聚酯织物表面耐用超疏水涂层的制备及在油水分离中的应用

使用在含有甲基MQ(M:单官能团Si-O单元R₃SiO_1/2, Q:四官能团Si-O单元SiO₂)硅树脂与疏水SiO₂的二甲苯溶液中浸渍的方法,在聚酯织物表面制备了耐用超疏水涂层。经过处理后,微米级聚酯纤维表面被紧密的疏水纳米颗粒包裹,通过这种方法降低了纤维的表面能。聚酯织物展现出良好的超疏水特性,与水滴的静态接触角为156°,滚动角为5°。得到的超疏水聚酯织物在机械磨损、酸碱环境及紫外线照射条件下,表现出了良好的稳定性。此外,用超疏水聚酯织物作为过滤材料得到的油水分离效率达99%以上。该方法为大面积工业制备超疏水织物提供了新的思路。     

贵金属Pd沉积对BiOCl光催化性能影响研究

利用光化学沉积法合成了一系列不同Pd含量(0.5;、1;、2;、4;)的Pd/BiOCl复合纳米片.利用X射线粉末衍射(XRD)、N2-物理吸附/脱附、扫描电镜(SEM)、透射电镜(TEM)、X射线光电子能谱(XPS)、紫外可见漫反射吸收光谱(UV-vis DRS)等物理化学手段对合成的Pd/BiOCl进行了表征.以模型污染物-染料酸性橙Ⅱ为光催化降解对象,考察了该系列光催化剂在紫外光(λ=254 nm)和可见光下光催化降解酸性橙Ⅱ的活性.表征结果显示,尺寸为2 nm左右的Pd纳米粒子沉积在BiOCl纳米片上没有引起催化剂的比表面积的明显变化,但是Pd纳米粒子能使催化剂具有一定的可见光吸收能力.活性测试表明,在紫外光下,当沉积2;的Pd纳米粒子时,BiOCl催化降解染料的活性提高了2.1倍,而在可见光下光催化活性提高了6.3倍.     

若干1-(N-甲基-4-吡啶鎓基)-3-(N-甲基-4-吡啶亚基)-4-烷基环戊烯-1-酮-5菁化合物可见吸收光谱的溶剂效应

菁是一类很重要的离子型染料和感光材料,也有极少数可用作激光染料,绝大部价菁染料为直链分子。我们最近合成了一系列带有五员桥环的菁,并研究了这些桥环菁化合物的质子化平衡和荧光性质。     

高分散在氮掺杂碳纳米管表面铂纳米粒子的高效甲醇电氧化性能

以氮掺杂碳纳米管（NCNT）为载体,利用掺杂氮原子的锚定作用,通过微波辅助乙二醇还原法方便地将Pt纳米粒子高分散地固载于NCNT表面,制得了Pt/NCNT系列催化剂,对催化剂制备规律、电催化甲醇氧化反应（MOR）性能及构效关系开展了系统深入的研究。结果表明,随Pt负载量在18.2%~58.7%（w/w,下同）范围增加,Pt纳米粒子的粒径在2.2~3.7 nm范围相应地逐渐增大。单位质量催化剂的MOR催化活性先增加后急剧减小,在负载量为47.8%时达到最大。Pt的质量比活性在中等负载量（27.6%~47.8%）区间出现高值平台。该变化规律源于Pt纳米粒子的MOR催化活性在3 nm前后的明显差异,即<3 nm时活性差,>3 nm时活性优异。高负载量（58.7%）时活性的急剧下降源于Pt纳米粒子因团聚引起的Pt利用率的降低。     

基于概率测度的不确定语言多属性决策方法及应用

针对具有不确定语言信息的多属性决策问题,给出了一种基于语言概率测度的决策分析方法。阐述了不确定语言变量的概念,提出了一种用于处理不确定语言变量的语言概率有序加权平均（linguistic probabilistic ordered weighted averaging,LPOWA）算子。采用LPOWA算子将不确定语言转化为二元语义,再通过ETOWA算子得到每个方案的综合评价值,进而可得到所有方案的排序结果。利用LPOWA算子和ETOWA算子,对辽宁省风险投资企业进行评估和优选。理论分析和计算结果表明：该方法简洁可行,便于应用。     

水热合成三维超分子配位聚合物[Cd(C2O4)(H2O)2]·H2O及晶体结构

在水热条件下,制备了二维层状配位聚合物 [Cd(C2O4)(H2O)2] ·H2O(1)的单晶体,对其进行了X射线粉末衍射、元素分析、红外光谱、热重分析和X射线单晶衍射测定.单晶结构分析表明,该晶体属于三斜晶系,P-1空间群,晶胞参数a=0.60109(12)nm, b=0.66607(13)nm,c=0.84987(17)nm,α=74.72(3)°,β=74.33(3)°,γ=81.07(3)°,V=0.31473(11)nm3,Z=2,R1=0.015,ωR2=0.0368.草酸镉单晶结构由两个2D层构成,每一个2D层是由[Cd2(C2O4)2(H2O)4]·2H2O的重复单元形成,每个单元是由一个七配位独立镉原子配位而成(五个草酸氧原子和两个水分子氧原子).2D层与层之间通过不同层草酸分子与配位水分子之间及草酸与客体水分子之间形成的氢键将2D层状化合物连成一个3D超分子结构.热重分析表明该配位聚合物在340℃下稳定.     

采用BP神经网络研究C-F键核自旋偶合常数

通常理论研究核自旋偶合常数的方法是基于线性模型进行拟合和预测，该方法在拟合和预测中仍有较大误差. 本文在前面工作的基础上，提出了基于非线性模型对C-F键核自旋偶合常数进行研究的观点，采用BP神经网络方法对C-F键核自旋偶合常数的函数关系式进行拟合，并用拟合结果对4种化合物的偶合常数进行预测. 结果表明，采用非线性的BP神经网络方法其训练效果与预测效果均优于线性模型方法；其预测误差对文中的4种化合物不超过0.40%.     

量化Domain理论的L-Fuzzy式处理(II) L-Fuzzy拟序集的表示

本文是文献[4]的续。对于固定的FrameL,本文证明了每个LF-拟序集可以等价地表示为拟序的层,该结果与L-Fuzzy集的分解和表示定理类似。由这此定理可得出以下结论:一类量化Domain(例如,广义超度量Domain)实际上是将满足一定条件的拟序族进行"粘贴"的结果(按照层论的语言叙述,就是拟序的层),而通常的拟序则是常值拟序层的特例。     

基于VC谈判力的内生投资模型

近来,对风险投资的研究大都是从信息不对称、控制权的私有收益的角度出发,并且把首次投资水平看成是外生决定的变量.把其内生化并从谈判力的视角出发建立了一个两期信号博弈模型.通过模型分析,①得到了影响首次投资水平的关键因素:投资双方的谈判力、双方信息不对称以及事后不确定性程度;②对相关因素进行了量化分析,并讨论了投资双方谈判力的分配问题.     

线性模型的最小二乘估计的中偏差及其重对数律

本文研究了线性模型的最小二乘估计的中偏差.通过估计Laplace渐近积分,得到了随机误差为取值于Rd的相互独立同分布随机变量情形下的中偏差与重对数律的结果.