钢渣复合取代矿粉、砂和石用作混凝土掺合料与骨料及其性能分析

用风淬渣粉取代矿粉、电炉渣砂取代混合砂、电炉渣石取代碎石制备混凝土，分析了混凝土的内照射指数、外照射指数、f-CaO含量、沸煮膨胀值、比表面积、密度、含水率、容重、含泥量、泥块含量、坍落度、抗压强度及其化学组成、矿物组成与微观形貌，研究了钢渣的安全性与稳定性及风淬渣粉取代矿粉、电炉渣砂取代混合砂、电炉渣石取代碎石与钢渣复合取代矿粉、砂和石对混凝土性能的影响。结果表明，风淬渣粉、电炉渣砂和电炉渣石的安全性与稳定性满足国标要求，可用于混凝土。当风淬渣粉取代20wt%矿粉、电炉渣砂取代10wt%混合砂和电炉渣石取代20wt%碎石时，混凝土的性能最优。钢渣复合取代矿粉、砂和石的比例合适，可改善混凝土的界面结构密实度，尤其能提高混凝土养护后期的强度。     

小型特种精细化工过程自动化和信息化研究发展趋势探讨

针对采取小批量间歇性批次生产方式、工艺介质腐蚀性强、危险性大的小型特种精细化工生产工艺研究试验过程自动化、信息化程度不高，导致工艺研究试验中获取数据较少、过程机理研究不够透彻、人工操作多、安全风险高、研究试验消耗大及效率不高等问题，综述了期待通过智能控制、在线分析、模拟仿真和虚拟制造、工况监测及预测性维护以及信息管理和生产调度等关键技术的研究和应用，提高小型特种精细化工生产工艺过程的自动化和信息化程度，实现小型特种精细化工生产工艺过程的数字化、虚拟化和智能化，降低生产安全风险和试验消耗，提高小型特种精细化工生产工艺研究试验的成功率和效率，达到小型特种精细化工生产工艺过程的数字化设计和精准生产的目标。     

木粉疏水改性对HDPE基木塑复合材料性能的影响

采用一种操作简便且易于工业推广的方法对木粉进行疏水改性，具体过程为：将3种可热聚合的单体，即甲基丙烯酸甲酯（MMA）、甲基丙烯酸丁酯（BMA）和苯乙烯（St）均匀喷洒在木粉上，经过预热处理后，与配方中其他组分，如高密度聚乙烯（HDPE）和马来酸酐接枝聚乙烯（MAPE）等通过高速混合机混合均匀，采用双螺杆挤出机造粒后，注射制备木塑复合材料（WPC）样条，测试其力学性能。另外，考察了疏水改性对WPC接触角、维卡软化温度、洛氏硬度、吸水性能、热性能的影响规律。结果表明：疏水改性后WPC的接触角增大，木粉和HDPE的界面相容性改善，力学性能得到明显提高。其中，当MMA、BMA和St的添加量为3%时，WPC的力学性能最好，与疏水改性前相比，弯曲强度分别提高了17.3%、26.3%和27.5%，弯曲模量分别提高了24.4%、24.4%和26.0%，冲击强度分别提高了54.7%、57.7%和60.5%。 此外，疏水改性后WPC的维卡软化温度、洛氏硬度、耐水性和耐热性也得到改善。     

基于深度学习的传感器优化布置方法

针对传感器优化布置(optimal sensor placement,简称OSP)问题,提出了一种新的使用深度神经网络的解决方案,并以简化的桥梁形状的桁架结构中的振动测试传感器优化为例进行了验证。首先,选择一种传统的传感器优化布置方法,对自动化生成的大量不同的桁架结构分别进行传感器优化布置计算,将所得优化布置结果在进行数据预处理后构建出深度学习方法所需要的训练集与验证集;其次,使用Python语言和深度学习框架TensorFlow设计实现与本研究问题适配的深度神经网络模型并训练;然后,随机生成了新的桁架结构参数;最后,将深度神经网络输出的传感器布置结果和传统方法的计算结果进行了比较,验证了本研究方法的有效性以及在速度上、可移植性与可扩展性方面的性能优势。     

镜头成像畸变的MTF像高测试法研究

为了解决传统标板拍摄测试广角镜头成像畸变的不准确、复现性差问题,提出了基于调制传递函数(MTF)理论的成像畸变测试方法。通过研究镜头畸变测试国内外的研究现状,重点分析了成像镜头特别是广角镜头采用传统标板拍摄测试成像畸变的缺陷。提出了一种通过测试镜头轴上有效焦距和不同角度的离轴有效焦距,并导入畸变计算公式从而得到镜头成像相对畸变的MTF测试方法。研究结果表明,采用MTF测试方法可以实现对镜头成像畸变的快速、准确的测量。     

来流马赫数影响高负荷扇形扩压叶栅气动性能的研究

为研究亚音速高负荷扇形扩压叶栅NACA0065-K48的变工况性能,采用数值方法研究了来流马赫数对叶栅气动性能和流场结构的影响,来流马赫数的取值范围为0.3～0.8。计算结果表明:随着来流马赫数的增大,叶栅静压比不断提高,但总压损失先减后增,马赫数在0.5～0.7范围内叶栅具有较好的综合气动性能。扇形叶栅下角区分离程度大于上角区的不平衡流动现象会随着马赫数的增大而加剧,通道涡则是这一发展趋势的主导,且马赫数达到0.7之后,下角区通道涡与集中脱落涡趋于融合。此外,下端壁分离螺旋点的形成与发展是控制下角区分离程度和损失大小的关键。     

A small-scale silica gel-water adsorption system for domestic air conditioning and water heating by the recovery of solar energy

A small-scale silica gel-water adsorption system with modular adsorber, which utilizes solar energy to achieve the cogeneration of domestic air conditioning and water heating effect, is proposed and investigated in this paper. A heat recovery process between two adsorbers and a mass recovery process between two evaporators are adopted to improve the overall cooling and heating performance. First, the adsorption system is tested under different modes (different mass recovery, heat recovery, and cogeneration time) to determine the optimal operating conditions. Then, the cogeneration performance of domestic cooling and water heating effect is studied at different heat transfer fluid temperatures. The results show that the optimal time for cogeneration, mass recovery, and heat recovery are 600 s, 40 s, and 40 s, respectively. When the inlet temperature of hot water is around 85°C, the largest cooling power and heating power are 8.25 kW and 21.94 kW, respectively. Under the condition of cooling water temperature of 35°C, the obtained maximum COP_c, COP_h, and SCP of the system are 0.59, 1.39, and 184.5 W/kg, respectively.     

内插螺旋立式上行管流场及传热性能的实验研究

通过粒子图像测速流场实验与传热实验相结合，研究了内插螺旋立式上行管的螺旋节距、丝径、中径比等结构参数在不同Re下对流场、阻力及传热性能的影响。结果表明，内插螺旋能够有效扰动和混合管内流体，使管内形成多个纵向旋涡的流体结构、增大管壁附近液体涡量，有利于强化传热。当Re相同时，管内平均流速v、Nu和综合换热性能PEC均随丝径增大而增大，随中径比减小而增大；随节距增大，3种参数均出现增大的趋势，节距大于20 mm后开始减小。管内流体的阻力f随丝径和节距增大而减小，随中径比增大而增大。综合比较，在较低Re时，节距p=20 mm、丝径e=1.6 mm、中径比D/d=0.75时综合传热效果最好。     

基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法，并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息，经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后，分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型，再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长，同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中，经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好，预测集决定系数R²为0.9791，均方根误差RMSE为0.3723；在基于特征波长构建的模型中，经SG平滑预处理建立的神经网络模型预测效果最优，预测集决定系数R²为0.9658，均方根误差RMSE为0.4759；验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大，因而能够极大地减少运算量，提高预测效率。