【摘 要】
:
防老剂RD(2,2,4-三甲基-1,2-H-二氢喹啉)是重要的橡胶助剂之一,由于它价格低廉、低毒无害并且具有较好的抗氧化性,目前广泛应用于橡胶工业生产中。防老剂RD由不同程度的聚合
论文部分内容阅读
防老剂RD(2,2,4-三甲基-1,2-H-二氢喹啉)是重要的橡胶助剂之一,由于它价格低廉、低毒无害并且具有较好的抗氧化性,目前广泛应用于橡胶工业生产中。防老剂RD由不同程度的聚合物组成,主要包括二聚体、三聚体和四聚体。二聚体的含量高低对防老剂RD性能有重要影响,提高二聚体含量可以获得更好的抗龟裂和抗氧化性。因此,要获得高质量的防老剂RD,关键就要提高二聚体的含量。本文采用计算机辅助分子设计(Computer-Aided Molecular Design,CAMD)方法,建立溶剂设计模型,寻找合适的溶剂,使之加入防老剂RD生产过程后,提高反应转化率或选择性,从而有效提高二聚体的含量。本论文内容主要包括以下方面:(1)获取防老剂RD反应的动力学数据。反应动力学数据是溶剂设计模型的重要参数,而目前已知文献或实验中缺乏相关数据。因此本文采用量子化学计算的方法,对防老剂RD反应机理和动力学数据进行研究,并通过静电势和平均局部离子化能对反应机理进行验证分析,说明结果的可行性。(2)建立溶剂设计框架和数学模型。针对防老剂RD的反应萃取溶剂设计问题,提出整体设计框架。根据产品特性和目标需求,把溶剂设计框架转化为混合整数非线性规划(Mixed-Integer Non-Linear Programming,MINLP)优化模型。模型中包括结构约束、性质约束和过程约束。结构约束考虑了链式脂肪族和芳香族分子等不同类型分子的结构可行性;性质约束描述了溶剂目标物性的可行区间;过程约束包括反应过程和溶剂回收过程的单元模型方程,采用常微分方程组解决了相转移平衡和化学反应同时发生的问题,同时利用COSMO-SAC(Conductor-like Screen Model for Segment Activity Coefficient,COSMO-SAC)计算体系内混合物组分的活度系数。加入过程约束有利于得到更好的溶剂设计结果,但同时也增加了求解难度。因此本文采用分解式算法,把MINLP模型分解成两个子模型进行求解,首先通过线性子模型生成候选分子,再由非线性子模型进一步筛选评价,最终得到最优的溶剂,可以提高30%以上的二聚体含量。(3)建立溶剂多指标评价体系。为了进一步综合考虑溶剂设计结果的优劣,对溶剂进行多指标评价。采用基于三角模糊数的FAHP(Fuzzy Analytic Hierarchy Process,FAHP)方法,综合考虑溶剂的各方面指标,包括二聚体含量、过程能耗以及溶剂的安全性、健康和对环境的污染程度等方面,对溶剂设计的结果进行评价,选择最合适的溶剂。
其他文献
在党的十九大报告中,习近平总书记指出,眼下我们国内和国外的形势正在发生深刻复杂的变化,而目前仍然是我们国家发展壮大的重要战略机遇期。在这特殊的环境下,我们的前途是光
人工蜂群(ABC)算法是一种模拟自然生物群智能的优化算法,对于处理连续函数的优化问题具有较强的适应性。目前,已被广泛用于机器学习、组合优化、数据挖掘等诸多领域。然而,ABC算法具有着诸多优点的同时,也存在着诸如收敛速度较慢、较易陷入局部最优等缺陷。膜计算是生物计算领域的一个分支领域,其计算模型被称为膜系统或P系统。P系统具有分布式、并行性、可拓展性、非确定性、易于实现等优点。本文针对ABC算法存在
中央全面依法治国工作会议明确了习近平法治思想在全面依法治国工作中的指导地位,这是我国社会主义法治建设进程中具有重大现实意义和深远历史意义的大事。党的十八大以来,习
提高图像分辨率是当前数字图像处理领域的研究热点之一。超分辨率(SR)方法是一组信号处理算法,它允许从同一场景的单个或多个低分辨率(LR)图像生成高分辨率(HR)图像。不久前,深度神经网络(DNN)被引入到计算机视觉、机器翻译、自然语言处理、语音和音频识别、社会网络分析、生物信息学、医学图像分析和材料检验等领域。卷积神经网络(CNN)也被广泛应用于彩色图像和深度图的超分辨率问题,在相同场景的额外HR
语音情感识别一直以来都是计算机视觉和机器学习领域的研究热点,“情感计算”这一概念在近几年已经引起了国内外许多情感分析专家的关注。说话者的语音信号中往往包含了丰富的情感信息,来帮助他更好的传递信息。同一个人用不同的情感表达同一句话时,其传递的信息可能不太相同。为了使计算机更好地理解人的情感,就必须提高语音情感识别的准确率。如今,语音情感识别在人工客服,远程教育,医学辅助,和汽车驾驶等人机交互领域的应
电力电子技术堪称是全球第二次电子革命,如今关系着人们的生产生活以及国家的经济、政治及国防。以功率半导体器件为核心部件的电力电子技术是当今最高效、最可靠、最灵活的电能变换与控制技术,已被广泛应用于家用电器、汽车电子、高压输电、武器装备等诸多领域。功率半导体器件中的横向双扩散金属氧化物半导体场效应晶体管(LDMOS)因具有MOSFET类器件的易驱动、开关频率高等优势以及易于集成的横向结构,而被广泛用于
近年来,神经网络在越来越多的领域中投入使用,在一些人工智能领域的场景下(例如图像分类,语音识别)已经产生了非常好的结果。随着神经网络的应用越来越广泛,对神经网络相关的性能及准确性要求也越来越高,特别是在一些安全攸关系统(例如自动驾驶、飞行器防碰撞系统)中,这些系统中特殊的场景需求对神经网络的可靠性和准确性提出了更大的挑战。尽管神经网络在许多场景下都有令人印象深刻的表现,但遗憾的是,由于种种原因它们
科学研究的泛化、交叉和渗透使各领域研究呈现出交错复杂的局面,研究内容的多样化为我们理解与掌握知识内在结构及其演化机理带来一定的困扰,浩瀚的知识和有限的个人精力之间的矛盾不可避免。尤其对新接触某领域的学者来说,想要全面、快速了解该领域的知识结构及其演化机理往往需要很多的工作量。分散的知识点、非结构化的信息不利于知识结构的形成,也阻碍了演化研究的进一步开展。针对这一问题,本文提出一种层次化的科学知识结
合成孔径雷达(Synthetic Aperture Radar,SAR)可以全天时、全天候采集高分辨图像,对于对地观测十分重要。由于SAR图像固有的成像机制造成了SAR图像上相干斑噪声、高维异构等问题,使得SAR图像的解译十分困难。本团队提出的SAR图像层次视觉语义模型,以素描线段为基元,通过赋予素描线段语义信息来指导SAR图像解译,从像素空间转换到了语义空间,在一定程度上提升了分割的效果。SAR
深度信息被广泛应用于目标识别、三维重建、机器人导航、3DTV等领域。随着低成本深度传感器如微软Kinect系列的发布,深度数据应用领域发生了重大的变革。由于这些传感器拥有实时、快速获取深度图像和彩色图像的能力,使其可用于实时三维重建、骨骼追踪、图像识别等领域。这类设备采集的深度数据存在信息丢失的情况,导致深度图像中存在较多噪声和大面积信息丢失的空洞区域,限制了它们的推广应用。因此,对这些低精度的深