对氯苯氧乙酸钾的合成与应用

介绍了用相转移催化一步合成植物生长调节剂对氯苯氧乙酸钾的方法及其在蔬菜和苹果上的应用效果。     

对氯苯氧乙酸钾的含量测定方法研究

介绍了用冰醋酸作溶剂,以高氯酸作滴定剂对对氯苯氧乙酸钾的含量进行测定的半微量非水滴定法。     

对氯苯氧乙酸合成工艺的改进

对由对氯苯酚和氯乙酸合成对氯苯氧乙酸的旧工艺中,存在反应时间长、采用昂贵溶剂等缺点,对合成工艺进行了改进。选用氯化三乙基苄基铵作催化剂,以５０％ＮａＯＨ作溶剂,反应时间缩短为１．５ｈ,产品收率达９４％。     

植物生长调节剂对氯苯氧乙酸钾的生产与应用

介绍了用相转移催化一步合成植物生长调节剂对氯苯氧乙酸钾的方法及其在番茄、苹果上的应用效果。     

Williamson法合成对氯苯氧乙酸

本文报道了对氯苯酚直接与一氯醋酸缩合以制取高效植物生长调节剂对氯苯氧乙酸的方法,该法具有反应周期短、操作方便,设备简单,产品得率高且质量稳定诸优点。     

对氯苯氧异丁酸合成工艺的改进

以丙酮、氯仿、对氯苯酚为原料,用氢氧化钾水溶液为催化剂的同时,加入甲基三辛基氯化铵和聚乙二醇400为相转移催化剂,控制滴加、反应温度,经过取代、Favorskii重排、缩合、酸化等一系列反应,得到高收率、高质量的对氯苯氧异丁酸,总收率为91.0%。     

对氯苯氧醋酸钠的合成

采用一步法由氯乙酸与对氯苯酚在氢氧化钠质量分数为 0 2的水溶液中的反应制得。对原料配比、反应温度、反应时间和溶液pH值等各种反应条件的影响作了详细研究。氯乙酸∶对氯苯酚 (摩尔比 )为 1 2 5 ,质量分数为 0 2的氢氧化钠溶液中 ,pH值在 5～ 7之间 ,温度在 10 4℃左右为宜 ,反应时间为 2 0min ,PCPA收率为 90 3%。同文献报道的方法相比 ,此法有利于工业上的大量制备 ,降低生产成本     

对氯苯氧乙酸乙酯的合成

对氯苯酚和氯乙酸在碱性条件下缩合生成对氯苯氧乙酸，最佳工艺条件为氯乙酸过量２０％，反应介质ｐＨ９～１０，９０～１００℃反应２ｈ，收率为９２％。再与无水乙醇在对甲基苯磺酸催化下回流２ｈ，酯化收率为９５．６％。     

硫酸氢钠催化合成对氯苯氧乙酸乙酯

研究了以硫酸氢钠为催化剂,以对氯苯氧乙酸和乙醇为原料合成对氯苯氧乙酸乙酯,确定的最佳工艺条件为:对氯苯氧乙酸20g,酸醇质量比1∶8,催化剂用量0.5g,反应温度80℃,反应时间2h,酯收率达96%以上。     

用人工神经网络优化己酸乙酯的制备条件

己酸乙酯生产工艺中采用硫酸做催化剂,会产生大量的工艺废水,对环境不利.本文采用硫酸氢钠F型复合催化剂,以环己烷为带水剂催化合成己酸乙酯,并采用正交实验和人工神经网络对该工艺加以优化,建立三层改进的误差反向传播网络（BP-ANN神经网络）,把正交实验的水平范围扩大后输入建立的网络,得到最佳制备条件：催化剂用量为4 g,反应时间为3.4 h,醇酸物质的量比为1.2,带水剂用量为27 mL,在该条件下己酸乙酯的预测收率为98.60%,五次验证实验的平均收率为98.32%.     

人工神经网络的发展及其在控制中的应用

本文综述了人工神经网络的发展历程,介绍了神经网络的基本结构和训练原理,并着重阐述了在化工过程控制领域中的应用现状和前景。     

基于人工神经网络的橡胶螺杆挤出机智能化设计

通过人工神经网络建立了挤出机的智能化设计模型.该模型可以进行多影响因素下的多目标分析,并应用于橡胶挤出机的结构选型、结构设计、找出最佳的工艺参数等.改进了过去单凭产量来选择螺杆直径的简略的方法.由实验数据和专家经验作为样本训练得到的智能模型,能达到更符合实际情况、综合考虑产量和胶料特性等诸多因素来选择出合理的挤出机直径和挤出机工作转速等多目标的智能化的设计方法.     

陶瓷原料分类的人工神经网络模型

抽取陶瓷原料特征参数,建立3层BP人工神经网络模型,据此对陶瓷原料进行模式识别和分类.研究结果表明:经该模型计算所得的分类结果和实际情况相吻合.该方法有助于在配方过程中遴选陶瓷原料,值得推广.     

"人工神经网络"方法用于超临界流体萃取模拟

在15－30MPa和303－323K条件下，用超临界CO2流体萃取沙棘籽油，结果表明，最高沙棘油收率（30MPa,308K)可达到90％以上，对过程进行动力学模拟，建立了超临界萃取过程的人工神经网络（ANN）模型，以MATLAB软件为平台，编制了SFE－ANN模拟程序系统，采用3层BP网络结构，以压力，温度、萃取时间为输入，以萃取出油量为输出对网络进行训练，由此得到的网络可以对萃取速率和单位时间床高方向的萃取出油量进行准确的模拟和预测，与实验结果比较证明，训练样本集误差为0．2％，测试样本集误差为0．5％，模拟误差小于6％。     

用人工神经网络预测城市地震火灾损失

利用人工神经网络对城市地震火灾损失进行预测,对指导抗震救灾有一定的帮助。具体做法是根据地震损失与其影响因素之间的非线性映射关系,建立人工神经网络模型,并将其应用于地震火灾损失预测。实例表明该方法有一定的推广价值。     

Modeling the Direct Synthesis of Dimethyl Ether using Artificial Neural Networks

Artificial neural networks (ANNs) are designed and implemented to model the direct synthesis of dimethyl ether (DME) from syngas over a commercial catalyst system. The predictive power of the ANNs is assessed by comparison with the predictions of a lumped model parameterized to fit the same data used for ANN training. The ANN training converges much faster than the parameter estimation of the lumped model, and the predictions show a higher degree of accuracy under all conditions. Furthermore, the simulations show that the ANN predictions are also accurate even at some conditions beyond the validity range.     

基于神经网络的化工过程测量数据在线校正技术的研究

研究了人工神经网络在化工过程测量数据校正中的应用，提出了新的样本构造方法和神经网络的在线训练策略。对某乙烯装置裂解气分离系统测量数据，应用自行设计开发的改进算法的神经网络与数据校正系统集成运行，结果表明基于神经网络的数据校正技术能对测量数据中所含的随机误差和过失误差进行同时校正，提高过程数据的精度和校正过程的稳定性，同时满足数据校正的实时性要求。     

神经网络在聚合过程中的应用

介绍了神经网络在聚合反应过程中的建模，预测、优化，控制和故障诊断及模式识别方面的应用，讨论了其优点和局限性，并分析今后神经网络的发展趋势。     

人工神经网络在高分子复合材料研究中的应用

人工神经网络(ANN)的基本结构是根据大脑的结构来建立的,是原始的人工神经元的简单的聚集,它可以用来模拟各种复杂的科学工程问题。ANN在材料学研究方面得到了广泛应用,主要用于金属材料性能方面的预测。近年来,其也逐渐被用于高分子复合材料的研究,主要对人工神经网络近些年在高分子复合材料性能的预测方面做了总结,其中包括对高分子复合材料的疲劳寿命、摩擦性能、复合加载情况和动态力学性能等的模拟预测。