环氧乙烷银催化剂的研究进展

文中从催化剂的主活性组分、助剂、载体以及新型的催化体系方面入手,对乙烯环氧化制环氧乙烷银催化剂的研究进展情况进行了评述,指出了催化剂研究工作的发展方向。     

高活性低水比乙苯脱氢催化剂

低水比乙苯脱氢催化剂的最佳配方(份,质量,下同)为:氧化铁70~72,碳酸钾13,草酸铈8~10,钼酸铵1~2,氧化镁1~2,氧化钙1~2,氢氧化钠1。在此配方下,各化合物混合1 h后加入200 m L去离子水,捏合约1 h可制备外径为2.8~3.2 mm,长度为6~8 mm,堆密度为(1.35±0.05)g/m L,侧压强度为25~30 N/mm的低水比乙苯脱氢催化剂。在等温装置和4 L绝热负压侧线装置上,分别对催化剂的主组成、活性及稳定性进行了评价。结果表明:于等温装置上,在碳酸钾用量为13份,以氢氧化钠为钠源(1份,焙烧后加入)的条件下,与碳酸钠相比,前者催化剂活性较高,乙苯转化率达到79.0%,苯乙烯选择性为96.5%;于绝热负压侧线装置上,在低水比为1.05下连续运行500 h时,采用自制低水比乙苯脱氢催化剂的乙苯平均转化率保持在66%以上,苯乙烯平均选择性在97%以上,催化剂表现出良好的活性和稳定性。     

天然硅铝矿物载体对丙烯酸二段催化剂性能的影响

采用溶液共沉淀法,以不同用量的Al_2O_3,SiO_2和天然硅铝矿物X为载体,制备了负载钼、钒、钨等金属元素的丙烯氧化制丙烯酸二段催化剂。分别在小试和中试装置中,以丙烯为原料,于氧气/丙烯(体积比)为1.5～1.6,水/丙烯(体积比)为1.6～1.7,一段反应温度为327～328℃,一、二段空速分别为80,105 h~(-1)的条件下,对催化剂性能进行了评价。结果表明:与不添加天然硅铝矿物X催化剂相比,添加后催化剂的孔分布得到改善,比表面积增大,强弱酸重新分布。当天然硅铝矿物X、Al_2O_3和SiO_2用量依次为80,79,179 g时,所制备的催化剂在小试装置中,丙烯酸收率最高(90.05%);在中试单管装置中,当最佳二段反应温度为262℃时,丙烯酸收率达到89.02%。     

环烯烃共聚物芯片在电泳分析检测中的应用

微芯片电泳是一种快速高效的微分析技术,有巨大的应用潜力,但由于芯片制作成本高、方法的实用性不足,目前在实际样品分析中的应用仍然相当有限。为了促进微芯片电泳的实际应用,本研究利用廉价的环烯烃共聚物（COC）塑料芯片,结合实验室自己搭建的低成本程控高压电源和激光诱导荧光检测装置（LIF）,对DNA片段、氨基酸、苏丹红类染料进行分析检测,得到了较好的分离效果。     

油砂及其分离方法的研究进展

油砂是一种重要的非常规油气资源,其分离技术的研究近些年来引起了国内外科研工作人员的重视。介绍了目前世界上主要采取的油砂分离技术,并对各分离技术的原理及影响因素进行了深入讨论,最后针对具体的油砂矿提出了行之有效的分离方法。     

基于TDMA的远程视频监控系统设计

讨论了视频监控系统,针对具体应用,提出了一个基于TDNA的远程视频监控系统方案．给出了该方案的总体设计。经实践检验,该方案能提供稳定的带宽,保证视频监控的业务质量。     

综采工作面降尘技术的应用

通过对综采工作面粉尘浓度的现场实测,得出了粉尘在工作面浓度分布情况,运用气水喷雾降尘技术及中压喷雾降尘技术,在综采工作面各转载点主要产尘处安装除尘装置除尘,降低了工作面的粉尘浓度,使煤矿工人的职业健康得到保障.     

火焰原子吸收测定裂解汽油二段加氢催化剂中Co,Mo,Ni含量

对裂解汽油二段加氢催化剂LY-9802中活性金属组分Co,Mo,Ni含量测定中的干扰因素进行优化以得到最佳检测条件。分别研究了氧化铝载体、抗电离添加剂Na₂SO₄、消解液基体硫磷混酸对于活性金属含量测定的影响,并同时研究了几种金属相互之间的影响。实验结果表明,载体氧化铝会使得活性金属组分的回收率降低7～8百分点;抗电离剂Na₂SO₄最佳添加量为0.20%(φ);硫磷混酸的添加会使得几种金属回收率下降,1%(φ)时得到更接近催化剂中真实值的测定结果;共存金属使得待测金属的回收率略有升高;Co,Mo,Ni三种金属测定的回收率分别为101.6%,101.5%,102.3%;相对标准偏差分别为0.56%,1.08%,0.79%;检出限分别为0.006 6,0.045 5,0.003 7 mg/L;准确度、精密度符合要求,符合产品检测要求。     

基于注意力ResNet模型的小麦锈病检测方法研究

针对小麦锈病识别率不高和病症难以判断问题,提出一种基于注意力机制(Attention Mechanism, AT)的残差网络模型(Residual Network, ResNet)。该模型利用ResNet网络能够抑制梯度弥散的优势,并引入注意力机制对小麦锈病特征因子赋予权重。对输入的小麦锈病图像进行通道注意力权重赋值,并提取图像空间细粒度特征完成小麦锈病检测。研究结果表明：该网络模型在Wheat-data数据集上平均识别精确率为95.20%,F₁-score为96.35%;与非注意力ResNet网络模型相比其平均识别精确率和F₁-score平均提高0.63%和1.03%。通过对网络模型参数和识别准确率分析,表明AT-ResNet100网络模型具有较好的性能。