【摘 要】
：
采用点击化学反应在UiO-66-NH2膜表面原位生长硅油润滑层,制备了金属有机框架(MOF)基防冰膜(OGMCs),通过硅油生长时间调控了表面硅油量,并对不同硅油含量的OGMC的防冰性能进
【机 构】
：
中国科学院长春应用化学研究所,中国科学院高性能合成橡胶及其复合材料重点实验室,长春130022;中国航发长春控制科技有限公司,长春130000;广东互典缓冲材料技术有限公司,佛山528200
论文部分内容阅读
采用点击化学反应在UiO-66-NH2膜表面原位生长硅油润滑层,制备了金属有机框架(MOF)基防冰膜(OGMCs),通过硅油生长时间调控了表面硅油量,并对不同硅油含量的OGMC的防冰性能进行了研究.利用扫描电子显微镜(SEM)、傅里叶变换红外光谱仪(FT-IR)、X射线衍射仪(XRD)、X射线光电子能谱分析仪(XPS)和接触角等技术手段对OGMCs表面进行了表征.结果表明:硅油被成功合成出来,并以共价键方式与MOF膜连接.OGMC保留了 MOF膜表面原有的微纳复合结构以及UiO-66的晶体结构.OGMC表面的硅油量随硅油生长时间而增加.但表面冰成核温度和冰粘附力均随硅油生长时间而先下降后升高.硅油量密切影响微纳复合结构表面的防冰性能.当硅油生长时间为12～18 h,表面硅/锆物质的量比在8～12时,表面防冰效果最佳,表面冰成核温度可达到-29.6℃,冰粘附力达到8.8 kPa.
其他文献
基于梯度下降法的传统人工神经网络瞬变电磁反演方法计算效率低,不能保证全局收敛。为了解决上述问题,提出一种在线惯序极限学习机(online sequential extreme learning machine,OSELM)的瞬变电磁反演方法。该方法针对瞬变电磁法所获取的高维勘探数据进行建模反演,首先,通过随机设定隐层参数(输入权值和偏差)来简化模型的学习过程;然后,将测试得到的预测样本加入训练样本中,作为下一次的更新信息,建立在线贯序极限学习机预测模型,从而最大限度提高反演精度;最后,设计了两个经典的瞬变
随着勘探程度的不断提高,低幅度构造油气藏日益受到重视。目前识别低幅度构造的方法不能有效消除地震资料中包含的构造低频背景信息,无法精确识别低幅度构造。本文以去低频化为基础,利用趋势分解法,通过搜索构造起伏拐点,实现对低幅度构造成图,再结合小波分解在大尺度时频域具有良好的连续性,将构造数据进行小波变换和逆变换,最终得到消除构造低频背景的低幅构造解释图。E盆地北部的实际应用显示,基于去低频化的低幅度构造识别方法,增强了局部微构造特征,同时也弥补了构造高程差及随机因子对低幅度构造的影响,达到低幅度构造成图完整精细
为了改善酚醛泡沫保温板力学性能低和易掉渣的缺陷,使用KH570偶联剂对三级及以下粉煤灰表面进行功能化处理,研究其对酚醛泡沫板的力学性能和保温性能的影响。结果表明:在改性时间30 min和反应温度80℃下,粉煤灰的最佳改性配方(以粉煤灰质量计算)为:KH570偶联剂4%、无水乙醇16%、蒸馏水4%。当粉煤灰添加量为酚醛树脂质量的10%时,酚醛泡沫板的综合性能显著提高:抗压强度高达1.574 MPa,抗拉强度达151 kPa;发泡效果、消烟效果最佳;极限氧指数提高,材料掉渣率降低;导热系数为0.033 W·m
彭阳地区低幅度构造广泛发育,但由于远离烃源区,油气经历了远距离垂向和侧向运移,导致其对油水分异和与成藏富集的关系不明确。以彭阳地区地质构造演化研究为基础,深入研究了延9层低幅度构造发育特征,结合大量钻井及试采资料,研究了彭阳地区低幅度构造与油气成藏和富集的关系。结果表明,彭阳地区低幅度构造广泛发育,以鼻隆构造为主,构造幅度在18m以上、闭合面积大于2.8km2的低幅度构造能够形成有效的油水分异和油气滞留效应,可为油气聚集成藏提供良好的圈闭作用。研究区成藏受古地貌控制,有古地貌坡嘴成藏
响应性水凝胶又称“智能水凝胶”,是以水凝胶为基础,经修饰响应多种理化性质及微小环境变化,从而改变自身性质的一类水凝胶.响应性水凝胶目前广泛应用于生物医药领域、材料领
本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.
合成了疏水型烷基乙醇仲胺溴离子液体([RESA]Br),并对羧酸化Fe3O4纳米微球进行了表面改性([RESA]Br@-COOH@Fe3O4),通过核磁共振分析和元素分析进行了结构分析,采用密度泛函理
以聚乙烯醇(PVA)为保护剂,经NaBH4还原制备金钯纳米双金属并负载到Na2SiO3改性的MgO载体MgO-X上,得到Au-Pd/MgO-X催化剂.采用X射线衍射仪(XRD)、扫描电子显微镜(SEM)和透射电
针对乳腺钼靶图像中肿块体积小且常被致密组织掩盖导致肿块分割精度较低的问题,提出一种基于复合加权损失函数的U型对称残差语义分割模型SRes-Unet:首先将含有残差结构的卷积模块嵌入U型网络架构中,提升模型整体的特征提取能力;其次,为了解决乳腺图像中因背景较大造成像素类别严重不平衡问题,利用复合型w BCE_DiceLoss作为残差U型网络(SRes-Unet)的损失函数,同时辅以数据增广以减小过拟
利用Fock态展开的方法对Rabi模型和有偏置的Rabi模型严格求解,得到相对应的本征能谱和Berry相,为了方便计算,对Rabi模型进行了旋转变换,从而更加直观地反映系统的宇称对称性。用MATLAB进行数值模拟,得到了有无偏置的Rabi模型的能量本征值和Berry相随耦合强度而变化的图像,并将所得结果进行对比分析。研究发现:由于偏置项的存在打破了系统的奇偶对称性,使宇称不再守恒,对系统的能谱和Berry相都产生了较大影响,特别是在共振情况下有无偏置项的Rabi模型的Berry相有很大的不同,这对量子比特