【摘 要】
：
以乙二醛替代甲醛合成木材浸渍改性用三聚氰胺-尿素-乙二醛（melamine-urea-glyoxal,MUG）树脂，通过对不同温度、p H值、原料配比条件下合成的MUG树脂性能进行分析，优选出较佳的合成工艺，并用优化工艺合成的MUG树脂对杨木进行改性。结果表明：当反应pH值在4～5，反应温度为65℃，M、U、G量比为0.08∶0.40∶1.00时，合成的MUG树脂性能较佳，黏度为15.01 s，固
【基金项目】
：
中央级公益性科研院所基本科研业务费专项资金“无甲醛氨基树脂改性杨木关键技术研究与示范”（CAFYBB2021QA002）；
论文部分内容阅读
以乙二醛替代甲醛合成木材浸渍改性用三聚氰胺-尿素-乙二醛（melamine-urea-glyoxal,MUG）树脂，通过对不同温度、p H值、原料配比条件下合成的MUG树脂性能进行分析，优选出较佳的合成工艺，并用优化工艺合成的MUG树脂对杨木进行改性。结果表明：当反应pH值在4～5，反应温度为65℃，M、U、G量比为0.08∶0.40∶1.00时，合成的MUG树脂性能较佳，黏度为15.01 s，固体含量为49.89%，水混合性大于10，储存时间大于90 d。质谱和红外光谱分析结果表明三聚氰胺、尿素和乙二醛三者之间发生了化学反应，并且合成产物主要为低聚物，相对分子质量小于600；同时热分析结果显示，90℃之后树脂开始固化，并在169℃处出现了明显热固化吸热峰。与未处理材相比，当MUG树脂质量分数为20%时，改性杨木的抗弯强度和弹性模量的增幅最大，分别为17.5%和18.5%。
其他文献
时间序列是指在时间上具有前后顺序关系的一组数据,近几年,随着智能设备的不断普及,时间序列数据呈现出爆发性增长的态势,广泛存在于交通、医疗、工业等生产生活的各种领域。每种事物随着时间的推进而出现的一些变化都可以看作是时间序列,时间序列包含着极其丰富的价值信息,通过对收集到的时间序列加以分析,可以从过去的事物发展状态中提取出有用的信息,从而为未来的实践提供指导。在面对当今海量且具有高维度和噪声等特点的
粒子群算法（Particle swarm optimization,PSO算法）是一种模拟鸟类寻找栖息地行为的元启发式算法,并且它已被证实具有有效解决优化问题的能力。这类算法拥有结构构造简单、容易实现等优势。虽然该算法已被应用于广泛实际问题,但是仍然存在收敛性、多样性、稳定性等方面的问题。因此,需要对PSO算法做出进一步的深入研究。论文针对PSO算法中的弊病,从新角度出发改进了PSO算法。论文首先
2020年年初的新型冠状病毒肺炎席卷全球,对全球的经济、民生造成了严重的破坏。目前,新冠肺炎患者筛查主要有两种有效的检测手段:一是采用核酸检测进行大规模的排查,二是采用计算机断层扫描（Computed Tomography,CT）影像获取患者肺部详细造影情况。对于新冠肺炎的排查,初筛通常使用核酸检测的方式进行,其能够快速检测出患者是否携带有病毒核酸进而判断是否感染新冠,但核酸检测的方法存在有两个弊
遥感图像涵盖丰富的宏观信息,可有效帮助人类动态地监测地表信息,从而进行特征绘图、土地覆盖分类、变化检测等。虽然近年来,场景分类、目标定位、目标检测等众多技术应用在遥感图像上,为人类创造了许多有价值的应用,仍存在以下亟待解决的问题:遥感成像设备价格高昂,只能获取低光谱分辨率的全色图像,或低空间分辨率的多光谱图像。为解决上述问题,国内外学者展开相关研究。常用方法有全色锐化算法与超分辨率算法。其中全色锐
现代商业模式下,为完成特定任务目标,企业之间需要进行相互协作,此过程被称协同业务过程。与传统业务过程相比,协同业务过程具有面向过程组合、组织自治和流程抽象的新特性。此外,在协同业务过程实际执行过程中,为了确保其有效执行,正确性验证也是需要关注的重要问题。因此,在保证协同业务过程新特性的前提下,如何有效的对其进行正确性验证成为当前业务过程管理领域的研究热点。本文提出一种基于Petri网的面向公共过程
在这个大数据的时代,个人信息的隐私保护越来越受到每个人的重视,然而,在日常生活中,我们常常需要向网络服务商提供自己的信息以获得更好的服务,与此同时,可能出现的个人信息泄露会对我们的生活产生负面影响。而对于网络服务商,收集用户数据除了能更好的为用户服务,同时也能通过数据分析获得潜在的有用价值,因此网络服务商可能会将数据授予第三方机构进行数据分析,第三方机构可能存在泄露数据的行为。因此既要保护用户的个
软件缺陷对软件质量甚至软件经济有着重要的影响。为了减少软件缺陷带来的损失,软件工程领域最活跃的问题之一是如何高效率、准确的发现软件缺陷。20世纪90年代,人们发现缺陷在软件中并非随机地分布。随后一系列针对软件缺陷倾向性、数量、严重程度、分布规律等的预测模型相继提出。然而真实的软件开发场景中无法保证每一个软件系统都具有丰富的变更日志数据。特别是面向新开发、小规模软件系统时,由于缺乏训练数据导致软件缺
随着物联网、互联网技术的快速发展、第五代通信（fifth-generation,5G）技术的普及、功能强大的终端设备和新的交互式移动应用程序的出现,我们正处于一场数据革命之中。云计算的范式已经无法满足人们对低时延、低功耗、高带宽的通信需求。而移动边缘计算（Mobile Edge Computing,MEC）将计算、存储以及网络控制能力转移到网络的边缘,可以减少时延、能耗,同时提高带宽,为用户提供了
差分进化算法（Differential Evolution,DE）是一种典型的随机优化算法,其主要通过变异、交叉和选择操作的循环迭代来进行全局搜索,其中变异操作对算法的影响尤为显著。尽管至今为止已经有各种类型的DE算法变体被相继提出,但在某些复杂工程优化难题上,DE算法及其变体仍然容易遭遇种群早熟收敛、搜索停滞等问题。其中一个很重要的原因就是算法的全局勘探（Exploration）和局部开发（Ex