慢回弹聚氨酯发泡体吸声性能研究

对不同泡孔大小、不同厚度慢回弹聚氨酯材料在不同频段下的吸声性能进行实验研究.研究表明,1 300 μm是材料泡孔大小对吸声性能影响的转折点.对于低频声波,泡孔直径为1 300 μm时,吸声性能最好;对中高频声波,吸声效果最差.材料厚度对吸声性能的影响,6 cm为最优值,此时材料的吸声效果最好;材料对不同频段声波的吸收效果也各不相同,频率为1 000 Hz声波的吸收效果最差,此频率是材料吸声性能的低谷.以上研究结果为工程使用提供了有价值的实验依据.     

以聚氨酯预聚物为交联剂的两性水凝胶

为了改善水凝胶的强度,通过端丙烯酸酯基阴离子型聚氨酯(PU)与甲基丙烯酰氧乙基苄基二甲基氯化铵(MAEBDAC)的共聚交联,合成了系列两性水凝胶(简称L1—L5)。采用差式扫描量热法(DSC)分析了阴阳离子摩尔比为0.3/1(样品L1)、1/1(样品L3)和1.3/1(样品L5)的干凝胶,结果表明,两组分间相容性良好。处于等电点的样品L3中没有微孔结构,且其可冻结水含量仅为总溶胀水量的11.7％,而在样品L1和L5中均具有微孔结构且可冻结水含量增至50％。研究pH响应性表明,水凝胶的响应行为取决于凝胶中过量电荷的性质,外加电介质对样品L3的吸水能力影响较小。凝胶强度随聚氨酯链段的引入而提高。     

基于桐油包膜材料的包膜尿素的研究 (I)包膜材料的FTIR,DTA-TGA研究

 用FTIR和DTA-TGA联用技术研究了桐油包膜尿素中使用的桐油、桐油/无机调理剂混合物的红外吸收特征和热行为,用800℃热分解残重率法测定了包膜材料中桐油聚合物的实际含量.结果表明,包膜中桐油的双键特征吸收明显减少甚至消失,无机调理剂的引入使桐油聚合物在程序升温过程中的放热峰温向高温移动.在包膜率相近的情况下,由含有无机调理剂的桐油包膜材料制备的包膜尿素,包膜材料中桐油聚合物的含量越大,包膜尿素的缓释性就越好.     

藏药心叶兔儿风挥发油成分分析

 心叶兔儿风95%工业乙醇提取物,用氯仿萃取,浓缩后上硅胶柱层析,V(石油醚)/V(丙酮)为30:1洗脱,最前部分即得到其挥发油成分.用GC-MS手段进行分析,鉴定了23个化合物,并采用线性归一方法测定各化学成分的相对含量.     

一种石油热采密封技术的研究

采用3级(导套、浮动密封环组、盘根)组合密封结构设计方法，实现石油热采密封系统的密封要求．利用层流间隙密封与轴向端面密封理论，确定出系统的密封间隙．采用接触与非接触结构混合密封方式并配合所选择的密封材料的自润滑性质，解决并实现系统的润滑要求．通过试验研究得到所希望的密封效果.     

聚氨酯胶黏剂剥离强度的研究

实验研究了用不同牌号的聚氨酯胶黏剂将PU弹性体与金属黏结在一起,采用不同的测试方法,即180°剥离强度实验方法和90°剥离强度实验方法,测定其剥离强度,比较得出了不同胶黏剂的黏合强度。     

胜利油田S12块内源微生物群落选择性激活条件研究

在考察了胜利油田S12块注入水和油井产出水中细菌群落状况的基础上,针对烃类降解菌、产甲烷菌、硝酸盐还原菌等有益于采油的细菌群落,研究了营养条件对细菌群落激活的影响.结果表明,激活剂配方St-12能较好地刺激有益内源菌群落的生长,且对硫酸盐还原菌、铁细菌及硫细菌等对采油不利的细菌起到了一定的抑制作用.室内岩心模拟试验表明,在水驱基础上内源微生物驱可以提高采收率最高达9.14%.     

基于信息熵识别油气层和水层的聚类方法

简要地介绍了不确定性、信息熵、联合熵、条件熵、互信息的基本概念。将地层含有某种流体属性(如油层)的特征参数的概率分布应用于联合熵中,提出其概率分布是特征参数X与流体的特征参数Y的距离函数,再用熵与条件熵之差计算得到的互信息去识别地层的流体属性,即提出了基于信息熵识别油气层和水层的聚类方法。利用实际测井资料提取了油气层和水层的特征参数,并利用聚类方法识别出油气层和水层。识别结果与试油结论相符。该聚类方法不仅可用于识别油气层和水层,还可推广应用于划分地层岩性等领域。     

红薯糯米酒发酵与贮存阶段品质分析

研究了红薯糯米酒发酵过程中可溶性固形物、pH值及酒精度变化,以及不同条件下各贮存阶段红薯糯米酒各成分变化及抗氧化活性。研究结果表明:发酵第3天为红薯糯米酒发酵关键时期;不同贮存条件下可溶性固形物、总酯、总酚含量变化不大,而酒精度、黄酮、维生素C含量随温度及果胶酶添加量的变化有明显差异,其中在贮存温度4℃,果胶酶添加量2%条件下,能保存红薯糯米酒品质和提高风味,降低杂醇油生成。抗氧化活性测定表明,随果胶酶添加量增加,贮存酿液抗氧化能力和总还原能力明显提高。     

基于均匀设计和BP神经网络的花生油SFE-CO2萃取预测

利用均匀设计和BP神经网络相结合的方法,研究了SFE-CO₂萃取花生油工艺。以半烘烤并粉碎之后的花生为原料,针对萃取压力、温度、时间和CO₂流量4个因素,每个因素10个水平安排实验,利用均匀设计的实验数据作为网络训练样本,构造花生油SFE-CO₂萃取的BP神经网络预测模型,对萃取过程进行预测,分析各实验因素与出油率之间的关系,确定较优的工艺条件。最后确定4-9-1的BP神经网络模型,利用该模型所得出油率的预测值与实验值相接近,相对误差(绝对值)小于2%;构造的BP神经网络模型能较好地预测萃取过程中各参数影响下花生出油率的变化趋势。结果显示,当萃取压力30MPa,温度40.5℃,时间125min,CO₂流量187L/(h·kg)时花生出油率可达期望值47.5%。该方法为实现预测与控制SFE-CO₂萃取花生油过程奠定了可靠的理论基础。