高分子材料导热性能影响因素研究进展

介绍了高分子材料导热性能影响因素研究进展，重点阐释了聚合物基体的结构特性（链结构、分子间相互作用、取向、结晶度等）、导热填料（种类、含量、形态、尺寸等）以及制备方法等对高分子材料导热性能的影响。     

微纳层叠聚丙烯腈凝胶流动特性的数值模拟研究

建立了层叠流道的三维模型和有限元网格模型，根据流变测试数据，采用Polymat对物料的黏度模型参数进行拟合，并利用Polyflow软件对聚丙烯腈（PAN）凝胶在层叠流道内的三维等温流动过程进行了数值模拟分析。研究发现，当入口流量增大时，层叠流道出口速度的不均匀性增加；沿流动方向流道内压力逐渐降低，并在出口处降低至同一最低值；流道进出口压力差与入口流量大小具有正相关性；在流道的中心截面上剪切速率分布均匀，波动较小。     

抑制锌枝晶的新型负极材料ZnSO4·3Zn(OH)2·H2O@石墨烯的制备

锌的可充电电池有良好的电化学性能,但锌枝晶的问题会导致其库伦效率降低,发生短路,甚至形成"死锌".利用沉淀法制备新型复合材料ZnSO4·3Zn(OH)2·H2O@石墨烯作为电池的负极,使用2 mol/L K2SO4作为电解液,利用沉淀-溶解机制以达到实现抑制锌枝晶的目的.采用X线衍射仪(XRD)对循环前后的负极材料进行表征,用电子扫描显微镜(SEM)观察其形貌,结果表明,制备的新型负极材料在2 mol/L K2SO4电解液中能够完成1000次全放电/充电循环,库伦效率接近100％,容量保持80％,可以有效抑制锌枝晶,以实现电池的长循环稳定性.     

植物油与矿物油在电力变压器中应用对比与分析

介绍了植物油与矿物油的性能对比及植物油应用优点,并进行了植物油变压器与常规变压器工艺时间的对比,针对植物油的特点提出了专门的变压器生产工艺和特殊的试验方案.     

聚酯装置全消光转产特种消光过渡优化

总结了中国石化仪征化纤有限责任公司全消光转产特种消光切片的现状,根据理论计算反应釜中的TiO2含量随时间变化的公式,探索影响转产过渡时间的因素,为减少转产过渡时间,降低过渡料提供理论依据.     

砂石桩加固浅层地基在生态修复工程中的应用

结合工程实例,在生态修复工程中,分析施工地区的地层土质情况,进而采用振冲砂石桩法对淤泥土层进行地基处理,介绍了砂石桩加固地基的原理和施工工艺.采用标贯试验评价了地基的承载效果,结果表明:采用振冲砂石桩加固淤泥质软土地基,对提高地基的承载力有明显效果,减小了复合地基整体变形,有利于生态和环保.该案列为类似的生态修复工程中应用砂石桩复合地基提供了参考.     

极间距对车用MAO层组织结构及耐蚀性的影响

在硅酸盐电解液体系中用不同极间距制备汽车用镁合金表面微弧氧化(MAO)层.对比不同极间距(40、120、200、280、360 mm)的涂层微观结构,设计电化学试验,分析极间距对涂层耐蚀性的影响.结果表明:将极间距增至200 mm,涂层表面平整,微孔较小,且均匀分布,缺陷数量低,致密度更高.MAO层由内部致密层与外部疏松层构成,致密层和基体结合层厚度较小.以不同极间距制备的涂层元素与物相成分基本一致.增大极间距后,涂层厚度降低,正面涂层厚度比反面大,在距离达到200 mm前,正反面涂层厚度相近.当距离达到200 mm时,腐蚀电流密度最小,涂层耐蚀性最优,涂层耐蚀能力可通过设定极间距调节.     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

考虑建模误差的小型飞行器导航制导控制器设计

由于传统小型飞行器导航制导控制器对于飞行器的飞行状况调查完善度较低,数据收集力度较小,勘查条件较少.因此,本文基于建模误差设计了一种新的小型飞行器导航制导控制器.建立控制器结构,完善数据内部操作结构,获取相关性参数,并根据动力学模型,深入分析控制器数据,整合获取的信息,综合控制器设计优化算法,实现对小型飞行器导航制导控制器流程的设计.实验结果表明,相较于传统小型飞行器导航制导控制器,本文提出的设计能够在一定程度上控制数据设计的具体流向,掌控基础数据状态,具备较高的控制器反应灵敏度,且操作消耗时间较短,能够提供更为优质的系统服务.     

基于深度信念网络的滚动轴承特征迁移诊断

滚动轴承的故障智能诊断研究多是针对同源数据进行，而不同型号、不同工况下的滚动轴承，由于时、频特征差异，加之背景噪声的影响，导致识别准确率偏低。为了解决这一问题，笔者以6307和6205两类深沟球轴承为研究对象，建立了以深度信念网络（deep belief network，简称DBN）为核心的迁移诊断模型，构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径（共振频带差异）和背景噪声的影响，引入最大相关峭度反卷积（maximum correlated kurtosis deconvolution，简称MCKD）方法，并对其关键参数实施了自适应选取。结果表明，由MCKD与DBN联合组成的迁移诊断模型，在3类不同数据源之间的诊断准确率均超过了95%，为滚动轴承的迁移特征诊断提供了一条可行的途径。