优化铅酸蓄电池化成工艺参数的研究

本文针对生极板为同一型号的电池，采用二次加酸化成，改变电流密度和时间．控制电解液的温度等方法．得到优化的工艺参数。采用该组工艺参数，不仅缩短铅酸蓄电池化成周期．提高生产效率，而且节约能源。     

复盐K2Cu(C2O4)2·2H2O的热分解动力学研究

合成了复盐K2Cu(C2O4)2·2H2O,利用TG - DTG技术分析研究了它们在氮气气氛中的热分解过程,用Freeman - Carroll和Achar - Brindley - Sharp - Wendworth两种方法确定了复盐热分解反应的活化能 (E)、反应级数 (n)和频率因子 (A)等动力学参数, 通过线性拟合得到其相关度均大于0.99, 具有良好的动力学一致性.     

化学实验的绿色化管理

学校化学实验产生的废物对环境造成潜在的危害。针对化学实验室废物产生途径和处理过程中的问题，讨论了将废物最小化、转化以及处理的具体措施，从而达到化学实验绿色化管理的目的。     

键参数对碱金属卤化物晶格焓的相关研究

在原子价电子层结构的基础上提出了原子结构半径和键参数的概念．并利用键参数研究碱金属卤化物晶格焓。键参数的定义物理意义明确，方法简单，不需要任何实验数据。应用表明。键参数对碱金属卤化物晶格焓具有较好的线性相关性。     

W*对氯代苯类分子理化参数的应用研究

应用扩展了的距离矩阵指数W研究氯代苯类化合物在水中的溶解度、正辛醇／水分配系数、气相色谱保留指数，以及亨利常数、蒸汽压、分子体积、分子表面积、摩尔质量、摩尔体积等物理化学参数，并对在水中的溶解度、正辛醇／水分配系数、气相色谱保留指数等进行了预测。结果表明，W与该类化合物的绝大多数物理化学参数具有良好的线性相关性，对溶解度、正辛醇／水分配系数、气相色谱保留指数等理化参数的预测值与实验值吻合良好。扩展的距离矩阵指数对含杂原子的氟代苯类化合物具有较好的相关性，能够用于描述该类化合物的主要物理化学参数。     

复盐K3Fe(C2O4)3·3H2O的热分析研究

合成复盐K3Fe(C2O4)33H2O,利用TG-DTG技术分析它们在氮气气氛中的热分解过程,并用微分法中的Achar法和积分法中的Coats-Redfern法对热分解的非等温动力学数据进行研究,推测出可能的热分解反应机理,求出反应的表观活化能。     

多氯联苯(PCBs)类化合物QSPR/QSAR研究

以化学键为基础定义键连接性指数和分子键连接性指数，与以顶点为基础的价连接性指数不同，该指数同时考虑顶点原子的化学特征及键的性质。采用分子键连接性指数对多氯联苯类化合物的溶解度和辛醇/水分配系数进行相关研究，其相关系数分别达到0．9588，0．9941。使用该模型对该类化合物的溶解度及辛醇/水分配系数的进行估算，预测结果与实验值接近。而且，对模型进行的稳定性检验表明，建立的的模型是稳健的，对多氯联苯类化合物的溶解度和辛醇/水分配系数有良好的预测能力。     

CNT/CS/Ni复合材料的制备及催化性能研究

通过溶液共混法将碳纳米管超声分散到壳聚糖的醋酸水溶液中,然后过滤、烘干得到碳纳米管/壳聚糖复合材料。将该复合材料吸附金属镍离子后,并用NaBH4溶液还原制备碳纳米管/壳聚糖/镍的复合材料(CNT-CS-Ni),研究CNT-CS-Ni复合材料催化硼氢化钠(NaBH4)还原对硝基苯酚(4-NP)的反应活性。探讨硼氢化钠的量、反应温度、催化剂的量等因素对反应活性的影响。研究结果表明:CNT-CS-Ni对NaBH4催化还原对硝基苯酚的活化能为50.28kJ mol-1,活化焓为47.66 kJ mol-1和活化熵-99.84 J mol K-1。NaBH4还原对硝基苯酚的反应速率常数与CNT-CS-Ni的量近似成线性增大。     

量热法测定氯化钴与2-氨基嘧啶配合物的生成焓

制备了2-氨基嘧啶(AP)与钴的配合物Co(AP)2Cl2,并对其组成进行了测定.采用具有恒温环境的溶解-反应量热计,分别测定了298.15K时[CoCl2?6H2O(s)+2AP(s)]和Co(AP)2Cl2(s)在100.00mL2mol?L-1HCl溶液中的溶解焓.通过设计热化学循环得到2-氨基嘧啶(AP)和氯化钴反应的反应焓?rHmΘ=48.81±0.61kJ.mol-1,进而计算出配合物Co(AP)2Cl2在298.15K时的标准摩尔生成焓为?fHmΘ[Co(AP)2Cl2,s,298.15K]=–443.41±3.46kJ.mol-1.     

迭代函数系（IFS）吸引子的逼近算法及盒子维数估算

就选代函数系（ＩＦＳ）吸引子的逼近问题，论述了几个实用可行的算法，同时用盒子维数的求解思想和分形集逼近的“重点”排除算法求得了６个ＩＦＳ的分形维数（其中４个分形维数至今未知）．所求精度还是很满意的。盒子维数估算方法具有很强的通用性可以求得任何ＩＦＳ的盒子维数而无需任何先决条件。另外，也说明了“重点”排除算法逼近分形集的效果是很好的。