建筑用纺织品新材料

随着以微电子技术为主的信息、生物、新材料、新能源、航空航天以及海洋开发等高技术的蓬勃发展,国内外出现了一批新兴的高技术产业。由于高技术的渗透、移植,使纺织设备、纺织产品高技术化。另外,新兴产业也要求纺织工业提供更多更好的纺织新材料,纺织工业已经成为国民经济中一个重要的材料制造部门。 当今,科学与科学、产业与产业的界限日益模糊,出现了交叉科学、交叉产业,边缘产业,纺织新材料产业就是交叉产业、边缘产业。因此,发达国家对产     

改进的基于熵的中心聚类算法

依据基于熵的模糊聚类算法（EFC）,提出一种改进的基于熵的中心聚类算法,即通过EFC算法得到差异性十分明显的原始数据集的簇心,以这些簇心为中心再次进行聚类分析,通过各点到各中心的距离将各点重新分配到以各中心所代表的集合中。改进的算法不仅可以得到具有紧凑且差异明显的聚类结果,还可以使准确率得到有效提高。实验结果表明,该改进的算法能够实现数据集的有效聚类,相比于EFC算法的聚类结果准确率更高。     

蜡含量对稠油水包油乳状液性质的影响

对于含蜡稠油水包油乳状液性质影响的研究多集中于胶质、沥青质、固体颗粒等因素上,对于蜡组分对水包油乳状液性质的影响研究较少。本文以某油田稠油和石蜡配制的不同含蜡量的乳状液为研究对象,利用Zeta电位粒度仪、界面张力仪以及流变仪等分析了不同含蜡量对乳状液Zeta电位、界面张粒径大小、流变性、粘温特性、表观粘度的影响。研究表明,在一定温度、一定含蜡量下水包油乳状液Zeta电位下降,表面张力降低,粒径减小,稳定性增强,对乳状液流变性不会产生明显影响。温度变化对含蜡稠油水包油乳状液性质有重要影响。     

洗选过程中硫元素迁移的影响与燃烧释放特性分析

分析煤炭洗选过程硫元素的迁移和燃烧释放特性。以产自山西的某煤炭作为原料,经过加热洗选获得煤炭产品后,分析洗选时间、洗选温度对于硫元素迁移影响,并对比洗选前后硫元素迁移特性。以未经洗选的原始煤炭、洗选后的精煤和矸石作为对象,分析温度、时间等因素对于硫元素燃烧释放特性影响。结果显示,随着洗选温度增加煤炭洗选后黄铁矿硫的脱出率最高,洗选温度升高降低煤炭含硫量,且对比来看,洗选之后硫元素出现降低迁移变化。燃烧释放试验显示,升高试验温度会导致硫释放量增加,高温环境反应20 min以后硫元素几乎完全释放。     

圆弧齿锥齿轮尖齿刮削刀盘的齿形设计与重磨

圆弧齿锥齿轮硬齿面刮削加工新工艺作为一种消除热处理变形的有效手段,已得到越来越广泛的应用,铲齿和圆磨齿刮削刀盘的齿形设计、误差分析及重磨工艺等问题都已得到较好解决,刮削加工后的齿面接触区亦已得到保证。众所周知,铣刀盘若采用尖齿刀头,比之铲齿有许多优点,如前、后刀面都是平     

提高齿轮滚刀精度寿命途径的探讨

提高齿轮滚刀精度寿命是一个极待解决的技术问题,对齿轮加工(特别是大模数齿轮)有重要意义.据分析,齿轮滚刀精度寿命主要受重磨齿形误差制约,从而与齿形公差标准,造形设计方法,铲磨和重磨工艺等问题密切相关。本文在分析了多把滚刀齿形误差实测数据的基础上,就以上各个方面提出了一些看法和意见,供商榷。     

实现圆锥直齿轮“根切”专用模板的设计

运用展成法精加工硬齿面圆锥直齿轮时,如果刨齿刀的顶刃参加切削,将增加切削负荷,降低齿面精度和减少可转位刨齿刀的转位次数。为避免在精加工后齿形根部留有凸台,在热处理前的粗加工时,就应该解决“根切”问题。通过设计专用模板在Y23160刨齿机上加工圆锥直齿轮,解决了这一问题。     

图神经网络前沿进展与应用

图结构数据是现实生活中广泛存在的一类数据形式.宏观上的互联网、知识图谱、社交网络数据,微观上的蛋白质、化合物分子等都可以用图结构来建模和表示.由于图结构数据的复杂性和异质性,对图结构数据的分析和处理一直是研究界的难点和重点.图神经网络(Graph Neural Network,GNN)是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架,其优异的性能引起了学者高度的关注和深入的探索.通过在图中的节点和边上制定一定的策略,GNN将图结构数据转化为规范而标准的表示,并输入到多种不同的神经网络中进行训练,在节点分类、边信息传播和图聚类等任务上取得优良的效果.与其他图学习算法相比较,GNN能够学习到图结构数据中的节点以及边的内在规律和更加深层次的语义特征.由于具有对图结构数据强大的非线性拟合能力,因此在不同领域的图相关问题上,GNN都表现出更高的准确率和更好的鲁棒性.本文在现有GNN研究的基础上,首先概述了GNN的出现历程,并介绍了相关概念和定义.之后本文着重讨论和对比了GNN中的各种算法框架,包括核心思想、任务划分、学习方式、优缺点、适用范围、实现成本等.此外,本文对GNN算法在多个不同领域下的应用场景进行了详细的阐述,将GNN与其他图学习算法的优缺点作了联系和比较.针对存在的一些问题和挑战,本文勾画了GNN的未来方向和发展趋势,最后对全文进行了全面而细致的总结.