铜掺杂二氧化钛对头孢哌酮降解性能的研究

通过溶胶-凝胶法制备Cu~(2+)/TiO_2复合光催化剂.在催化剂制备过程中,对煅烧温度、铜离子含量进行单因素分析,确定催化剂最佳制备条件.实验结果表明,最佳工艺制备条件为煅烧温度为700℃,铜离子掺杂量为1%.在光催化降解反应中,通过单因素与正交试验相结合的方式,考察催化剂投加量、光照时间和pH值因素,确定了最佳光催化降解头孢哌酮废水条件.最佳处理条件为,在紫外灯照射下,催化剂投加量5 g/L、光照2 h、pH为6时,降解率最高,达到78. 20%.     

有机化学多元化教学模式的实践与探索

为培养学生的创新思维和自主学习能力,本文通过归纳式、引导式、讨论式、类比式、迁移式教学的多元化教学模式,探讨了有机化学教学的新方法、新思路.     

基于并行计算的消声器三维数值模拟

针对某款汽车复杂消声器建立了三维数值计算模型,采用并行计算技术对该模型进行计算．通过分析数值计算结果,找到该款消声器产生压力损失和再生噪声的主要部位分别是消声器进气内插管开孔处和出气内插管的进口处．据此提出了相应的改进方案．计算结果显示,改进后消声器的背压比原消声器背压大幅度下降,最大可下降20%左右．这种基于计算流体力学理论结合并行数值模拟技术的设计方法,计算一个算例仅需20 min左右,降低了设计周期和设计成本．     

人工神经网络用于核电站松动件定位技术

为了提高核电站松动件故障诊断的能力 ,结合时频变换理论和神经网络理论 ,提出了对松动件碰撞位置进行估计的新方法。通过对安装在反应堆压力壳上的多个加速度传感器的信号进行采集 ,并经过信号预处理、时频变换、神经网络计算等过程 ,实现对核电站松动件碰撞位置的定位。经过对 10 0多次实验数据的学习 ,发现神经网络计算结果能够满足核电站松动件定位精度要求。该方法适用于复杂连接结构、以及复杂几何曲面装置的松动件定位问题 ,减少了人为因素的影响 ,具有比较高的自动处理功能和定位精度     

硬脂酸修饰铁掺杂TiO2纳米微粒制备及光催化性能

采用微乳法制备了铁掺杂TiO2和硬脂酸修饰铁掺杂TiO2纳米微粒,利用红外光谱、XRD等对结构进行表征.以0#柴油为含油模拟废水,对硬脂酸修饰铁掺杂TiO2的制备条件及光催化降解性能进行研究.结果表明,铁掺杂TiO2的光催化活性大于纯TiO2,铁最佳掺杂量为质量分数0.4％.硬脂酸修饰铁掺杂TiO2纳米微粒最佳修饰条件为,在超声波下温度30℃,时间40 min,硬脂酸与铁掺杂TiO2的质量分数6％.硬脂酸修饰铁掺杂TiO2纳米微粒催化降解含油废水效果最佳.     

厌氧-SBR联用法处理味精模拟废水

考察了厌氧-好氧联用法对味精废水处理效果,对废水的COD、氨氮、正磷酸盐去除效果进行研究.研究结果表明,进水COD为2500 mg/L左右,氨氮在136 mg/L左右,正磷酸盐在5.7mg/L左右,出水的COD去除效率为96.7%、氨氮的去除率为96.8%、磷的去除效率92.3%,其出水质量浓度都达到了国家排放标准.     

液相法制备锂离子电池负极材料Li4Ti5O12

Li4Ti5O12负极材料因其在充放电过程中"零应变"的优势,得到了广泛关注,成为锂离子电池负极材料的研究热点.采用液相法制备了Li4Ti5O12负极材料.通过正交实验,确定了Li4Ti5O12的最佳制备工艺条件:烧结温度为750℃;烧结时间为8 h;LiOH.H2O为锂源;原料中锂钛的物质的量比为0.85.该条件下制备的材料具有较好的电化学性能,首次放电比容量可达到191.61 mAh/g.     

去椒盐噪声的新型图像复原模型

针对已有的去噪模型不能有效刻画图像局部特征的缺陷,提出一种新型的去椒盐噪声图像复原模型.在模型的全变分项中,通过引入权矩阵来刻画图像的局部特征以达到增强各向异性扩散的目的.另外,为了刻画图像的稀疏性,同时在模型中引入低秩矩阵正则化.由于模型是非光滑凸优化问题,因此可以利用交替方向乘子法快速求解,并在理论上证明了算法的收敛性.最后的数值比较验证了所提模型和算法的有效性.     

板波纹规整填料液相分布模型

为研究板波纹规整填料内的液体流动状况，建立了相应的液相分布数学模型，并对4种板波纹规整填料的持液量和有效润湿面积进行了模拟计算及实验验证．结果表明，在无气相影响下，无论是均匀进料还是点源进料，液体在填料内的分布最终将达到稳定的自然流状态，而有效润湿面积的模拟结果显示，无气相影响时，即使在很大液相负荷下填料片的有效润湿面积比也不会超过1．另外，降低液体表面张力有利于在填料片上形成较大的润湿面积，而液体黏度对润湿面积的影响不大。     

废旧电池的回收与利用

简述废旧电池对环境造成的危害以及回收利用废旧电池的必要性,介绍锌锰电池、镍镉电池、镍氢电池、锂电池等电池回收处理方法及利用价值。