共查询到19条相似文献,搜索用时 62 毫秒
2.
香料己酸乙酯合成方法的改进 总被引:3,自引:0,他引:3
本文描述在硫酸锆为催化剂,以无水硫酸镁为脱水剂的条件下,己酸和乙醇进行酯化反应制备己酸乙酯的新方法。此法已得到希望的结果,己酸乙酯的收率在86—89%,产品纯度在98%以上。催化剂和脱水剂可以反复利用,并且该工艺过程无污染。 相似文献
3.
4.
磷钨酸催化合成己酸乙酯的研究 总被引:4,自引:0,他引:4
以磷钨酸作催化剂 ,由己酸和乙醇合成工业香料———己酸乙酯。研究了催化剂用量 ,反应时间 ,酸醇比 ,带水剂用量等对酯化反应的影响。选择了最佳条件 ,酯化率可达 95 %以上 ,并对催化剂重复使用进行了实验。效果良好。 相似文献
5.
微水体系中酶促合成己酸乙酯的研究 总被引:2,自引:0,他引:2
以Candidalipolytical脂肪酶在烷烃溶剂中催化合成白酒主体香料己酸乙酯。反应温度 36℃ ,己酸浓度 0 4mol/L ,己酸与乙醇摩尔比 1∶13,辛烷为溶剂 ,批次加入分子筛 ,加酶量为 15 0 0u/g己酸 ,反应 2 4h ,己酸转化率达 85 % 相似文献
6.
7.
8.
9.
10.
11.
利用微波辐射技术,以硫酸氢钠为催化剂,快速合成了已酸乙酯,并考察了影响反应的因素。实验结果表明:微波辐射功率560 W;辐射时间8 m in;醇酸物质的量比2∶1;硫酸氢钠1.0 g(已酸0.2 mol);酯化率可达96.2%。 相似文献
12.
在有机溶剂中猪胰脂肪酶催化合成己酸乙酯的研究 总被引:2,自引:0,他引:2
研究了有机溶剂中猪胰脂肪酶催化正己酸和无水乙醇合成己酸乙酯的反应。以正己酸和无水乙醇在各种反应介质中进行酶催化反应,用气相色谱检测生成的己酸乙酯,考察反应介质、底物浓度、底物摩尔比、加酶量、反应时间对产率的影响。发现在高底物浓度和低底物浓度的条件下,有机溶剂介质对反应的影响是不同的。采用中等底物浓度,选择lgP值适中的溶剂为介质最合适。适当的反应条件为:以环己烷为反应介质,正己酸浓度0.6mol/L,n(正己酸)∶n(无水乙醇)=1∶1.25,加酶量15g/L,反应温度37℃,反应24h后,产率达到90.5%。该文的底物浓度较高,是文献[1,10,11,17]报道的1.5~3.0倍,获得了相近的产率。 相似文献
13.
用BP神经网络对相转移催化合成对氯苯氧乙酸钾工艺进行了研究,结果表明,在KOH的量为18 33g,反应时间1 0~6 0h、反应温度50 0~90 0℃、甲苯用量10 0~80 0mL、催化剂四丁基溴化铵用量0 20~1 80g、n(对氯苯酚)∶n(一氯乙酸)=1 00∶(1 00~4 00),具有两层隐层的BP网络可较好地体现对氯苯氧乙酸钾合成规律,对其合成有较高的预测能力。反应时间的延长、甲苯用量的提高对对氯苯氧乙酸钾的生成量的增加影响不大;相转移催化剂四丁基溴化铵量增加反而导致对氯苯氧乙酸钾一定程度的下降;尤其是原料配比(对氯苯酚与一氯乙酸的量比)升高对对氯苯氧乙酸钾的生成影响较大。在上述反应条件范围内,反应时间为1h、反应温度90℃、四丁基溴化铵0 20g、甲苯10 0mL、n(对氯苯酚)∶n(一氯乙酸)=1 00∶4 00、KOH18 33g时对氯苯氧乙酸钾的生成量最大,实验值为15 1478g,网络预测值是16 3670g。 相似文献
14.
15.
16.
人工神经网络在混凝土强度预测中的应用 总被引:6,自引:0,他引:6
人工神经网络技术综合考虑了高强度、高性能混凝土强度的各种影响因素,可用于预测混凝土强度。本文选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对混凝土配合比强度实验数据进行分析预测,结果效果良好。表明该方法用于高性能混凝土强度预测方面是可行的。 相似文献
17.
18.
基于自适应神经网络的芳烃异构化过程建模 总被引:2,自引:1,他引:1
颜学峰 《化工自动化及仪表》2006,33(5):6-8
针对芳烃异构化过程(AHIP)中影响对二甲苯(PX)产率的因素众多且复杂等特点,提出一种自适应神经网络(Adaptive ANN)以建立AHIP的各因素与PX产率的关联模型.Adaptive ANN将样本分成训练样本和校验样本,并设计过拟合判据参数.通过训练样本对网络进行训练,训练过程中以模型对校验样本的预测性能为指标,通过过拟合判据参数的计算自适应地在获得具有最佳预测性能模型时终止网络训练,克服了传统的神经网络以模型的拟合精度为指标,造成训练时间过长和过拟合等缺点. 相似文献
19.
人工神经网络是《化学计量学》课的一个重要组成部分,所建立的模型常常用于解决各种复杂任务。为了使抽象的理论更容易为学生所理解,在教学中采用多种教学手段,例如激发学生的学习兴趣和在教学中对人工神经网络与神经系统(尤其是脑)进行类比。课程中讲解的主要内容为反向传输人工神经网络与kohonen自组织映射及其在化学中的应用。 相似文献