1,1,1,3,3-五甲基二硅氧烷的制备及反应动力学研究

以六甲基二硅氧烷和1,1,3,3-四甲基二硅氧烷为原料,在不同酸催化的平衡反应下制备得到1,1,1,3,3-五甲基二硅氧烷,考察了催化剂种类、催化剂用量、投料比及反应温度对1,1,1,3,3-五甲基二硅氧烷收率的影响.结果表明反应速度随催化剂酸性增强而加快;改变原料中六甲基二硅氧烷和1,1,3,3-四甲基二硅氧烷的投料比例,反应产物中1,1,1,3,3-五甲基二硅氧烷的含量呈现出先增大后逐渐减小的趋势;使用不同量的浓硫酸反应1h,当六甲基二硅氧烷和1,1,3,3-四甲基二硅氧烷的投料比例为0.75时,产物中1,1,1,3,3-五甲基二硅氧烷的含量最高.计算得到604酸性树脂催化的六甲基二硅氧烷与1,1,3,3-四甲基二硅氧烷之间平衡反应的活化能Ea=38.39kJ/mol,指前因子A=6.69×105,该反应对于原料六甲基二硅氧烷和1,1,3,3-四甲基二硅氧烷的反应级数分别为0.139和0.229.     

研究生新生实验室安全教育

高校研究型实验室从事科学研究、社会服务,更是培养高级专门人才的重要场所。近年来,高校实验室安全事故频发,如何保证实验室安全已成为现时高校发展的重要课题。研究生是高校研究型实验室的主体,在新生进入实验室展开学习和工作前对其进行实验室安全教育,有利于学生提高安全意识、遵守操作规范,提高应急处理能力,形成统一的价值观和行为准则,从而保障高校教学和科研工作的正常运行。     

体育赛事志愿者激励机制研究——以2016年重庆国际马拉松赛为例

运用文献资料法、问卷调查法、数理统计法与访谈法,以2016年重庆国际马拉松赛事为个案,研究体育赛事的志愿者激励机制.结果表明,志愿者的动机与需求、激励内容、激励手段、奖惩制度等是体育赛事志愿者激励机制的核心要素,将直接决定激励效果,影响赛事的成败.提出激发“社交需求”和“成长需求”,全方位保障“物质需求”,按兴趣划分岗位编制,运用“人性化”的激励手段,奖惩并...?? 查看全部>>     

功能化纤维对氨气的吸附性能研究

主要研究了功能化纤维(RPFC-I)对氨气的吸附净化性能.结果表明,RPFC-I纤维对氨气具有良好的吸附净化性能、再生使用性能和吸附灵敏度,对氨气的最大吸附容量可达到93.52 mg/g,再生后纤维交换容量为6.88 mmol/g,略有增加.温度为(26±1)℃时、相对湿度为54%～65%时,纤维对氨气的吸附净化效果最好.初始氨气质量浓度分别为31.0、60.0 mg/m~3时,经纤维吸附净化后分别降至0.1、1.5 mg/m~3,去除率分别为99.7%、97.5%.     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先，分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后，通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

游泳时需戴竞速泳镜吗

游泳爱好者在看游泳比赛时,总会留意运动员们佩戴的各式泳镜,也想和偶像同款.但专业运动员戴的竞速/比赛泳镜和普通泳镜还是有不小差别的——非专业人士未必适合佩戴.     

L-集上的模糊泛代数

引入模糊集上模糊泛代数的概念,比如商代数、同态映射、同余关系、幂代数等,并对它们的性质进行研究,最后证明对任意的L-集A上的同余关系R,存在从P(A)/R~+到P(A/R)的满同态映射.     

三排净原酒中常见金属离子及其酿造迁移规律

为研究三排净原酒中常见金属离子及其酿造迁移规律,利用电感耦合等离子体质谱结合基体匹配、直接进样法研究传统工艺和机械化工艺生产的三排净原酒；并结合湿法消解分析传统工艺原酒酿造过程物料中金属离子的含量变化。结果表明,常见金属离子在机械化工艺原酒中含量最低,离子总含量约为传统工艺原酒的7.95%~20.24%；传统工艺原酒中,普通酒及压排酒中金属离子总含量高于中段酒。蒸馏过程中,从酒醅转移到原酒中的金属离子含量极少,迁移率为0.0070%~0.0078%,金属离子因其非挥发性绝大部分留存在糟醅中。     

基于λ-主动学习方法的中文微博分词

由于面向中文微博的分词标注语料相对较少,导致基于传统方法和深度学习方法的中文分词系统在微博语料上的表现效果很差。针对此问题,该文提出一种主动学习方法,从大规模未标注语料中挑选更具标注价值的微博分词语料。根据微博语料的特点,在主动学习迭代过程中引入参数λ来控制所选的重复样例的个数,以确保所选样例的多样性;同时,根据样例中字标注结果的不确定性和上下文的多样性,采用Max、Avg和AvgMax这3种策略衡量样例整体的标注价值;此外,用于主动学习的初始分词器除使用当前字的上下文作为特征外,还利用字向量自动计算当前字成为停用字的可能性作为模型的特征。实验结果表明:该方法的F值比基线系统提高了0.84%~1.49%,比目前最优的基于词边界标注(word boundary annotation,WBA)的主动学习方法提升效果更好。