基于复合相变材料的梯级组合蓄热特性研究

针对潜热蓄热装置内部相变材料（PCM）导热系数偏小，蓄热速率过低的问题，对基于复合相变材料的两级串联式梯级蓄热装置的相变过程进行了数值研究。通过对不同热物性PCM工况的对比与分析，得到了装置在不同工况下的蓄热特性。结果表明，存在最佳的热扩散系数，使固定熔点的PCM实现“均匀等速相变”。同时，增大PCM的热扩散系数可以有效降低加热面温度，但随着热扩散系数的增大，加热面温度降低幅度减小。通过分析Stefan数，得到了装置最佳的参数，使工况蓄热效果最佳。最后，通过Stefan数为2.88时的实验工况验证了相关规律的正确性。     

基于点热源模型测试地下岩层热物性参数方法研究

研究表明,综合地热属性参数值设计的埋地管长度大于利用各岩层热性质参数设计的埋管长度。当地下土壤的导热系数或热扩散率发生10%的偏差时,地下埋管设计长度偏差为4.5%~5.8%。点热源模型试验方法可用于测试各岩层的热力学性质,得到各岩层的参数值,为地埋管道系统设计的合理性提供依据和保证。     

导热尼龙66复合材料的制备与性能研究

用共混挤出法制备导热尼龙(PA)66复合材料,研究了导热填料种类、含量及与玻璃纤维复配对复合材料导热系数的影响。结果表明,在选用的3种导热填料中以Al填充PA66的效果最好;当复合材料中填料粒子用量达到一定含量时,填料之间形成特殊的导热通路,提高复合材料的导热性能;随着填料含量的增加,复合材料的导热性能上升,当Al含量为45%时,复合材料的导热系数为0.778 W/(m·K);玻璃纤维与导热填料的共同作用使体系导热系数有一定提高。     

高庙子膨润土及其混合材料导热性能研究

导热性能是高放废物地质处置库缓冲/回填材料的重要性能之一。采用瞬变平面热源法,研究了我国高放废物地质处置首选缓冲/回填材料高庙子膨润土,及以其为主料,添加不同含量石英砂、北山花岗岩碎屑组成的混合材料的导热性能。分析了添加剂种类和含量、干密度、饱和度等因素对导热系数的影响。研究结果表明:高庙子膨润土及其混合材料的导热系数、热扩散系数都随干密度和含水量的增大而增大;石英砂、北山花岗岩碎屑能够不同程度提高膨润土的导热系数,石英砂的作用优于北山花岗岩碎屑;饱和度对添加剂发挥其提高缓冲/回填材料导热性能的作用影响明显,饱和度越高,添加剂的作用越显著。     

咪唑型离子液体热物理性质测量

利用自行搭建的热线法液体热导率和热扩散系数装置测试了两种咪唑型离子液体([C6m Im][BF4]和[C4m Im][BF4])在不同温度下的热导率和热扩散系数。根据文献报道的密度数据获得了样品的比热容。结果表明:两种离子液体的热导率与温度的相关性不大;两种阳离子结构相似的离子液体热扩散率相近,热扩散率随温度的升高有明显的变化,本文认为离子液体内部的离子动量分布与温度紧密相关,离子间的动量交换随温度的升高而增加,离子动量分布随温度升高逐渐趋于一致,离子间碰撞产生的动量交换不再明显改变离子的动量,导致热扩散率的变化随温度升高而减小。     

热针法瞬态测量热物性研究

该文从一维圆柱面传热模型的定解问题出发,分析热线法测量材料热导率的局限性,推证热针法瞬态测量材料热物性的基本原理、热扩散系数和热导率的计算公式,设计和开发针式热物性瞬态测量的软硬件,试制SHT-C针式热物性瞬态测量仪,实现对材料热物性的瞬态测量,并实测证明该测量仪有很好的重复性和实用价值.     

基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.     

基于激光闪光法的立式热扩散率测量装置研究

介绍了基于激光闪光法的立式热扩散率测量装置,利用脉冲激光对样品进行均匀加热,使样品内部产生一维热流,并通过红外探测器测量样品温升信号,采用立式真空加热炉控制测量温度环境,实现室温至1600℃的热扩散率测量。用该装置测量厚度为1. 1 mm,直径为10 mm的不锈钢样品,测量结果与PTB参考数据的偏差小于1%。     

基于热扩散影响力传播的社交网络个性化推荐算法

有针对性地为用户提供推荐,提高互联网信息利用率是个性化推荐系统的主要目标.文中基于热扩散传播概率模型,结合用户在社交网络中隐含的跟随关系,提出基于热扩散影响力传播的社交网络个性化推荐算法.首先,算法将现实生活中人与人的朋友关系转化为购物网络中用户与用户的跟随关系,构建异构信息网络图,计算用户之间的复合相似度.然后,利用基于热扩散概率模型模拟社会网络中影响力的传播过程,计算社交网络中用户的跟随概率分数并精确排序,筛选与目标用户相似的邻近用户.最后,根据目标邻近用户对各个产品的评分,将评分较高、具有潜在兴趣的产品推荐给目标用户,实现个性化的用户推荐.在公开数据集上与现有的个性化推荐算法进行对比,实验表明,文中算法具有较好的精确度和多样化的推荐效果.