Ag@AgCl/MCM-41纳米材料的制备及光催化性能研究

以原位沉淀-光化学还原法制备了Ag@AgCl/MCM-41复合纳米材料,采用SEM、IR、XRD对其结构进行了表征.分析表明,复合纳米材料中Ag@AgCl为壳-核结构,具有纳米金属表面等离子体共振效应,对可见光的吸收增强.介孔材料MCM-41载体的引入使催化剂分散性、比表面积、吸附性能和重复使用性提高.以亚甲基蓝为目标降解物,考察了其可见光催化活性,结果表明,光照射60min,复合纳米光催化材料对10mg/L亚甲基蓝溶液的降解率达98%.     

甜菜糖蜜深层发酵柠檬酸不加黄血盐高产菌种选育技术报告(摘要)

前言近年来,出于生产的需要,对以糖蜜为原料、不需添加黄血盐作为生酸促进剂的深层发酵柠檬酸菌种进行了研究,四川食品工业研究所、广东食品厂分别培育了黑曲霉十七(?)66和 G23—4等以甘蔗糖蜜为原料的菌种,取得了可喜的成绩。甘蔗糖蜜和甜菜糖蜜组成有所不同,甘蔗糖蜜的菌种并不完全适用于甜菜糖蜜。我省甜菜糖蜜资源丰富,根据轻工业部的要求,黑龙江省轻工业研究所,黑龙江省和平糖厂于1979年起进行了“以甜菜糖蜜为原料、不添加黄血盐深层发酵柠檬酸菌种的研究”,从本省土壤里分离     

弱信号检测领域中随机共振的理论及应用研究

随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.     

超细非晶态合金NiB催化剂的制备、表征及其催化加氢性能

采用化学还原法,通过在制备过程中加入KAl(SO4)2和NaOH,制备了超细非晶态合金结构的NiB催化剂。Al(OH)3的生成是制备超细NiB催化剂的关键因素,且NiB的粒径随着Al(OH)3生成量的增加而减小。当Al/Ni摩尔比为1∶1时,该方法制备的NiB催化剂粒径约为未加入铝盐时的1/6。催化评价表明,在糠醛加氢和硝基苯加氢反应中,制备的NiB催化剂的活性随着制备过程Al(OH)3生成量的增加而增大。当Al/Ni摩尔比为1∶1时,NiB催化剂的催化活性为未加入铝盐时的3倍,其原因可以归于该方法制备的NiB催化剂小的粒径和大的比表面积。同时,采用含铝盐废液制备的NiB催化剂的催化结果表明,该方法制备过程的铝盐可以循环使用。     

低渗透砂岩储层微粒运移伤害实验研究

姬塬油田G83区长4+5油藏为低渗透砂岩储层,随着开发注水压力持续上升,欠注井逐年增多,且大多数欠注井多次治理无效。为了明确注水开发过程中微粒运移现象及其变化特征,确定运移微粒成分,并优化注水技术政策,开展了长岩心、正反向驱替流动实验,长岩心大流速岩心驱替实验及驱出物X衍射分析等。研究表明：存在明显的微粒运移现象,运移微粒以方解石、伊利石和绿泥石为主,合理的技术政策执行可减弱微粒的脱落和运移。     

由于CT极性接反引起电能计量减少的分析

介绍一起由于CT极性接反引起的电能计量减少的故障,并针对此故障对电流互感器的原理、极性判别及引起计量减少的原因进行了详细地分析。     

汽油机油高温泡沫性指标影响因素分析

分析汽油机油高温泡沫性指标的影响因素,针对各影响因素开展试验研究,以控制产品高温泡沫性指标在合格范围内,保证油品质量。结果表明:基础油的高温泡沫性能对产品高温泡沫性性能有直接的影响,在生产上需严格控制;适当提高调合温度及搅拌强度能改善润滑油高温泡沫性性能;加入适当比例的抗泡剂可改善产品高温泡沫性性能,而加剂方式的影响不明显。     

高速钢W6Mo5Cr4V2径锻一火成材工艺技术的开发

高速钢的碳和合金元素含量高,碳化物偏析严重,塑性差,锻造温度范围比较狭窄,采用汽锤锻造,由钢锭轧成材需要4~6火次。宝钢股份特殊钢分公司利用德国引进的液压式13MN径锻机试验W6Mo5Cr4V2钢的径锻工艺,结果表明采用合理的工艺参数,可以做到一火成材,不仅大大提高工效、节约能耗,而且锻材的表面质量、内部质量皆优良。     

风电场接入对原系统的影响

在大规模风电场接入系统的情况下,电网发生故障时,风力发电机将向系统提供一定的短路电流,因此在这种情况下电力系统保护的配置和整定计算就必须考虑风电场的影响.以风电场接入单电源供电电网为例,分析故障情况下风电场对系统进线、110kV母线及备自投的影响,并对存在的问题给出解决措施.     

冷轧带钢屈服强度的脉冲涡流检测方法研究

目前冷轧带钢屈服强度的检测主要依赖于有损检测,大大增加了检测成本。将BP神经网络引入基于脉冲涡流的冷轧带钢屈服强度预测,首先提取脉冲涡流响应信号的时域、频域特征,分析了各个脉冲涡流信号特征的稳定性,然后建立信号特征与材料屈服强度的BP神经网络模型,最后用建立的模型对材料的屈服强度进行预测。实验表明,采用BP神经网络对冷轧带钢进行屈服强度预测的误差为6%及以下,这种方法对于降低工业生产的检测成本、提高检测效率有一定的实用价值。