一种确定波片快慢轴方位的新方法

提出了一种新的波片快慢轴的确定方法,此方法是将待测波片置于起偏器和检偏器之 间,通过旋转待测波片,对出射光的光强进行两组数据测量,就可以确定待测波片的某一光学主轴,再通过判断出射光的偏振态来确定该光学主轴是快轴还是慢轴。本方法对测量用的光源波长、光电探测器的线性、暗流及各向同性性均没有要求,可以确定出任何相延角波片的快慢轴,定轴精度可达±0. 1°。     

用C 80量热仪研究锂离子蓄电池材料热特性

锂离子蓄电池材料的热稳定性直接关系到锂离子蓄电池的安全性,为研究锂离子蓄电池材料的热稳定性,使用C 80微量量热仪研究了锂离子蓄电池典型电解液、LiCoO2正极材料和石墨负极材料的热力学和动力学特性.实验表明,C 80微量量热仪是研究电池材料热特性的有效方法.     

岳西县桃李小水电代燃料生态保护工程建设

小水电是国际公认的可再生清洁能源。岳西结合独特的丰富水能资源,通过实施小水电代燃料项目建设,在经济、社会、生态等方面取得了显著成效。     

仿生制造技术研究

在论述制造过程和生命过程的相似之处后，阐明仿生制造应向生物体学习诸如自我发展、自组织、自适应、进化等功能，以适应日渐复杂的制造环境。在综述仿生制造技术模型化的基础上，提出了基于智能结构的仿生制造模型     

关于小水电供区并大网运行有关问题的思考

本文分析了水电供区并大网运行中存在的问题,对安徽省水电有限责任公司所属的电网情况进行了一些调查,并引发了一系列思考.     

超细CL-20/HMX共晶的制备、表征及其与推进剂组分的相容性

通过加入微量溶剂,采用超高效混合技术,在70 g的加速度条件下反应30 min制备得到摩尔比为2∶1的超细六硝基六氮杂异伍兹烷与奥克托今(CL-20/HMX)共晶,通过X射线粉末衍射、差示扫描量热法鉴定了CL-20/HMX共晶的形成,并对其形貌、粒度、感度等进行了表征测试。结果表明:制备的超细CL-20/HMX共晶纯度为92.6%,共晶炸药呈规则块状、表面光滑、粒径小于1μm、粒度分布均匀,其X射线衍射图在11.558°,13.264°,18.601°,24.474°,33.785°,36.269°处出现新的较强的衍射峰。超细CL-20/HMX共晶放热分解过程中只有一个放热分解峰,其放热峰温为248.3℃,其分解放热量(2192.1 J·g^-1),显著高于相同摩尔比的物理混合物(1327.3 J·g^-1)。按照GJB772A-1997《炸药试验方法》测得的摩擦感度比原料CL-20降低了16%,特性落高比原料CL-20提高28.6 cm,比原料HMX提高11.5 cm,形成共晶后安全性能更高。采用DSC法研究了超细CL-20/HMX共晶与推进剂常用组分均聚叠氮缩水甘油醚(HGAP)、硝化甘油/1,2,4-丁三醇三硝酸酯混合物(NG/BTTN)、缩二脲三异氰酸酯(N-100)、高氯酸铵(AP)、铝粉(Al)的相容性,发现超细CL-20/HMX共晶与NG/BTTN、AP、Al的相容性较好,与HGAP、N-100不相容。     

EA211轴承壳体的生产方法

介绍了涡轮增压器轴承壳体的铸件结构的特殊性及技术要求,针对原工艺的工艺出品率低的问题,对铸造工艺进行改进:采用KOYO线水平浇注,一型8件;采用树脂砂与湿型砂相结合的造型方法,整个铸件在树脂砂芯壳内,浇注系统和冒口为湿型砂;对砂芯、芯头设置排气道,同时外壳也贴排气片,使型腔内的气体及时排出;加大定位芯头面积和深度,对芯头的间隙进行了调整,油路芯将定位槽改为定位芯头。工艺改进后使铸件的出品率提高了15.4%,铸件的成品率由50%~60%稳定在95%以上。通过采用倒包孕育方法及过程控制,使铸件的金相组织符合技术要求。     

几种换热管在电场强化对流实验中传热性能比较

对水平光管、横纹管、螺旋槽管、花瓣管在电场强化（EHD）单管试验中进行对流传热实验,蒸汽走管程,空气走壳程。实验结果表明：在相同的雷诺数下,施加电场后,传热膜系数和阻力系数都有一定的提高,其中花瓣管的强化效率指标最大,达到1．98,在电压为30kV时,花瓣管外电场强化作用最明显,强化系数达2．76。     

台阶齿轮轴磨齿干涉的验算

齿轮作为传动装置中一种重要零件,在高速重载的工况下,需要高精度的加工工艺来保证其高质量传动.磨齿作为齿轮最重要的精加工工艺,其应用已越来越普遍,对7级以上精度要求的齿轮加工尤其如此.     

大数据环境下基于关联规则的多标签学习算法

传统单标签挖掘技术研究中,每个样本只属于一个标签且标签之间两两互斥。而在多标签学习问题中,一个样本可能对应多个标签,并且各标签之间往往具有关联性。目前,标签间关联性研究逐渐成为多标签学习研究的热门问题。首先为适应大数据环境,对传统关联规则挖掘算法Apriori进行并行化改进,提出基于Hadoop的并行化算法Apriori_ING,实现各节点独立完成候选项集的生成、剪枝与支持数统计,充分发挥并行化的优势;通过Apriori_ING算法得到的频繁项集和关联规则生成标签集合,提出基于推理机的标签集合生成算法IETG。然后,将标签集合应用到多标签学习中,提出多标签学习算法FreLP。FreLP利用关联规则生成标签集合,将原始标签集分解为多个子集,再使用LP算法训练分类器。通过实验将FreLP与现有的多标签学习算法进行对比,结果表明在不同评价指标下所提算法可以取得更好的结果。