喷油方式对斜齿轮齿面温度的影响

为探讨喷油方式对齿面温度的影响，以斜齿轮为研究对象，通过CFD仿真和试验研究不同喷油方式对斜齿轮齿面温度的影响。针对斜齿轮喷油润滑过程的特点，分析其齿面摩擦生热量，简化轮齿喷油润滑计算模型，并基于CFX进行齿面对流换热仿真研究，得到了不同喷油方式下的齿面温度；基于功率开放式斜齿轮试验平台，对不同喷油方式下的齿面温度进行了试验测量，与仿真计算结果进行对比分析。结果表明：在高速重载斜齿轮传动系统中，啮出侧喷油润滑的方式比啮入侧喷油润滑方式的冷却降温效果要好。     

儿童用品TBT通报数据可视化预警研究

探索采用数据可视化技术分析儿童用品TBT通报数据,以可视化图形图像呈现通报热点并揭示趋势信息,提出对策与建议,助力为儿童用品产业升级、TBT预警数据分析和信息传播工作提供新思路,提高中小企业的国外市场准入机会。     

芽孢杆菌Bacillus sp.dwc-2对模拟地下水中U(Ⅵ)的还原行为研究

在厌氧条件下研究了西南地区一种典型土壤微生物芽孢杆菌Bacillus sp.dwc-2对模拟地下水中U(Ⅵ)的还原行为，重点考察了时间、无机阴离子、腐殖酸（HA）及富里酸（FA）对还原的影响，并利用TEM、EDS、SAED和XPS对还原后的样品进行了表征。结果表明：在pH=7.0、c_NaHCO3=5 mmol/L和T=303 K条件下，Bacillus sp.dwc-2对U(Ⅵ)的还原率随时间的增加而增加，24 h内最大还原率为12.2%，此后则随时间的增加逐渐降低；HA和FA对U(Ⅵ)的微生物还原行为有一定影响，其中HA和FA浓度为25 mg/L时，U(Ⅵ)的还原在24 h最明显，其还原率分别为14.2%和16.2%，但随着HA和FA浓度的继续增加，因在U(Ⅵ)离子与HA、FA形成的配合物表面形成致密的腐殖层，抑制了电子的转移，阻止了U(Ⅵ)的还原。此外，研究表明HCO₃^-也会抑制U(Ⅵ)的还原。TEM-SAED和XPS分析证实了还原过程中U(Ⅳ)的存在。上述结果可为真实环境中微生物还原U(Ⅵ)提供基础数据和参考。     

Blocked crystallization in capped ultrathin polymer films studied by molecular simulations

The crystallization of capped ultrathin polymer films is closely dependent on film thickness and interfacial interaction. Using dynamic Monte Carlo simulations, the crystallization behaviors of polymer films confined between two substrates were investigated. The crystallization rate of confined polymers is reduced with high interfacial interactions. Above a critical strength of interfacial interaction, polymer crystallization in the thin film is inhibited within the simulation time scales. An increase in film thickness leads to a rise in critical interfacial interaction. In thicker films, the chains have more space to change conformation to form crystal stems. In addition, there are fewer absorbed segments in confined chains for the thicker films, and thus the chains have stronger ability to adjust their conformation. Therefore an increase in film thickness can cause a reduction in the entropic barrier required for the formation of crystals and thus an increase in the critical interfacial interaction. © 2018 Society of Chemical Industry     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。