用、计算精度较高的虚拟多库串联线性水库法,解决非线性的动库容调洪计算问题,即把蓄滞洪区划分为多个虚拟串联的线性水库(可以采用常规的静库容法调洪计算),并采用联立求解明渠非均匀流方程(天然河道水面线方程)与水量平衡方程,进行串联线性水库逐级连续调洪计算后,可以求得近似的动库容调洪计算成果。     

改性CA-CP抑菌薄膜的制备与性能表征

以低密度聚乙烯(LDPE)为基材,丙酸钙(CP)和改性抑菌树脂(CA)为添加剂,通过共混、挤出-吹塑工艺制备改性CA-CP抑菌薄膜。研究了CP浓度为0,0.8%,1.8%,2.8%和3.8%对改性抑菌薄膜抑菌性能,力学、光学性能,透气、透湿性能,微观形态及红外图谱的影响。结果表明,CP的添加,提高了改性CA-CP抑菌薄膜的雾度、阻隔性及抑菌性,降低了薄膜的透光率。当CP含量≥2.8%,改性CA抑菌树脂含量为0.2%时,薄膜的阻隔性能和抑菌性能较好,可以作为一种活性包装材料,应用到食品的抑菌保鲜中,延长食品货架期。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。