纳米SiO2的表面改性研究及其在涂料中的应用

简介了纳米SiO2的团聚机理,就国内对纳米SiO2几种常见的表面改性方式做了详细介绍,并对纳米SiO2在涂料改性中的应用现状进行了阐述。对纳米SiO2在表面改性和涂料应用中的研究方向提出展望。     

水源热泵与冰蓄冷空调系统联合运行的优越性及应用

分析了目前国内外水源热泵与冰蓄冷技术的研究现状、技术特点,提出了一种新型的水源热泵与冰蓄冷空调系统联合运行的能源系统,并分析了其优越性.该系统目前已成功应用于某大剧院集中空调系统工程.结合该工程阐述了夏季制冷、冬季供热的控制策略,并对该系统的经济性作了初步分析,验证了水源热泵技术与冰蓄冷技术相结合的巨大优势.     

三轴应力状态下非饱和黄土试验研究

对原状、重塑非饱和黄土进行了常规三轴试验,深入分析和探讨了非饱和黄土在三轴条件下的变形特性和基质吸力的变化规律,结果表明：含水量和围压是影响非饱和黄土变形特征的主要因素,含水量对基质吸力起控制作用。     

彩生活商业模式的“顺势重构”

随着互联网的发展和社会的变革,客户需求、环境、技术等均发生着巨大改变,传统商业有必要重新审视和构架:由客户需求着手,从管理手段、技术应用、成本结构等方面重构商业模式.重构不是重来,而是要顺势而为. “内忧外患”倒逼的革新 然而,在重构之前我们同样面临着种种挑战.首先,单就社区这一块就有两方面的问题.一是社区居民之间缺少沟通交流,一栋楼里虽然居住着很多人,但彼此之间如同陌生人,这种情况在国内已存在很多年了.     

柱[5]芳烃对偶氮二异丁腈分子识别的研究及应用

以三氟化硼乙醚为催化剂、1,4-对甲氧基苯和多聚甲醛为原料合成具有高亲和性的全甲氧基柱[5]芳烃,通过核磁共振氢谱、紫外可见光谱、荧光光谱等检测手段研究了全甲氧基柱[5]芳烃对偶氮二异丁腈的分子识别能力。结果表明,全甲氧基柱[5]芳烃和偶氮二异丁腈可在氯仿中形成1∶1的主客体络合物,同时,全甲氧基柱[5]芳烃对偶氮二异丁腈具有刺激响应性,可作为荧光分子探针检测偶氮二异丁腈。     

火焰原子吸收光谱法测定盐湖卤水中钙含量

采用湿法消解对盐湖卤水样品进行前处理,对AAS的燃烧器高度及乙炔流量进行了优化.采用标准加入法对实际样品进行加标检测.结果显示,实际样品平行检测相对偏差为0.34％,加标回收率为101.2％,线性相关系数高于0.9999.证明该方法的准确度及重复性均较好.     

动车组司机室空调蒸发器气动噪声数值仿真

为研究动车组司机室空调蒸发器的噪声响应，建立某型司机室分体式空调蒸发器的计算流体动力学模型，采用FLUENT中的大涡模拟（large eddy simulation, LES）计算瞬态气动流场。对瞬态流场数据进行傅里叶变换，得到空气流场的频域数据。基于流场频域数据，采用Virtual.Lab的边界元法计算蒸发器的气动噪声，采用声压法计算蒸发器的辐射声功率，并与测试结果进行对比分析。结果表明：蒸发器出口位置气动噪声最高，最大声压级高于56 dB；最大声功率级出现在125~400 Hz的低频段；声功率级随着频率的增加逐渐降低，但在5 000 Hz的高频辐射中声功率级仍然超过55 dB，这表明空调蒸发器气动噪声属于宽频噪声；计算结果与测试结果吻合良好，验证声压法计算空调蒸发器气动声功率可行。     

水体中藻蓝蛋白的光谱检测

采用测定高光谱离水辐射率和光吸收的方法,对水体中蓝藻蛋白浓度进行提取,结果发现高光谱曲线在620 nm左右有明显的峰谷,且随藻蓝蛋白浓度变化而呈现规律性变化;吸收曲线在620 nm左右也有一个明显的吸收峰.采用分析算法对太湖水体中的藻蓝蛋白进行提取时发现,藻蓝蛋白与叶绿素a的浓度有一定的线形关系.     

高速列车车内声品质优化仿真研究

随着高速列车运行速度的不断提高,车内噪声问题对乘坐舒适性的影响越来越显著。为了抑制高速列车车内噪声的影响,基于改进的能量有限元方法,建立高速列车车内噪声的预测模型,并验证模型的准确性。基于预测模型,结合Zwicker响度模型、Zwicker尖锐度模型和Aures粗糙度模型,研究轮轨噪声激励的优化对车内声品质的影响。结果表明:在车轮上加装阻尼结构、轨道上安装动力吸振器对车内噪声高频段有显著的控制效果;优化后,车厢内不同位置的声品质得到明显提高,其中总响度最高可降低2.1 sone,尖锐度最高可降低0.09 acum,粗糙度最高可降低0.04 asper,且优化效果能被人耳感知。     

基于山东省不同模型的物流需求预测比较研究

目的 过对不同预测方法的误差对比研究,选取预测生鲜农产品物流需求量更精准方法,为疫情情况下山东省生鲜农产品市场进行科学性、合理化决策提供参考。方法 公路货物周转量、互联网普及率、GDP、人口数量、第一产业增加值等十大影响因素作为自变量,以生鲜农产品的需求量作为因变量,分别将小波神经网络、人工神经网络(BP)、遗传算法优化神经网络(GA−BP)、粒子群优化神经网络(PSO−BP)、长短时记忆网络(LSTM)等5种方法的数据预测进行对比分析。结果 波神经网络和BP神经网络的预测值明显低于真实值,且平均相对误差接近20%,而优化后的GA−BP、PSO−BP、LSTM算法误差均小于5%,分别为4.06%、1.162%、0.45%,因此,LSTM预测精度最高,效果最好。结论 来山东省的生鲜农产品需求量将持续增长,LSTM算法以其精确度更高,学习能力更强的优点,将会被更多地应用到物流领域研究中。