交联淀粉微球的制备及其对Cr(Ⅵ)的吸附性能研究

以可溶性淀粉为主要原料,N,N’-亚甲基双丙烯酰胺(MBAA)为制备反应的交联剂,环己烷为油相,过硫酸钾-亚硫酸氢钠(K_2S_2O_8-Na HSO_3)氧化还原体系为引发剂,Span80、Tween60为乳化剂,采用反向悬浮法制备交联淀粉微球,并利用红外光谱仪对交联淀粉微球的结构进行表征。以交联淀粉微球作为吸附剂,研究了吸附时间、淀粉微球的质量及Cr(Ⅵ)的初始浓度对Cr(Ⅵ)的吸附性能的影响并考察了淀粉微球吸附Cr(Ⅵ)的热力学特性。吸附实验发现,在淀粉微球质量为0.05 g、吸附时间为70 min、初始浓度为50 mg/L时交联淀粉微球对Cr(Ⅵ)的吸附量较高。热力学实验表明,交联淀粉微球对Cr(Ⅵ)吸附行为符合Langmuir热力学方程,相关系数为0.989 0。     

玫瑰花状MoS2对丁基黄原酸钾的吸附-光催化协同去除性能研究

利用水热法合成玫瑰花状MoS₂,研究其对丁基黄原酸钾的吸附-光催化协同去除性能。结果表明,成功制备了具有光催化性能与吸附性能的玫瑰花状MoS₂;在pH=7、MoS₂用量为25 mg、吸附时间为30 min条件下,MoS₂对丁基黄原酸钾的最大吸附容量达110.93 mg·g^-1;在300 W氙灯下照射30 min时,MoS₂对丁基黄原酸钾的降解效率为81.99%;而通过光催化降解-吸附的协同作用,在40 min时丁基黄原酸钾去除率达99.89%;经过5次循环后,MoS₂对丁基黄原酸钾的协同去除率仍大于95%。此研究为MoS₂在含黄药废水处理方面开辟一种新方法。     

新型注入式混合有源滤波器的检测与控制策略

为提高系统电能质量,减少谐波污染,对一种新型双谐振注入式混合型有源电力滤波器进行了研究,分析了具有预补偿能力的分频检测算法和空间矢量双滞环电流控制方法在新型有源滤波器的应用。通过分频检测算法可以从实际工况选择待补偿的谐波次数,减少有源滤波器与电网其他补偿设备的耦合,提高系统稳定性,并减少了补偿容量。利用空间矢量双滞环电流控制提高了直流电压利用率,降低了开关频率。仿真和实验分析结果表明了该方法的可行性。     

等温时间对自孕育法制备Mg-9Zn-2Al镁合金半固态浆料的影响

采用自孕育法在线制备Mg-9Zn-2Al镁合金半固态浆料,研究了等温温度为585℃时,等温时间对Mg-9Zn-2Al镁合金半固态组织演变的影响.结果表明,随着保温时间的延长,晶粒先球化而后恶化,并且不断长大,保温4～8 min时,其晶粒较好,尺寸为65～72 μm,圆整度在1.2～1.3之间.在此过程中,组织的演变主要经历高熔质点相的析出及较小过冷度下的瞬态形核、镁原子堆积促使初生相的长大和α相的合并长大三个阶段.     

具有谐波抑制功能的综合电能质量控制系统设计

传统电压无功装置在调节时大都不考虑谐波因素的影响,而实际工程中谐波会带来很大危害.提出了一种具有谐波抑制功能的综合电压无功电能质量调节装置,并分析了系统谐波放大产生的原因及其抑制策略.此外,采用了多目标的电压无功谐波优化控制,同时考虑电压质量、无功、网损和谐波畸变率等多个优化目标,建立了多目标优化模型,实现对电压无功谐波的最优控制策略.仿真和实验证明了该装置及所得控制策略的有效性.     

阳离子淀粉微球对Ni(Ⅱ)的吸附性能研究

研究了阳离子淀粉微球对Ni(Ⅱ)的吸附行为,考查了时间、吸附剂用量及Ni(Ⅱ)初始浓度对吸附性能的影响,并探讨了Ni(Ⅱ)的吸附动力学。结果表明,吸附的最佳条件是吸附时间为3 h、吸附剂用量为0.3 g,Ni(Ⅱ)初始浓度为50 mg/L;分别采用两种动力学方程考察其吸附动力学,其结果和准二级模型计算结果之间有较好的相关性,说明了阳离子淀粉微球对Ni(Ⅱ)的吸附为化学吸附。     

应用型本科院校金属材料工程专业材料化学课程教学的几点思考——以商洛学院为例

针对目前材料化学教学中存在的问题,根据应用型本科院校的培养目标及我校金属材料专业的现状,以阐述在材料化学教学过程中的几点思考和改革。     

高压辊磨机在某大型金矿设计中的应用

针对高压辊磨机的技术性能,在某大型金矿碎磨工艺中选择其作为细碎设备。试验研究结果显示:从产品粒度、单位处理能力及单位功率消耗等方面分析,高压辊磨机适用于该金矿矿石。技术经济比较结果证明其具有良好的应用前景。     

钛酸锶薄膜的制备与应用研究进展

介绍了钛酸锶(STO)薄膜的五种制备方法(等离子体增强化学气相淀积、射频磁控溅射、金属有机化学气相沉积、脉冲激光沉积、溶胶-凝胶)及STO薄膜在电容-电压敏双功能材料、CMOS器件、氧敏材料、PZT铁电薄膜电极材料等方面的应用的研究进展.提出了需进一步开展的研究课题如:晶粒晶界控制、界面控制、漏电导机制、疲劳机制、非线...     

基于混合图神经网络的方面级情感分类

目前在方面级情感分类研究中,图卷积网络被应用于句法依赖树上构建方面词与上下文词的依赖关系。但是由于句法依赖树的不稳定性和语句的复杂性与不规范表达,这种改进较为有限。为解决上述问题,提出了一种基于混合图神经网络模型。在该模型中,为了深度提取方面词与上下文词的依赖关系,设计了应用于句法依赖树的多层图卷积网络。同时为提取词级依赖特征,设计了具有残差连接的图注意力网络（Res-GAT）,其主要思想为以词级依赖关系特征作为补充,结合句法依赖关系进行方面级情感分类。通过在五个经典数据集上实验,证明了该模型相较于基线模型具有更优异的分类能力。