-
公开(公告)号：CN117582981A
公开(公告)日：2024-02-23
申请号：CN202311282684.4
申请日：2023-10-07
Applicant: 浙江工业大学
Abstract: 本发明公开了一种聚丙烯腈碳花颗粒负载钌催化剂的制备方法和其在催化葡萄糖氘代中的应用，本发明催化剂的制备方法是：将丙烯腈和N,N‑通偶氮异丁腈加入丙酮中，通过简单的一步自由基聚合过程合成聚丙烯腈(PACN)颗粒，得到第一前驱体；将第一前驱体真空干燥、碾磨后，置于空气中进行稳定化处理，得到第二前驱体；将第二前驱体在惰性气体条件高温热解，最终合成花瓣形状的聚丙烯腈碳花颗粒，接着通过湿法浸渍法得到聚丙烯腈碳花颗粒负载钌催化剂，最后通过氢气煅烧还原。本发明合成的聚丙烯腈碳花颗粒负载钌催化剂，反应条件温和，易回收，绿色环保，催化剂稳定性较好，并且能够高效催化无水葡萄糖制备无水氘代葡萄糖。
-
公开(公告)号：CN116645344A
公开(公告)日：2023-08-25
申请号：CN202310582654.9
申请日：2023-05-19
Applicant: 浙江工业大学
IPC: G06T7/00 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于深度学习自编码器的图像异常检测方法，对输入的正常样本进行预处理，利用编码器得到编码特征，然后将编码特征输入到记忆模块中记忆正常样本的潜层特征，将得到的潜层特征通过解码器解码得到重构图像。另外，将潜层特征利用Deep SVDD映射到一个超球体中，同时计算重构图像与初始图像的重构误差和潜层特征到球心的距离误差，将重构误差和潜层特征到超球体的距离误差联合作为异常评分，最终实现异常检测。本发明采用了记忆模块对编码特征进行更新记忆，并添加了对潜层特征采用Deep SVDD的超球映射，能更加有效的扩大正常和异常样本之间的异常分数，从而提高异常检测的效果。
-
公开(公告)号：CN103396349A
公开(公告)日：2013-11-20
申请号：CN201310305455.X
申请日：2013-07-19
Applicant: 浙江工业大学
IPC: C07C335/26 , C07D213/75 , C07D277/82 , A01N47/34 , A01N47/36 , A01P13/00
Abstract: 本发明公开了酰基硫脲类化合物及其制备方法和用途，所述的酰基硫脲类化合物，其结构如式（I）所示：其中R代表取代苯基、吡啶基、取代苯并噻唑基、烷基；所述取代苯基的苯环上为单取代或多取代，所述的取代基各自独立选自下列之一：C1~C10的烷基、C1~C10的烷氧基、C1~C10的烷氧羰基、羟基、卤素、硝基、羧基。本发明所述的酰基硫脲类化合物制备简单，具有优异的除草活性，可用作除草剂。
-
公开(公告)号：CN117427675A
公开(公告)日：2024-01-23
申请号：CN202311165380.X
申请日：2023-09-11
Applicant: 浙江工业大学
IPC: B01J27/24 , B01J37/08 , B01J37/28 , C07B59/00 , C07C209/00 , C07C211/12
Abstract: 本发明公开了一种钌基催化剂及其制备方法和应用，本发明的催化剂是以植酸为媒介，配合钌镶嵌到聚苯胺上后热解而成，本发明将己二胺和氘水加到高压反应釜中，加入催化剂在氢气氛围下进行催化反应，获得了较高氘代率的己二胺；通过植酸与钌的配位作用，将钌高度分散在聚苯胺的表面并暴露大量活性位点，通过调控热解温度调控钌的电子结构提高催化剂活性，使得制得的己二胺具有较高的氘掺入量。本发明的钌基热催化剂，对1,6‑己二胺α‑H氘掺入率能够高达95.62%，此外该催化剂还具有良好的热催化稳定性，显现出一定的实际应用潜力。
-
公开(公告)号：CN117263768A
公开(公告)日：2023-12-22
申请号：CN202311028282.1
申请日：2023-08-16
Applicant: 浙江工业大学
IPC: C07C17/16 , C07C17/38 , C07C17/383 , C07C19/07 , C07B59/00
Abstract: 本发明公开了一种氘代碘甲烷的制备方法，包括以下步骤：在反应器中加入非质子性溶剂，室温下搅拌下依次加入碘单质和铁粉催化剂，将反应器内的气体置换为惰性气体气氛，搅拌加热升温至出现冷凝回流，加入氘代甲醇，在黑暗环境下反应至结束；将反应液冷却至室温，加入去离子水萃取、分液，有机相经过滤回收铁粉催化剂，并加入铜粉搅拌反应除去碘单质，加入无水氯化钙干燥，过滤，滤液经减压蒸馏收集得到目标产物氘代碘甲烷。本发明与现有技术相比，提供了一种多相催化剂催化制备碘甲烷的方法，其目的是克服现有技术中反应物毒性大、反应产率低、酸催化剂难以回收等技术问题，本发明试剂来源经济方便，操作便捷，反应产率较高，催化剂易分离回收。
-
Patent Agency Ranking
公开(公告)号：CN116578927A
公开(公告)日：2023-08-11
申请号：CN202310532903.3
申请日：2023-05-11
Applicant: 浙江工业大学
IPC: G06F18/2413 , G06N20/00 , G06F18/2321
Abstract: 本发明公开了一种基于核密度估计与香农熵的风电机组数据异常检测方法，基于马氏距离，寻找到每个数据点的邻居点，之后利用以高斯函数为核函数的核密度估计方法，对所有的数据进行密度估计。结合邻居点和密度估计值，计算出了以每个点为中心的局部熵值，局部熵值可以用来衡量局部点的密度是否均匀，可以用来更高效地检测集群异常。之后，将每个点的局部熵值除以每个点的密度估计值，得到熵密度比。熵密度比越高，说明局部熵值越高，说明当前局部的密度较为分散，同时，也表明当前点的密度值较小，说明当前点出现的概率低，由此可以判断为异常点。本发明可以精准高效地检测出多维数据集中的异常点。
-
公开(公告)号：CN103351360B
公开(公告)日：2015-03-25
申请号：CN201310305466.8
申请日：2013-07-19
Applicant: 浙江工业大学
IPC: C07D285/135 , C07D417/04 , A01N47/36 , A01P13/00
Abstract: 本发明公开了一种含1,3,4-噻二唑的酰基硫脲类化合物及其制备方法和用途，所述的酰基硫脲类化合物，其结构如式（I）所示：其中R代表1-甲基环己基、氢、甲基、乙基、丙基、羧基、巯基、苯基、2-三氟甲基苯基、2,3,4,5-四氟苯基、呋喃基、2,3,5,6-四氟苯基、2-甲氧基苯基、2,4,5-三氟苯基、3-甲基苯基、3-氟苯基、3-硝基苯基、2-碘苯基。本发明所述的一种含1,3,4-噻二唑的酰基硫脲类化合物制备简单，具有优异的除草活性，可用作除草剂。
-
公开(公告)号：CN103396349B
公开(公告)日：2014-12-17
申请号：CN201310305455.X
申请日：2013-07-19
Applicant: 浙江工业大学
IPC: C07C335/26 , C07D213/75 , C07D277/82 , A01N47/34 , A01N47/36 , A01P13/00
Abstract: 本发明公开了酰基硫脲类化合物及其制备方法和用途，所述的酰基硫脲类化合物，其结构如式（I）所示：其中R代表取代苯基、吡啶基、取代苯并噻唑基、烷基；所述取代苯基的苯环上为单取代或多取代，所述的取代基各自独立选自下列之一：C1~C10的烷基、C1~C10的烷氧基、C1~C10的烷氧羰基、羟基、卤素、硝基、羧基。本发明所述的酰基硫脲类化合物制备简单，具有优异的除草活性，可用作除草剂。
-
公开(公告)号：CN112817312B
公开(公告)日：2022-12-06
申请号：CN202011630711.9
申请日：2020-12-31
Applicant: 浙江工业大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于双重搜索优化算法的路径规划方法，在确定路径规划的起点和终点后，通过数学分析将路径规划问题建模为相应的适应度函数，再使用改进的正余弦优化算法和改进的天牛须搜索优化算法进行寻优处理。在改进的正余弦优化算法中，增加了随迭代次数变化的惯性权重系数w，并且把线性递减函数变成指数型递减函数，从而提升整个算法的收敛速度和全局搜索能力。其次，在每次位置更新之后，再引入变步长天牛须搜索算法进行二次搜索更新，能够有效的使正余弦优化算法跳出局部最优的陷阱，最后将每次迭代的位置连接得到最终的最短路径，能够使其在最大限度上找到最优的路径，实现在全局环境下的路径规划。
-
公开(公告)号：CN114048989A
公开(公告)日：2022-02-15
申请号：CN202111305997.8
申请日：2021-11-05
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度强化学习的电力系统顺序恢复方法及装置，通过构建包括深度强化学习Q值估计网络和Target Q网络的电力系统恢复模型，并训练该电力系统恢复模型。基于级联失效后的电力网络，通过深度强化学习后得到的总线恢复顺序，评估电力网络系统在系统恢复过程中对级联故障的恢复能力，将强化学习与电力网络相结合，站在防御者角度考虑电力网络的恢复问题，与神经网络的结合，扩大了电力网络的实现范围，即可以找到大型电网的恢复最优策略。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
