高熔融指数聚丙烯的生产探索

在聚丙烯材料高速发展的时代,高熔融指数PP日益受到人们关注。在通过可控流变法生产PP的过程中,降解剂(有机过氧化物)的选择尤为重要。本文着重介绍了2种高熔融指数PP的制备方法,以及目前生产中常用的有机过氧化物降解剂。     

基于全子集回归和逐步回归的煤灰氧化物组成对熔融性影响的研究

为探究氧化物组成对煤灰熔融特性的影响,选取煤灰中的氧化物含量作为自变量,在SPSS软件平台上对变形温度DT、软化温度ST、半球温度HT和流动温度FT分别进行全子集回归和逐步回归,比较得到显著性最强的新定义的熔融指数FI和最优的回归预测方程。结果表明,单一氧化物组分对灰熔温度的影响不显著|对DT影响最显著的熔融指数为FID=Al2O3+Fe2O3,且煤灰中FID含量低于30%时,DT几乎不变化,含量大于30%时DT发生较大幅度降低|对FT影响最显著的熔融指数为FIF=SiO2+Al2O3+Fe2O3,且随着FIF含量升高,流动温度呈上升趋势|对半球温度HT影响最显著的熔融指数FIH= SiO2+Al2O3,对软化温度ST影响最显著的熔融指数FIS=SiO2+Al2O3+Fe2O3,但FIH和FIS对ST和HT的显著性略低,为得到更准确的预测模型,进一步以十种氧化物为起点通过逐步回归方法分析得到ST和HT的预测方程。     

热塑性弹性体SIS结构与性能关系研究及产品开发

苯乙烯-异戊二烯-苯乙烯嵌段共聚物SIS是热塑性弹性体SBS的姊妹产品,应用于粘合剂、涂料、塑料改性等方面。SIS产品有线型和星型两种结构,其中以线型产品的应用最广。     

PA14D-2聚丙烯管材通过热稳定试验

<正>由大庆炼化公司聚丙烯厂300kt/年二套聚丙烯装置生产的PA14D-2聚丙烯管材料产品,日前通过8760 h的热稳定性试验,取得了进入市场的通行证。二套聚丙烯装置采用先进的气相多区循环反应器工艺,生产的PPR管材料具有更高的弹性模量、抗冲强度和更好的加工性能。但PA14D-2管材熔融指数非常低,生产难度大,技术人员认真研究二套装置工艺特点后,对影响产品质     

煤灰成分对灰熔融特性影响的多角度分析

以实际煤气化生产用原料煤为例,基于生产中煤灰成分与灰熔融特性的检测数据,对煤灰中总酸、总碱、酸碱比以及SiO2、Al2O3、Fe2O3、CaO含量对灰熔点的影响进行分析,对熔融指数FI、灰渣形式与灰熔点的关系进行探讨,旨在从灰成分的不同角度研究煤灰灰成分对灰熔点的影响.结果表明,煤灰中单一化学成分含量多少与煤灰熔融特征温度间没有绝对的规律,且目前不同的学术研究观点也对煤灰成分与灰熔融特性的关系有不同的见解,没有普遍和万能的理论规律,因此需要对二者的关系有一个辩证客观的认识.     

基于全子集回归和逐步回归的煤灰氧化物组成对熔融性影响的研究

为探究氧化物组成对煤灰熔融特性的影响,选取煤灰中的氧化物含量作为自变量,在SPSS软件平台上对变形温度DT、软化温度ST、半球温度HT和流动温度FT分别进行全子集回归和逐步回归,比较得到显著性最强的新定义的熔融指数FI和最优的回归预测方程。结果表明,单一氧化物组分对灰熔温度的影响不显著|对DT影响最显著的熔融指数为FID=Al2O3+Fe2O3,且煤灰中FID含量低于30%时,DT几乎不变化,含量大于30%时DT发生较大幅度降低|对FT影响最显著的熔融指数为FIF=SiO2+Al2O3+Fe2O3,且随着FIF含量升高,流动温度呈上升趋势|对半球温度HT影响最显著的熔融指数FIH= SiO2+Al2O3,对软化温度ST影响最显著的熔融指数FIS=SiO2+Al2O3+Fe2O3,但FIH和FIS对ST和HT的显著性略低,为得到更准确的预测模型,进一步以十种氧化物为起点通过逐步回归方法分析得到ST和HT的预测方程。     

聚丙烯熔融指数与氢调的关系

小本体聚丙烯粉料的熔融指数是产品质量特性和影响后加工效果的关键指标,而熔融指数在目前使用高效催化剂的聚合反应过程中,取决于生产过程中的氢调手段,因此,氢调是控制丙烯聚合熔融指数的有效方法。本文从生产实践出发结合丙烯聚合工艺原理,利用三角相图定性地描述了丙烯聚合过程中,产物的熔融指数与操作手段"氢调"之间的关系。直观地分析了小本体聚丙烯高效催化体系的"氢调"规律。     

制氢氢气应用于聚丙烯装置的分析

介绍了制氢氢气在聚丙烯装置上的应用情况,分析了制氢氢气在克拉玛依石化公司聚丙烯装置应用的可能性。     

聚丙烯产品质量控制

探讨了各种物料用量及工艺条件对丙烯液相聚合生产聚丙烯产品质量的影响，并对本装置的计量设备及仪器进行了改造，从而达到有效地控制产品的各项指标，使聚丙烯产品质量稳定、产量提高。     

基于SNNs-RR的聚丙烯熔融指数软测量

提出了一种组合神经网络-岭回归（SNNs-RR）建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中.通过多个单一神经网络的合理组合可显著改善神经网络模型的泛化能力,而选择合适的组合权重对组合神经网络模型是否具有良好预测性能是至关重要的,因此提出了采用岭回归方法来选择合适的组合权重.通过与单一神经网络模型的预测结果进行比较,表明基于SNNs-RR的聚丙烯熔融指数软测量模型具有更佳的预测精度和鲁棒性.