纳米碳酸钙微观特征及其促进燃煤脱硫特性研究

为了研究纳米碳酸钙和纳米添加剂在促进燃煤脱硫中的特性,在ZCS-1智能测硫仪中进行纳米碳酸钙脱硫实验研究。结果表明,在炉温900℃、钙硫比为2的条件下,脱硫效率高达90%;1 150℃时达到50%以上。三种纳米碳酸钙的脱硫效果明显好于普通碳酸钙。研究还表明,粒径越小,脱硫效果越好;不同煤种对脱硫效率有较大影响,主要和煤中硫分的含量和硫的分布形态有关;温度是决定脱硫效果的主要因素,900℃下效果最好,超过1 100℃后效果明显下降。SEM和BET分析结果表明,纳米碳酸钙促进脱硫主要是由于其较为丰富的孔隙结构。添加纳米Al2O3和纳米ZnO都能在一定程度上促进纳米碳酸钙脱硫。其中,纳米Al2O3的效果较好,1 150℃能使脱硫效率提高20%左右,达到62%以上。     

杂多配合物抗狐脑炎病毒的活性探讨

抗病毒活性;杂多配合物抗狐脑炎病毒的活性探讨     

新型双核配合物的形成、与DNA的作用机制及荧光性质研究

利用紫外、荧光和粘度等方法研究了含不同配体的钌(II)配合物[Ru(phen)₂CImP]^2＋(CImP＝3,4-二羟基-咪唑并[4,5-i][1,10]邻菲咯啉)和[Ru(phen)₂TPPZ]^2＋(TPPZ＝四吡啶[3,2-a:2',3'-c:3',2'-h:2'',3''-j]吩嗪)与DNA的作用机制, 并研究了配合物与Zn^2＋配合后荧光性质变化. 结果表明[Ru(phen)₂TPPZ]^2＋与DNA以插入模式作用, 而[Ru(phen)₂CImP]^2＋与DNA则以沟面结合模式作用. 向配合物溶液中滴加Zn^2＋后, 配合物[Ru(phen)₂TPPZ]^2＋和[Ru(phen)₂CImP]^2＋均可以与Zn^2＋形成双核配合物[Ru(phen)₂(TPPZ)Zn]^4＋和[Ru(phen)₂(CImP)Zn]^4＋, 配合物的荧光减弱. 与DNA作用后, 配合物仍可以与Zn^2＋配位形成双核配合物, 但[Ru(phen)₂(TPPZ)Zn]^4＋保持插入模式与DNA作用, 配合物的荧光减弱. 而[Ru(phen)₂(CImP)Zn]^4＋与DNA则由沟面结合改为插入结合, 配合物的荧光增强.     

石灰石的孔隙结构特性及对固氟反应的影响

用三种石灰石为研究对象，应用高温管式炉、扫描电子显微镜和压汞仪对样品进行了一系列宏观与微观的对比实验，探讨了石灰石的孔隙结构特性及对固氟反应的影响。结果表明，通过扩大比表面积、增加孔隙率和减小粒径等途径可以改善石灰石的孔隙结构特性，提高钙基固氟剂高温下的利用率。     

半序线性空间上线性泛函的两个Gr\"{u}ss型不等式$^{}$

证明了半序线性空间上线性泛函的两个Gr\"{u}ss型不等式, 并由此给出了Karamata型积分不等式的一种推广形式, 得到了一个新的Gr\"{u}ss型积分不等式及关于傅立叶系数的两个不等式. 最后利用所得结论研究了关于矩阵及线性算子的一些Gr\"{u}ss型不等式.     

电位分析多次标准加入法的新算法

195 2年Ｇｒａｎ提出用图解法确定电位滴定终点 ,并成功地应用于电位滴定和电位分析多次标准加入法中 ,但该法必须事先知道电极斜率 ,或采用空白实验校正斜率。随后许多学者纷纷提出各种算法以弥补其不足 ,如Ｔａｙｌｏｒ级数法[1] 、单纯形调优法[2 ] 等等 ,但由于算法复杂而难以推广。我们发现如将两种较简单的数学方法即迭代法和一元线性回归法结合一体 ,可简便、快速、准确地计算出待测试液浓度 ,并同时得到电极斜率及截距。1　基本原理　　设待测试液浓度为ｃｘ,测得电位为Ｅｘ,由Ｎｅｒｎｓｔ方程知 :　　　　Ｅｘ=Ｅ +ｓｌｇｃｘ (…     

含硫物相对NO还原过程的影响

NOx是煤烯烧过程中产生的主要气体污染物,对生态环境造成严重破坏.NOx的排放浓度与炉内燃烧工况密切相关.     

灰污热流探针模拟锅炉受热面灰沉积的研究

基于傅里叶导热定律,设计了一简单实用的灰污热流探针,以神木煤、黄陵煤、新汶水煤浆和新汶黑液水煤浆为研究对象,在0.25MW热态实验炉上用灰污热流探针模拟了灰沉积过程,研究了四种燃料灰沉积过程中的热流变化特性和灰沉积机理。结果表明,灰污探针能很好地模拟不同燃料的灰污形成过程,模拟结果与实际情况相吻合;灰粒的沉积速率和吸收热流的衰减速率主要取决于燃料本身特性,同时也受烟气温度的影响;通过对探针上灰污的表观物理特性、微观结构、元素构成和矿物相的分析,发现四种燃料的灰沉积机理是不同的,黑液水煤浆灰污中Na、K含量较高,主要物相为熔融温度很低的富Na霞石和无水芒硝,黄陵煤灰污含有较高的Fe、Ca、S,而水煤浆燃烧时Fe的沉积和富集是灰污形成的主要因素;四种实验燃料中,黑液水煤浆和黄陵煤的结渣趋势强于神木煤和水煤浆。     

分组删失数据下生存函数Turnbull估计的强收敛性

证明了分组删失情形下生存函数的Turnbull估计具有强极限，并给出极限值所满足的方程。     

人工神经网络预测煤炭成浆浓度的研究

考虑煤炭的多种理化特性建立了成浆浓度的神经网络预测模型，对其数据预处理方法、学习率和中间层节点数等进行了深入讨论。水分、挥发分、分析基碳、灰分和氧等五个因子对于煤炭成浆性的预测起到主导作用。五因子、七因子和八因子神经网络模型对煤炭成浆浓度的预测误差分别为：0.53%、0.50%和0.74%，而现有回归分析方程的误差为1.15%，故神经网络模型比回归分析方程有更好的预测能力，尤以七因子模型最佳。