DTPA-bis anhydride ,CAS :23911-26-4,二亚乙基三胺五乙酸二酐,螯合剂试剂

本文详细介绍了二亚乙基三胺五乙酸二酐(DTPA-DIANHYDRIDE)的化学性质、结构式、作为螯合剂的作用机制及其在化学工业中的广泛应用,包括举例了一系列相关产品。了解了DTPA在金属离子控制中的重要角色和其衍生产品的开发。

DTPA-bis anhydride  CAS 23911-26-4

中文名称:二亚乙基三胺五乙酸二酐

中文同义词:DTPA酸酐;N,N-二[2-(2,6-二氧吗啉代)乙基]氨基乙酸;

二亚乙基三胺五乙酸二酐(DTPA-DIANHYDRIDE);

二乙烯三胺五乙酸二酐DTPA;二乙烯三胺五乙酸二酐;

二亚乙基三胺五乙酸二酐;2-(双(2-(2,6-二氧代吗啉-4-基)乙基)氨基)乙酸;

N,N-双[2-(2,6-二氧代-4-吗啉基)乙基]-甘氨酸

英文名称:DIETHYLENETRIAMINEPENTAACETICDIANHYDRIDE

英文同义词:

N,N-BIS[2-(2,6-DIOXOMORPHOLINO)ETHYL]GLYCINE;DIETHYLENETRIAMINEPENTAACETICACIDANHYDRIDE;

DIETHYLENETRIAMINEPENTAACETICANHYDRIDE;

DIETHYLENETRIAMINEPENTAACETICDIANHYDRIDE;

DIETHYLENETRIAMINE-N,N,N',N'',N''-PENTAACETICACIDANHYDRIDE;

DIETHYLENETRIAMINEPENTAACETICACIDDIANHYDRIDE;DTPAANHYDRIDE;

DTPADIANHYDRIDE

CAS号:23911-26-4

分子式:C14H19N3O8

分子量:357.32

结构式:

螯合剂是金属原子或离头子与樤含有两个或连两个以上配位原子的配位体作用,生成具有环状结构的络合物,该络合物叫做螯合物。能生成螯合物的这种配体物质叫螯合剂,也成为络合剂。

用途:螯合作用在化学研究和工业生产中有着广泛的应用。在化学工业和工业生产过程中,加入螯合剂使金属离子生成性质完全不同的螯合物,是降低和控制金属离子浓度的主要方法。

 相关产品:

Deferoxamine-maleimide  CAS:1638156-31-6

Deferoxamine-DBCO

DOTA-Biotin-Sarcosine CAS:180978-54-5

DO3A-Serotonin   CAS:2125661-93-8

DOTATATE CAS:177943-89-4

DOTA CAS:60239-18-1

DOTMA CAS:148408-89-3

DOTAM CAS:157599-02-5

CB-Cyclam CAS:130701-19-8

CB-TE2A CAS:313229-90-2

DOTA-4AMP CAS:254444-71-8

NOTA CAS:56491-86-2

NOTP CAS:83834-39-3

Tm-DOTA CAS:78063-83-9

Gd-DOTA CAS:72573-82-1

Tm-DOTP CAS:30859-88-8

Tm-DOTMA CAS:2126179-30-2

Eu-DOTA-4AmC CAS:481668-57-9

Tm-p-SCN-Bn-DOTA CAS:2126179-32-4

Gd-p-SCN-Bn-DOTA CAS:2126179-26-6

Ho-p-SCN-Bn-DOTA CAS:2126179-28-8

Tm-Maleimido-DOTA CAS:1552305-24-4

Ho-Maleimido-DOTA CAS:1349103-97-4

Gd-DO3A-Butylamine CAS:782423-00-1

Bis-CBZ-Cyclen CAS:162148-45-0

Tris-BOC-Cyclen CAS:175854-39-4

NO2A-(t-Bu ester) CAS:174137-97-4

DO2A-tert-butyl ester CAS:162148-48-3

DO3A-tert-butyl ester CAS:122555-91-3

以上来自小编分享zyl2022.5.12

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值