高导电性原油电脱盐工艺研究

南阳原油中金属含量较高,掺有部分3次采油采出原油,加工时易造成电脱盐装置原油乳化,电导率高,脱盐难度较大。装置投产十几年来脱后含盐一直不合格,经过改造仍然超标,常压塔顶腐蚀严重。为此,对原油进行了电脱盐工艺条件及破乳剂研究,研制出了高效电脱盐设备和生物复合脱盐剂及降电流剂,采用平流弓形电极进行改造,解决了该原油的电脱盐问题,使脱后含盐达到3 mg/L。     

激光熔覆Ni基B4C合金涂层的组织与性能研究

利用5kW连续波CO2激光器对16Mn钢基材表面预置的含20 vol%B4CP的Ni基合金复合粉末进行激光熔覆得到Ni基B4C合金涂层(NiB4c),研究了NiB4c涂层的组织形貌与相组成,并用单纯的镍基合金涂层(Ni60)进行了显微硬度及滑动磨损性能的对比试验。结果表明,NiB4C涂层由涂层下部的胞状晶和涂层中上部的树状枝晶及其间的共晶组织所组成,其组成相为γ-Ni,γ-(Ni,Fe)固溶体和(Cr,Fe)7C3,CrB,Ni3B,Fe2B,Fe23(C,B)6等化合物,涂层中存在未熔的B4C颗粒。激光熔覆NiB4c涂层比Ni60涂层具有较高的硬度和耐磨性,并分析了NiB4C涂层的强化机理。     

单根氧化锌纳米带/Au电极体系I-V特性的测量

利用电子束刻蚀和真空蒸镀法，在单要氧化锌纳米带和SiO2/Si片上，制备了金纳米电极，采用四端法对氧化锌带的电流-电压（I-V）特性进行测量。实验发展氧化锌纳米带/金电极组成的体系存在三种完全不同的I-V特性曲线，分别为对应于较淖电阻的非对称阀值型曲线以及电阻较大的整流型和线性对称曲线，我们认为这主要是由于氧化锌纳米带和电极的接触情况不同所造成的。测量表明器件在不同环境下（空气和真空）具有不同的I-V特性，表面在当测量环境由空气变为真空时，前一类的I-V特性变化不大，而后一类由整流型变为线性对称型。     

复混肥料中钾含量的测定

根据作者多年工作经验，详细介绍了复混肥料中钾合量的到定，且与标准GB／T8574—1988进行了逐一比较。     

混合乳化剂的优选及抗高低温水包油钻井液的研制

O/W乳化钻井液用的阴离子/非离子混合乳化剂,其中的非离子乳化剂先用PIT法初选,再以O/W乳状液黏度为性能指标,用HLB法选定,其中的阴离子乳化剂也用HLB法筛选。选定的一对非离子和阴离子乳化剂按不同比例复配,利用混合表面活性剂HLB值的加和性原理,由O/W乳状液黏度-HLB值关系确定二者最佳配比。O/W乳化钻井液以体积比70/30的柴油 原油为油相,油水相体积比40/60-60/40,乳化剂加量为油水总体积的4%-7%,加入的主要处理剂有:一种代替膨润土的成胶剂,抗高温液体抑制剂,油溶性储层保护剂,降滤失剂等。该钻井液在180℃、最高压力2.5 MPa下热处理24小时或在-26℃冷冻24小时后解冻,均不发生破乳,性能不恶化;用-26℃冷冻7天的乳化剂配制的钻井液,常温和热处理后性能良好。该钻井液流变性能良好,动塑比0.23-0.60,静切力2-8/2-10 Pa,滤失量为零,抑制性良好。图1表3参4。     

低密度微泡沫压井液的研究与应用

吐哈油田部分区块地层压力系数小于0.9,常规水基压井液对储层伤害大,若使用油基压井液成本高,环境污染严重。通过实验优选出了一种低密度水基微泡沫压井液。该压井液具有密度低、泡沫强度高、稳定性好、携砂能力强等优点。现场应用表明,低密度微泡沫压井液稳定时间大于48 h,密度在0.70~0.99 g/cm3之间可调,抗油污染能力强,抗油大于8%,抗温在100℃以上,岩心污染后渗透率恢复值大于80%;并且施工方便,成本低,具有储层保护能力,使用微泡沫压井液的井表皮系数在0.20~2.34之间。     

MIM隧道发光结的负阻现象

本文介绍了薄膜隧道发光结的基本结构、发光机理，阐述了其Ｉ－Ｖ特性中的负阻现象。简单介绍了ＭＩＭ结构负阻的几种解释，根据热像仪照片和低温测试结果分析，再结合Ｄｅａｒｍａｌｅｙ导电模型，我们提出了ＭＩＭ负阻的物理模型，理论与实验符合较好，最后分析了负阻现象的应用前景。     

回热损失对磁斯特林制冷循环制冷率的影响

从铁磁质的磁化强度一般表示式出发，探讨热阻和回热损失对磁斯特林制冷循环性能的影响，导出最大制冷率及其它性能参数。得到了结果适用于以顺磁质为工质的磁斯特林制冷循环。并指出在理想回热条件下的结论也适用于磁卡诺制冷循环。     

T8钢－聚有机硅氧烷仿生减粘降阻复合涂层的特性

研究了Ｔ８钢－聚有机硅氧烷仿生减粘降阻复合涂层的表面润湿性、磨料磨损特性及对土壤的减粘降阻性能与金属材料相比，仿生复合涂层的表面憎水性显著提高，水在其表面上的接触角达９２°；与４５钢相比，其磨料磨损的体积相对耐磨系数为６３％，降阻率达１５．２２％～２２．２７％     

Process monitoring using auto-associative,feed-forward artificial neural networks

The potential of using artificially simulated neural networks as intelligent, adaptive process-monitoring devices is discussed. The investigation is considered as a method for automatic, intelligent exception reporting for quality control applications. The technique is also compared with the conventional statistical approaches of principal component analysis and Kohonen's feature map. The applications of the technique in aerospace and manufacturing environments are presented and a possible extension of the method to incorporate a diagnostic function is discussed.Seconded from Cheltenham and Gloucester College of Higher Education as a Royal Society/SERC Research Fellow at Smith's Industries Aerospace and Defence Systems, Bishop's Cleeve, Cheltenham, UK.