燃烧放热对准东煤成灰过程中钠盐释放的影响

选取典型的准东煤五彩湾煤为研究对象,在马弗炉内制备400-1200℃的燃烧灰和再热灰,采用K型热电偶测量燃烧过程中样品表面温度,通过XRF、XRD分析获得灰的成分和结晶形式,取部分灰样逐级萃取,通过微波消解及电感耦合等离子体质谱仪(ICP-MS),获得灰中钠的赋存特性。结果表明,燃烧和再热灰在成分和晶体形式上差异显著,再热灰钠含量明显高于燃烧灰且灰熔点偏低;随着温度升高灰中钠盐总量明显减少,其中,水溶钠、醋酸铵溶钠迅速减少,而盐酸溶钠含量先增加后减少,不可溶钠增加,释放的钠以可溶钠为主;加热温度和时间影响钠的释放,燃烧反应放热导致煤粉表面温度超过环境温度200℃以上,是钠盐过多释放的主要原因。     

气化中煤灰熔点和黏度预测模型

根据煤灰中硅铝含量及硅铝比对煤灰进行分类研究,构建了灰熔融点和黏度与组分关系的优化模型,并对宽组分范围的煤灰熔点、黏度关系进行探讨。获得了更加精确的灰熔点预测模型,全液相温度模型预测误差为±40℃,实验值和预测值的标准误差为25℃。采用修正的Urbain模型和Roscoe模型相结合,模型预测值和实验值吻合较好,低黏度下对数黏度的预测值和实验值误差为±0.1;高黏度下黏度的预测值和实验值误差为±0.2。结果表明,基于煤灰组分分类的拟合结果优于涵盖宽组分的模型。     

基于灰关联分析的GA-BP神经网络在汽车油耗估算中的应用

从设计参数特征入手分析影响汽车油耗的因素,利用灰关联分析方法,解析了各设计参数对汽车油耗的影响程度,选择其中灰关联度较大的设计参数作为输入数据,综合工况油耗作为输出数据,构建6-5-1层结构的BP神经网络预测模型,并利用遗传算法获得优化后的BP神经网络的权值和阈值,然后训练BP神经网络得到最优值,最后以国内市场340款汽车作为研究样本,进行有效性验证.研究结果表明,模型利用灰关联分析获得影响汽车油耗的主要因素,简化了网络结构;与优化前的BP神经网络相比,具有更高的预测精度和可靠性.     

灰色滞后DEA模型及其在江苏高校创业教育服务效率评价中的应用

实际生产活动中,投入带来的产出效应往往不是"立竿见影",一般具有时间延迟特征.考虑各种投入和产出对于整个生产活动的贡献大小不同,用灰色关联分析方法对投入产出进行权重设计,建立滞后灰色DEA模型.对36个江苏省高校创业教育服务效率进行实证测算,发现创业教育服务效率整体偏低且差异明显.结合定性分析,剖析了高校的创业教育服务质量存在问题与原因,并提出了提升高校创业教育服务效率和水平的政策建议.     

红条毛肤石鳖齿舌的磁性研究

研究了红条毛肤石鳖（Acanthochton rubrolinestus LISCHKE)齿舌的磁性及其中磁性粒子的结构,并且讨论了磁性粒子在齿舌中生成的取向性和磁晶各向异性. 关键词：     

焦油裂解循环灰的催化失活研究

在固定床反应器实验台上以焦油的两种主要组份苯和甲苯为对象,实验研究了焦油裂解过程中一种循环灰的催化失活特性,测定了该种循环灰条件下的失活系数,探讨了循环灰的失活机理．实验结果表明,裂解过程中随着积碳量的增加,裂解反应速率下降,裂解产物中碳析出量增加     

红外测温新技术

通过介绍红外辐射的一般性质和红外测量新技术说明黑体辐射定律的具体应用。     

直接酸提取电感耦合等离子体发射光谱法测定煤中主要成灰 …

本文提出了一种全新的以酸直接提取煤中的矿物元素、ＩＣＰ－ＡＥＳ测定其含量的方法。考察了最佳酸配比、酸用量、最佳提取时间、仪器最佳操作参数以及元素间的干扰等诸多因素。与其灰分含量相比,煤中矿物质的提取率在９５％以上,各元素加标回收率为９６％～１０４％,九次测定相对标准偏差小于４％。方法准确、快速、适合于不同煤样中矿物元素的分析测定。     

基于MYCIN不确定因子的区间灰数应急决策方法

主要研究了方案的指标值为区间灰数的快速应急决策方法。将MYCIN不确定因子融合到灰色决策理论中,通过计算各方案在不同指标下的MYCIN不确定因子并对其进行融合,确定最佳决策方案。建立了基于证据推理的应急决策方法,给出了区间灰数决策方法步骤;通过案例分析结果验证了所提方法的有效性。     

毛秔子梢中天然高活性的神经氨酸酶抑制成分的研究

从天然产物中筛选高效低毒的神经氨酸酶抑制剂(NAI), 以期发现可抗流感病毒(H1N1)的化合物. 方法: 采用经典的NA活性检测实验(FL-MH-NANA method), 对从豆科植物毛秔子梢中分离得到10个化合物进行筛选, 检测这些化合物对NA的抑制活性. 结论: 化合物1, 2, 3, 5对流感病毒株的神经氨酸酶(NA)均具有抑制作用, 其中化合物1的抑制活性最强, 其IC₅₀值为16.76 μmol/L. 化合物1～4为新化合物, 化合物5～10为该植物中首次分得.