淤浆法高密度聚乙烯用铬系催化剂中毒原因及应对措施

介绍了淤浆法高密度聚乙烯装置铬系催化剂的反应机理,分析了铬系催化剂中毒的原因并提出相应的改进措施。结果表明,切换旋液分离器,投用高压过滤器,切换异丁烷泵,原料纯度不达标,催化剂下料系统的工艺控制偏差等因素都会导致催化剂中毒,通过采取控制装置操作及原料纯度、优化催化剂下料等措施,可有效减少催化剂中毒事故的发生,达到延长装置运行周期的目的。     

用微量热法研究RDX和HMX的稀释/结晶动力学

导出了描述结晶生长过程的3个热动力学方程和这些动力学方程的参数与常数间的2个关系式。用Calvet微热量计测定了RDX和HMX从二甲基亚砜、环已酮和硝酸中的稀释／结晶总放热量和产热速率。用导出的方程和关系式处理了RDX和HMX的放热稀释／结晶生长过程的动力学数据。结果表明,RDX和HMX的放热稀释／结晶过程服从Burton—Cabrera—Frank位错理论。     

用非等温分析法估算含能材料的热爆炸临界温度（英）

通过合理的假设，从谢苗诺夫(Semenov)的热爆炸理论和两种非等温动力学方程：dα／dt＝A(1—α)e^-Em/RT和dα／dt＝A(1-α)[1 Em/(RT)(1-T0/T)]e^-Em/RT，导出了估算含能材料(EMs)热爆炸临界温度(Tb)的两种方法。从EMs的非等温DSC曲线，我们很容易得到计算Tb值所用的自催化反应活化能(Ea)、onset温度(Te)和偏离基线的初始点温度(To)。对硝化棉而言，两种方法所得的Tb值彼此吻合。     

基于中心损失-改进卷积自编码器的滚动轴承半监督故障诊断

当前基于深度学习的旋转机械故障诊断技术，凭借其强大的逐层加工和内置特征变换功能受到广泛关注，然而传统用于故障诊断的深度网络需要大量标签数据，且诊断结果依赖于标签的数量和准确性。为此，提出一种基于中心损失-改进卷积自编码器(center loss-improved convolutional auto-encoder, CL-ICAE)的半监督故障诊断方法。该方法首先利用连续小波变换将故障信号转换为时频图，细化故障特征表征；之后构建改进的卷积自编码器网络结构，并引入批量归一化(batch normalization, BN)和Dropout,在特征提取阶段防止过拟合；之后在分类阶段，通过将中心损失(center loss)引入Softmax损失函数，构建联合损失函数，使故障特征实现类内距离更小，特征差异更大，进一步提高分类精度。最后，将所提方法通过凯斯西储大学轴承数据集和轴承故障试验平台进行验证，结果表明在少量标签样本情况下，均可实现有效的故障诊断，提升诊断准确率。     

由磨削力确定磨削凸轮时的变速规律

本文依据实验结果，针对摇架式凸轮磨床在磨削凸轮时存在的颤振问题，从引起磨削颤振的根本原因－－磨削力入手，以瞬时磨削力基本恒定为依据，否定了“凸轮磨削点处的瞬时线速度决定磨除率。只要控制凸轮轴转速，使v为恒定值，则可实现恒速率磨削”的结论，并探讨了避免产生磨削颤振时凸轮轴的变速规律。