一种无机复合聚苯板的制备与燃烧性能研究

采用具有负热值特性的半水硫酸钙等无机材料为主要添加剂制备阻燃浆液,以低密度膨胀聚苯乙烯泡沫为基体,使用负压顺孔与负压吸附技术,制备了无机复合聚苯板;使用导热系数测试仪测试了该复合材料的保温性能,使用氧指数测试仪、热值测试仪、锥形量热仪、单体燃烧装置测试其燃烧性能。经检测,该无机复合聚苯板的导热系数为0.041 W/(m².K),热值仅为2.91 MJ/kg,氧指数达到39.7%;锥形量热仪测试结果显示,该复合聚苯板在燃烧过程中未发生收缩熔融,且保持一定的形状,其热释放速率峰值、总热释放量、产烟速率峰值以及总产烟量相比聚苯乙烯泡沫基材大幅降低;单体燃烧测试结果显示,该无机复合聚苯板的燃烧性能等级达到A2级,产烟特性等级达到S1级;分析其阻燃机理,认为主要源于二水硫酸钙吸热的分解反应和惰性的分解产物。     

一种基于多标定体融合的超宽带虚拟孔径雷达系统校正方法

系统校正技术是影响超宽带(Ultra Wide Band, UWB)虚拟孔径雷达(Virtual Aperture Radar, VAR)对浅埋弱小目标穿地探测效果的重要因素,系统的超宽带特性及多通道不一致性使得常规高频窄带雷达基于单一标定体的校正方法不再适用,该文在对系统误差、标定体及地雷电磁特性分析的基础上,提出了多标定体-分频段融合的多通道校正方法,利用多个标定体对不同频段分别校正,该方法有效地校正了系统误差,提高了成像质量,实测数据验证了方法的有效性。     

右美托咪定、咪达唑仑用于妇科腹腔镜手术后患者自控芬太尼静脉镇痛液的效果

目的:比较右美托咪定、咪达唑仑用于妇科腹腔镜手术后患者自控芬太尼静脉镇痛(Patient-controlled analgesia,PCA)液中的效果。方法:150例妇科腹腔镜手术患者接受丙泊酚-芬太尼-罗库溴铵诱导、七氟烷麻醉维持后随机分为5组,每组30例。O组加入 16 mg 恩丹司琼,M组加入 5 mg 咪达唑仑,OM组加入 16 mg 恩丹司琼及 5 mg 咪达唑仑,D组加入 200 μg 右美托咪定,OD组加入 16 mg 恩丹司琼及 200 μg 右美托咪定。PCA按 20 μg/mL 芬太尼计算共计 60 mL,背景输注 1 mL/h,bolus 0.5 mL,锁定时间 15 min。记录麻醉后恢复室(PACU)、术后 6 h 及 24 h 的术后恶心呕吐(Postoperative nausea and vomiting,PONV)发生率、镇静评分、VAS评分、芬太尼使用量及PCA有效按压次数、止吐及镇痛补救措施人数。结果:O组术后3个时间段PONV发生率明显高于其他4组,但术后 6 h 及 24 h 时点的镇静评分明显低于其他4组(P<0.05);D组及OD组术后3个时间段PONV发生率明显低于M组(P<0.05)。O组补救止吐药使用30人次(100%),明显多于其他4组(P<0.05),D组及OD组补救止吐药使用次数明显少于其他3组(P<0.05)。5组患者术后3个时间段的VAS评分差异无统计学意义(P>0.05),但D组及OD组术后6、24 h 的芬太尼PCA使用量及有效按压次数明显少于M组、OM组及O组(P<0.05)。结论:右美托咪定、咪达唑仑加入芬太尼PCA镇痛液中,止吐效果优于恩丹司琼,但两药均有一定的镇静作用,右美托咪定辅助镇痛、镇吐效果更优。     

基于压缩感知的地雷散射结构提取

利用目标信号的先验稀疏性,通过压缩感知(Compressive Sensing, CS)算法可以实现对目标的稀疏成像,获取其空间散射结构。该文将CS理论应用于车载前视步进频率超宽带探地雷达(Vehicle-mounted Stepped-frequency Forward-looking Ground Penetrating Virtual Aperture Radar, SFGPVAR)系统,通过建立电磁散射模型,指出金属地雷目标可近似为旋转不变的对称圆柱体,在对电磁仿真和实测数据分析的基础上,得到超宽带SFGPVAR系统中金属地雷具有孤立的双散射点结构,双点间距与雷达入射角等因素无关,且只与地雷的物理尺寸相关,使得在成像空间满足稀疏分布条件,因此利用CS算法可以实现地雷空间散射结构的提取。该文最后通过对SFGPVAR系统实测数据处理验证了CS算法提取地雷散射结构的可行性以及地雷双散射点结构特征的稳健性,该方法不仅拓展了地雷目标特征提取的新思路,也为具有简单离散散射结构目标的检测鉴别探索出一条新路。      

基于MTI技术改善雷达识别目标性能方法

为提高雷达对低空或海面快速运动目标的检测和连续跟踪测量的能力,论述用基于MTI技术对固定目标、海杂波进行相位对消,以在最大程度上对其进行衰减,使运动目标的回波得以保留,从而实现对运动目标的快速检测与跟踪测量     

基于卷积神经网络联合多域特征提取的干扰识别算法

干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取（Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE）的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比（Jamming-to-Noise Ratio,JNR）≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取（Automatic Feature Extraction-based Convolutional Neural Network,AFE-CNN）算法;与传统的人工特征提取的深度神经网络（Manual Feature Extraction-based Deep Neural Network,MFE-DNN）相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。      

务实管理奠定龙滩安全生产基础

龙滩水电站2007年5月至2008年12月-期7台700MW水轮发电机组相继投产发电,并一直保持着安全稳定的生产局面。这得益于龙滩务实管理理念,有效解决了安全生产问题,为安全生产奠定了良好的基础。本文简要总结了龙滩务实管理经验,希望有所借鉴。     

龙滩电站自动发电控制（AGC）安全策略

龙滩水电站作为南方电网最大的调峰调频电厂,其自动发电控制（AGC）的安全性能对电网及发电厂的安全稳定至关重要。在AGC的安全策略上做了充分的论证和试验,以龙滩电站巨型机组为例,对具体包括功能约束和保护闭锁的AGC安全性策略作了阐述,对今后巨型电站AGC试验和运行有一定工程借鉴意义。     

注重色彩和造型搭配 提升中餐烹饪的艺术表现

一、中餐烹饪的视觉艺术1.烹饪工艺的视觉印象。色泽亮丽、造型华丽的食物不仅能够给食用者带来心理上的满足,还能够在整体视觉上满足,激发食欲。人体对食物的整体感受大多源自视觉感受,嗅觉、味觉、触觉只是发挥着辅助作用,因此中餐烹饪在视觉方面要有进一步的探究,满足食用者对于视觉艺术的需求;要形成各具特色、融入时代元素、能够体现中华深厚文化内涵的烹饪方式,展现出具有中国鲜明特点的烹饪工艺的美术元素,并且能够在一定程度上体现中餐烹饪的特色。     

天津体育学院篮球专项学生作息时间对专修课出勤率影响研究

本文运用了文献资料法、问卷调查法、数据统计法、逻辑分析法对我院篮球专项学生的日常作息时间和专修课出勤率的数据资料进行整理、分析后得出若干结论:出勤率优秀的同学在一学期的专修课训练中的迟到和见习次数远远小于出勤率差的同学。出勤率优秀的同学平均每一周通宵作业的频率少于1次,而出勤率差的同学平均每一周都有不少于2次。绝大多数出勤率优秀的学生有固定的一日三餐用餐时间等等。