基于大数据时代背景下的实验室管理改革方向

经济发展水平的提高促进了信息技术的应用和发展,计算机网络技术和信息科技技术使信息的传递和获取更加方便,大量的数据内容能够在短时间内实现快速传播,因而现代社会已经进入大数据时代.大数据时代背景下,信息数据的传递、来源渠道以及数据的传播数量和传播速度等均在影响人们的生活,将这种"大数据"应用在实验室管理工作中,能够实现相关系统的开发和设计,完善实验室的管理工作,提升实验室的管理质量水平,本篇文章在此基础上,主要对大数据时代背景下的实验室管理改革方向等进行研究与分析.     

炭黑填充复合型导电聚合物的研究进展

在聚合物基体中添加导电炭黑以降低聚合物的电阻率,是目前最为常用的制备导电聚合物的方法。综述了炭黑填充复合型导电聚合物的研究进展。对影响复合材料导电性能及渗滤阈值的因素进行了讨论。重点介绍了使用共混聚合物作基体,并利用炭黑在共混基体中的非均相分布来降低炭黑用量的研究。     

环氧树脂与热塑性树脂的共混研究进展

综述了国内外有关环氧树脂与热塑性树脂共混研究的最新进展。介绍了热塑性树脂增韧环氧树脂体系相态结构的控制，环氧树脂改性热塑性树脂，以降低难加工聚合物加工温度、改进某些热塑性树脂(如PVC，PET)的力学性能，以及利用环氧基团的活性改善不相容热塑性树脂共混体系的相容性的研究进展。     

白炭黑补强溴化丁基橡胶的性能及特点

研究了白炭黑补强溴化丁基橡胶（BIIR）的性能及特点。结果表明；与炭黑补强相比，白炭黑补强的BIIR表现出了良好的工艺性能、力学性能和热老化性能；硅烷偶联剂（Si69）用置对硫化胶的力学性能有很大的影响；同时还发现白炭黑补强BIIR的拉伸应力软化效应和应力松驰性能与炭黑补强BIIR有着明显的区别。     

基于Schur分解的比例边界有限元方法求解环形域静电场

应用比例边界有限元方法求解同轴电缆(环形域)静电场边值问题.为了避免特征值方法出现的奇异问题,采用Schur分解修正原有的特征值方法.在比例边界坐标变换的基础上,利用加权余量法将环形域静电场边值问题的控制方程半弱化为关于径向坐标的2阶常微分方程的两点边值问题,引入辅助变量将其降阶为1阶常微分方程,用Schur分解方法求解此方程可获得通解,并通过边界条件确定积分常数.计算不同截面形式的同轴电缆,结果表明,Schur分解很好地避免了特征分解的奇异性问题,与其他数值方法相比,此方法适用性强,且具有精度高、数据量小、运算量小的优点.     

DDA方法在波动问题计算中的初步研究

采用DDA方法验证了一维应力波在不同边界的响应情况;在此基础上,实现了位移和应力两种地震波输入方式,并对两种方法进行了比较。基于DDA的一维计算模型,研究了在计算波动问题时块体单元尺寸和节理刚度的取值问题。研究结果表明：DDA模型网格在波传播方向的尺寸取最短波长的1/15～1/20;随着法向刚度的降低,节理对弹性纵波的衰减作用增大;当节理标准强度大于0.5时,DDA计算的节理面透射系数与理论透射系数的误差在5%以内。此外,基于DDA方法中波动问题的初步研究成果,对某地下厂房在正弦波作用下的动力响应情况进行了简单地分析,分析成果与有限元计算结果基本一致,这为DDA方法用于工程实例的动力响应分析奠定了基础。     

高性能轻集料的分析与发展

轻集料的性能可设计性和多孔性 ,使其具有特殊的用途和特点 ,文中介绍了轻集料的性能特点、国内外的发展情况和高性能轻集料的发展趋势     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

啁啾高斯脉冲对时延脉冲展宽的影响

该文介绍了慢光介质中引起光脉冲展宽的主要原因,在考虑介质无损耗及小信号增益条件下推导出了啁啾高斯脉冲经过宽带矩形布里渊增益谱的慢光系统后输出脉冲时域振幅包络的近似解析表达式、光脉冲时延表达式和展宽因子.定量分析了脉冲时延和啁啾参量随泵浦频带宽度等因素的影响.仿真结果表明,在输入高斯脉冲中加入初始啁啾可以减小脉冲的展宽.     

GA优化的BPNN模型在分布式降雨量插值中的应用

针对BP神经网络初始连接权值和阈值确定的随机性,以及网络收敛速度慢和容易陷入局部极小的问题,采用遗传算法优化BP神经网络的连接权值和阈值,构建混合GA-BPNN网络模型.利用建立的GA-BPNN模型,对湖北省宜昌地区降雨量进行插值估算,试验结果表明,单纯采用BP神经网络进行降雨量的插值估算,其归一化的平均相对误差为27.68%,而采用遗传算法优化后的BP神经网络进行降雨量插值估算,其归一化的平均相对误差为18.93%,估算的精度以及网络的稳定性和容错性都要好于单纯的BP神经网络模型.