季铵盐接枝提高玻璃纤维膜表面Zeta电位

以玻璃纤维膜为基体,通过等离子处理,再进行化学接枝有机硅季铵盐,制备出荷正电玻璃纤维膜。采用扫描电子显微镜(SEM)、全衰减反射-傅里叶红外光谱图(ATR-FTIR)、X射线光电子能谱分析(XPS)、热重分析(TGA)等对改性玻璃纤维膜的结构与性能进行表征。采用Zeta电位法考察电解质溶液的种类、浓度、pH对改性玻璃纤维膜表面Zeta电位的影响。结果表明:季铵盐在玻璃纤维膜上的接枝量为2.47%;电解质种类对膜表面Zeta电位值影响较大,电解质浓度对Zeta电位测试稳定性影响较大;Zeta电位随pH的升高而下降,在pH值为7.0的0.001 mol/L的KCl溶液条件下,改性玻璃纤维膜表面Zeta电位提高到27.35 mV。     

月桂酸改性氧化锌纳米颗粒的Pickering乳化性能研究

研究了不同程度月桂酸表面改性氧化锌纳米颗粒的Pickering乳化性能。通过调节月桂酸用量来改变氧化锌纳米颗粒表面亲疏水性(接触角θ),并探讨了不同接触角氧化锌纳米颗粒稳定的Pickering乳液的乳滴粒径、相转变及稳定性变化规律。结果表明,部分亲水的氧化锌纳米颗粒稳定(三相接触角40°～60°)的O/W型乳液具有最小的液滴尺寸和最优的稳定性。在最优条件下利用Pickering乳液聚合法制备了表面负载氧化锌纳米颗粒的有机硅弹性微球,粒径为5～20μm。     

Terminal Blend胶粉改性沥青的发展

TB胶粉改性沥青是在传统湿法橡胶沥青的基础上,发展起来的一种新型改性沥青,具有黏度低、储存稳定性好等优点。从制备过程、改性机理、组分分析、性能评价、影响因素、应用及优缺点等方面,归纳总结了近年来TB胶粉改性沥青的相关研究成果,对TB胶粉改性沥青进行了全面的综述。重点介绍了TB胶粉沥青的改性机理,即胶粉在高温高速剪切条件下,发生脱硫降解反应,显著降低了结合料的黏度,改善了施工和易性、储存稳定性及低温性能,同时降低了高温性能。最新研究表明,采用TB+SBS、TB+纳米材料、TB+岩沥青或TB+反应型改性剂复合改性,能够制得综合性能较好的改性沥青,是TB橡胶沥青未来主要的发展方向。     

近似完全匹配层边界条件吸收效果分析及衰减函数的改进

完全匹配层边界条件存在两个问题，一是如何减少实际应用带来的额外存储量以及提升计算速度，另一个是如何提升匹配层的吸收效果。对于第一个问题发展了多种非分裂形式，本文采用一种直接对波场进行变换的新型非分裂方法，相比卷积完全匹配层具有不改变方程的形式以及易于实现等优势。对于如何进一步提升完全匹配层吸收效果，没有太大的进展。这是因为离散差异使匹配层的吸收问题更为复杂，一般采取增加匹配层层数的措施缩小离散差，但是又会导致计算量和存储量的增加。本文以在不增加匹配层层数以及不减小理论误差的情况下减小离散差异所带来的虚假反射为目的，分析传统的衰减因子，研究匹配层的吸收机理，设计新的衰减因子，以提高完全匹配层的吸收性能。新衰减因子能够进一步削弱虚假反射振幅，在匹配层层数为5~20层时，对应的边界反射振幅只有改进前的40%~80%。     

极端耗水层带精准识别和调堵新技术

油田注水开发后期,部分油层存在极端耗水层带,存在耗水量大,注水驱油效率低,水循环成本高的开发问题,精准认识并有效封堵极端耗水层带,可提高注水利用率。目前国外出现了应用磁性纳米粒子的精细表征新技术及超顺磁性纳米颗粒封堵新技术,抑制极端耗水,实现低成本、高强度、深度堵调。     

地质雷达探测漂石中砂层的应用

该文提出用地质雷达对漂石层中的砂层进行探测的方法。利用电磁波在漂石与砂层间的不同反射特征对砂层进行识别,通过对已开挖的实际剖面做实验及后期对探出的砂层进行开挖验证,均说明用地质雷达探查漂石中的砂层是可行的,可以在类似工程中推广应用。     

5G分场景TDD与FDD参数优化策略研究

2020年随着5G全面商用及大规模工程建设，无线网络正式进入并将长期处于“大建设、大调整、大优化”周期，2/4/5G多制式、5模13频的复杂无线网络成为常态。面对4/5G无线网络协同发展，现网存在多张网共存的格局。为不断提升用户感知，在TD-LTE E\D\F\FDD900\1800分层组网下，探索在不同场景与业务需求下，最佳的TD-LTE和LTE FDD融合组网策略。     

高地压严重突出区域下向穿层钻孔预抽消突技术

利用工作面高抽巷施工掩护顺槽掘进工作面下向穿层条带预抽钻孔,通过对钻场底板深、浅孔注浆封堵围岩裂隙解决了孔内返水不畅难题;采取了"两堵一注"封孔方式确保封孔严密不漏气;孔内全程下吹水管,实现了单孔、分组、定时吹水工作目标,提高了下向消突钻孔抽采效果,形成了一套高效、快速的下向穿层钻孔消突管理模式,实现了高地压严重突出区域煤层高效消突以及技术经济一体化目标,安全经济效益显著。     

基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。