巯基-炔紫外光固化聚氨酯的制备及性能研究

以聚己二酸一缩二乙二醇酯(PADG)、异佛尔酮二异氰酸酯(IPDI)和1,4-丁炔二醇(BD)通过聚加成反应,合成分子中含多个活性炔基的线性聚氨酯树脂,并利用红外和拉曼光谱进行表征.以三羟甲基丙烷三(3-巯基丙酸酯)(TTMP)为交联剂,制备系列巯基-炔紫外光固化聚氨酯薄膜(F-SAPU)及涂层(C-SAPU).根据扩链参数、硬段质量分数、固化参数和光引发剂参数对巯基-炔紫外光固化树脂合成及固化进行配方设计.结果表明,通过调节配方参数,F-SAPU的拉伸强度、断裂伸长率分别在0.48～5.32 MPa和106％～172％内灵活可调,玻璃化转变温度在-10.1～26.9℃内灵活可调;探究了不同硬段质量分数对C-SAPU涂层性能的影响,当硬段质量分数为45％时,涂层性能最优.     

有限域上的和集与子空间的平移

对于有限域模型F_p~n与A,BF_p~n,说明了存在子空间V与常数D0满足dim V≥D,并且A+B中含有V的平移。     

关于丢番图方程z2=(x(x+1)(x+2))2+(y(y+a)(y+b))2

证明了对任意的整数a,b,方程z~2=(x(x+1)(x+2))~2+(y(y+a)(y+b))~2有无穷多整数解(x,y,z).特别的,当a为偶数以及b=a+2,a+4时,该方程有无穷多组满足x■y的整数解.     

一种新型聚合物辅助法制备SrCoO3电催化剂及其OER性能研究

提出了一种新型制备钙钛矿的方法-PVA聚合物辅助法,并成功制备了SrCoO_3电催化剂.与其他的合成方法相比,该方法合成时间更短,步骤简洁,便于规模化生产.与传统PEI聚合物辅助法相比,PVA更环保,煅烧过程中无有毒有害气体产生.对SrCoO_3样品进行了XRD和BET表征,并在0.1 mol/L KOH溶液中测量了其OER性能.结果表明,该方法适合大规模合成高性能钙钛矿材料.     

ACE炼油实验室的操作与维护

流化催化裂化(FCC)炼油实验室涉及到的仪器繁多、操作流程复杂,若疏忽某一环节就可能导致整个实验数据的错误,这对炼油实验室的管理人员来说要求很高。本论文在管理以ACE-MODEL R+MultiMode(ACE)为中心的FCC炼油实验室近五年经验的基础上,从ACE装置简介、实验操作、装置维护及常见故障处理等方面详细地介绍ACE评价装置及其附属设备的操作与维护流程。     

磁性分子印迹聚合物联合HPLC快速富集和检测酱油中4-甲基咪唑

研究将磁性分子印迹聚合物(MMIPs)固相萃取与高效液相色谱法相结合,建立了一种磁性分子印迹聚合物固相萃取方法,用于酱油中4-甲基咪唑(4-MEI)的富集和测定。利用扫描电子显微镜(SEM)\,傅立叶变换红外光谱仪(FT-IR)、X射线衍射(XRD)和振动样品磁强计(VSM)对磁性分子印迹聚合物进行了表征,并采用结构类似物对MMIPs的选择性识别能力进行了研究。结果表明,所建立方法的加样回收率在97.33%～104.57%,测得真实样品中4-甲基咪唑质量分数分别为0.058%和0.108%。说明合成的聚合物可作为酱油中4-甲基咪唑的选择性固相萃取材料,此方法可用于酱油中4-甲基咪唑的高效富集、萃取及测定。     

α-溴代-α-乙酰基二硫缩烯酮与芳醛缩合反应的研究

从α-溴代-α-乙酰基二硫缩烯酮出发,与多种不同芳醛反应合成了γ-位的醛缩合产物α-溴代-α-烯酰基二硫缩烯酮.探讨了在不同碱、溶剂、反应温度和原料配比等反应条件下该缩合的反应情况及其产率,并对各化合物的结构进行了表征.结果表明,在以氢氧化钠为碱,叔丁醇为溶剂,常温条件下可以较高产率地获得目标产物.     

LC-MS/MS法测定比格犬血浆中Epacadostat的浓度

本文旨在建立快速、灵敏、可靠的液相色谱串联质谱(LC-MS/MS)方法以测定IDO抑制剂Epacadostat在比格犬血浆中的浓度,研究其在比格犬体内的药代动力学特征.色谱柱为Waters symmetry C18 (150 mm×2. 1 mm,3. 5μm),流动相为乙腈-水(80∶20,含0. 02 mmol/L乙酸铵),流速为0. 2 m L/min,采用负离子选择性反应监测模式监测.在此实验条件下,方法的灵敏度高,专属性好,分析物在0. 025～5μmol/L范围内线性关系良好(r 0. 992 5),批内批间变异系数小于12. 5%,偏差在±5. 1%以内,该方法已成功应用于比格犬血浆中的Epacadostat药物浓度测定.动物实验结果表明,Epacadostat在比格犬血浆中的药时曲线下面积(AUC0-24)为19. 7±1. 65 h·μmol/L,末端消除半衰期为7. 05±2. 73 h.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。