端氨基SiO2/双马来酰亚胺树脂固化反应动力学

采用溶胶凝胶法以硅烷偶联剂KH-792及正硅酸乙酯为原料,制备了一种末端含有氨基的杂化SiO_2(SiO_2-NH_2),将其加入双马来酰亚胺(BMI)树脂中,通过红外光谱,凝胶时间测定及示差扫描量热分析研究了SiO_2-NH_2对BMI树脂固化反应动力学的影响。结果表明,树脂体系的固化工艺为140℃/2 h+180℃/2 h+220℃/4 h+250℃/6 h,SiO_2-NH_2的加入促进了BMI树脂体系的固化,且体系的表观活化能有所降低,可在工程领域良好应用。     

高速公路钢箱梁制作与拼装施工技术

以麒师高速公路师宗东枢纽立交上跨江召高速公路车行天桥工程为背景,针对其中的连箱梁施工展开探讨,阐述了具体制作方式,提出适用于钢箱梁的拼装工艺,将其应用于实际施工中,为大桥钢箱梁施工作业提供了指导,最终顺利完成钢箱梁施工作业,具有一定的参考价值。     

软袋大输液的优点及其生产线新品的特点

从软袋大输液与玻璃瓶大输液的比较指出了软袋大输液的优点,阐述了软袋大输液生产线的应用前景,并叙述了楚天公司软袋大输液生产线新品的研发及特点。     

基于高斯映射的CAD网格法向聚类分割方法

网格模型特征的分割和识别,能够极大地提高复杂机械产品设计中模型重用、模型编辑的效率。由此,提出一种基于高斯映射的法向聚类CAD网格分割方法。对网格模型各面片法向进行高斯映射,建立各单元面片边连接邻域与高斯球面法向的对应关系。对各法向在高斯球面上进行k-means聚类分割,依据法向初始聚类类型和二面角阈值细化分割。将过分割的细小区域进行合并处理,根据各区域邻接矩阵及其类型的相似性进行特征识别和归并处理。本算法能够高效地对复杂机械产品的网格模型进行分割和识别,不受网格疏密的限制。     

基于分类算法的汽动给水泵组故障预测

汽动给水泵组是火电厂热力系统的重要辅助设备,对汽动给水泵组有效的故障预测有助于其状态检修。本文通过基于统计特征的特征提取方法及Relief特征选择算法,实现厂级监控信息系统历史数据到分类模型输入参数的合理转化,并采用5种分类算法分别针对2个电厂汽动给水泵组的小机叶片断裂和给水泵动、静平衡盘碰磨实际故障案例,建立了正常与故障状态的分类模型。实际数据验证表明:BP神经网络、支持向量机和组合分类算法分类效果更优,可提前4～10周识别设备故障的潜在风险,该结果为其他设备故障预测提供了新的思路。     

基于激光雷达的同时定位与地图构建方法综述

首先分解激光SLAM的基本框架,分别对前端扫描匹配、后端优化、闭环检测与验证、地图构建四个模块近年来的主流算法进行总结;然后对基于滤波器和基于图优化两种激光SLAM框架下的代表性方案进行深入分析和比较;最后对激光SLAM的发展趋势进行展望。     

热致相分离法聚偏氟乙烯多孔膜制备及微结构调控

以邻苯二甲酸二辛酯(DBP)和己二酸二辛酯(DOA)组成混合稀释剂,采用热致相分离法(TIPS)制备了聚偏氟乙烯(PVDF)平板膜。通过冷场发射扫描电子显微镜观察所得膜形貌,采用差示扫描量热仪测试膜热力学性能,并对其渗透性能及力学性能进行测试表征。研究了稀释剂配比与聚合物浓度对PVDF平板膜结构和性能的影响。结果表明,PVDF/DBP/DOA体系成膜过程以S-L分相为主,呈典型的球晶结构。随PVDF浓度和混合稀释剂中DOA比例增加,膜横截面球晶结构尺寸及球晶结构晶粒间空隙均变小,同时膜表面孔隙率减小,致密度增加。此外,混合稀释剂中DOA比例增加,能够改善膜的力学性能,但会减小膜的纯水通量。     

数字化背景下“饾版·拱花”非遗印刷技艺的应用再生研究

目的将传统木版水印技艺与现代科学技术相结合,以现代科技改造传统工艺,使木版水印得到另一种形式的传承。方法针对数字化背景下的木版水印的再生研究,将数字图像处理技术与传统木版水印的分色步骤相结合,然后再结合激光雕刻技术进行刻版环节,最后使用计算机配色技术完成最后的印刷过程。结果采用实验法完成了木版水印的制作工艺,并达到了预期效果。结论木版水印与现代数字技术相结合具有可行性,将现代科技与传统工艺结合对推动木版水印文化的发展具有积极意义。     

深度神经网络在螺旋桨叶片数识别中的应用

从调制(Demodulation on Noise, DEMON)谱谐波簇中提取的结构特征可以建立用于螺旋桨叶片数识别的模板。使用模板匹配算法进行螺旋桨叶片数识别时,存在依赖模板库和置信度准则、算法约束条件多、无法发现缺失模板等问题。本文提出了一种将深度神经网络(Deep Neural Network, DNN)应用于螺旋桨叶片数识别的方法,该方法仅在训练深度神经网络时使用模板库,克服了识别过程中对模板库和置信度准则的依赖。此外,通过提取识别错误项,可以找到缺失模板,实现了对模板库数据的补充。使用该算法对大量实测数据进行检测,发现深度神经网络具有更高的识别正确率,而且识别过程更加简单可靠。