合成气一步法制二甲醚过程热力学模拟的研究

使用美国商用过程模拟软件PRO/Ⅱ,根据最小化青布斯自由能方法,研究合成气一步法制二甲醚过程的热力学模拟.考察温度、压力、合成气组成等因素对热力学平衡条件下一氧化碳转化率、二甲醚选择性和产率的影响,为二甲醚合成过程反应器的模拟计算和开发,提供理论依据.结果表明:低温高压有利于二甲醚的合成;为提高一氧化碳的转化率,最佳的氢炭比为1.4～2.0;在一定范围内二氧化碳含量对热力学平衡组成的影响不大,而水蒸气不利于合成反应.模拟与固定床微反装置的实验结果比较,不分伯仲.     

甲基叔戊基醚泡点合成的热力学研究

采用国产催化剂D005在自制的加压磁力搅拌反应釜内对甲基叔戊基醚泡点合成反应的本征热力学进行了研究,主要考察了温度对甲醇与2-甲基-1-丁烯、2-甲基-2-丁烯两种烯烃的反应平衡常数的影响,并采用组分的活度代替浓度计算反应的平衡常数。实验得出温度越高,两种烯烃和甲醇醚化反应的平衡常数越小,但异构化反应平衡常数K_3受温度影响不显著,另外,2-甲基-1-丁烯醚化反应的平衡常数K_1大约为2-甲基-2-丁烯醚化反应的平衡常数K_2十几倍。根据实验结果,经过Wilson二元交互作用参数和范特霍夫方程,计算得出了醚化反应的标准摩尔焓变和熵变,并与文献值进行了比较。     

浆态床费托合成反应神经网络建模与遗传算法优化

在实验基础上,利用神经网络对浆态床费托合成反应温度、压力、流量和氢碳比等操作参数及CO转化率、H2转化率和合成气转化率建立三层神经网络模型,通过BP算法对其训练,并将试验值和神经网络仿真值对比,说明了所建神经网络是精确可靠的。同时将神经网络模型嵌入到遗传算法当中,将操作参数编制成21位二进制编码,通过遗传算法对费托合成反应条件进行优化,分别将CO转化率、H2转化率和合成气转化率作为遗传算法的适应度函数,计算出一系列的优化操作参数群体,为研究费托合成操作条件与产物之间的关系提出了一个新的思路。     

以光合工厂理论为基础的微藻生长动力学模型的优化研究

以光合成工厂为思想基础的生长动力学模型是从机理上描述微藻光生化反应的一个重要模型,其模型的拟合程度关系到微藻浓度的准确预测。本文通过对实验数据进行合理分组,对其进行了进一步优化;另外,将管式反应器局部光强与光生长动力学相关联,建立了新的生长动力学模型。研究结果表明,优化后模型的判定系数明显增大,与局部光强相关且合理分组得到的数学模型与实验吻合程度最高,明显提高了微藻浓度预测的准确性。     

催化合成水杨酸甲酯的热力学计算与分析

利用Benson基团贡献法计算了水杨酸甲酯的热力学数据△_fH~θ和C_p,对甲醇和水杨酸催化合成水杨酸甲酯反应体系进行了热力学分析,通过对反应自由能变化△,G、平衡常数K_p以及水杨酸的平衡转化率的计算分析,结果表明该反应为吸热反应,其吉布斯自由能变化为负值,水杨酸甲酯可以得到较高的转化率,为催化合成水杨酸甲酯的研究提供了热力学数据。     

采用量化计算和预实验的方法优化大黄酚印迹聚合物的合成

在研究大黄酚分子印迹聚合物制备过程中,为选择合适的功能单体,首先采用 PM3 量化计算方法,得出大黄酚与 4-乙烯吡啶、甲基丙烯酸之间的结合能分别为-768.91 kJ/mol 和-14.78 kJ/mol,表明4-乙烯吡啶与大黄酚的作用力更强,是较好的功能单体;又采用紫外预组装的实验方法优化选择功能单体,得出与上述一致的结论;同时实验确定大黄酚与4-乙烯吡啶最佳反应比为1:4.因此,以此单体和反应比去合成大黄酚印迹(MIP)和非印迹聚合物(NMIP),采用平衡吸附实验表征 MIP 的吸附性能和选择性,并推测其作用机理.结果表明:MIP 对大黄酚及结构相似物的分配系数均大于 NMIP;MIP 对大黄酚的结合容量大大高于 NMIP,对大黄酚的分配系数大于其结构类似物;由此说明:合成的 MIP 具有一定的印迹效果,4-乙烯吡啶与大黄酚(及其类似物)的作用可能产生于羟基蒽醌骨架上.研究表明:实验结果和量化计算具有一致性,量化计算方法对分子印迹聚合物合成时功能单体的选择具有很好的指导作用.     

苯与苯乙烯合成1,2-二苯乙烷反应的热力学分析

分析和计算苯与苯乙烯烷基化合成1,2-二苯乙烷反应的热力学,对于开发该反应的催化剂和反应工艺具有重要意义.本文利用热力学基本原理,首次建立了该反应的焓变及Gibbs自由能变化与反应温度的关系,建立了反应的平衡常数与苯乙烯平衡转化率的关系.结果表明,在标准状态下,该反应的△rH0m(298 K)=-87.088 kJ·mol-1,△rG0m(298 K)=-46.496 kJ·mol-1,反应为强放热自发反应;降低反应温度和提高反应压力,有利于提高苯乙烯的平衡转化率.     

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先,输入化学反应物的简化分子线性输入规范（SMILES）编码,通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。     

Pitzer模型在Na~ //Cl~-,SO_4~(2-)-H_2O体系中多温适用性研究

不同温度下的Na //Cl-,SO42-,H2O体系液固平衡是芒硝和盐生产过程重要的理论基础,其应用方面的研究工作进行得较多,而多温下热力学的研究尚未见报道。本文采用Pizter离子相互作用模型理论,建立了上述体系热力学模型;利用该模型对上述体系在不同温度下的溶解度进行了预测,并与实验数据对比,研究了Pizter离子相互作用模型理论对于本体系多温情况的适用性。本文利用Pizter理论中的温度系数以及不同温度下该体系的溶解度实验数据,通过Matlab优化函数获得不同温度下各盐的活度积和两离子、三离子混合作用参数,并利用Matlab非线性方程求解函数,预测该体系0-150℃范围内的液固平衡数据,并与实验数据对比。研究结果表明Pizter模型的多温适用性良好,预测结果与实验数据基本一致,对生产实践有一定指导意义。     

神经网络用于热固性酚醛树脂的研究

运用人工神经网络研究了热固性酚醛树脂的合成反应空间与产物空间的映射关系，建立了可用于定量预测树脂固化产物热性能的模型，并进行了实验验证，神经网络方法对于复杂高分子体系的合成－性能定量关系的研究显示出良好的应用前景。