光/热双重固化羟丙分散体的制备及性能研究

利用 4-羟基二苯甲酮（ 4-HBP）和丙烯酰氯合成了 4-丙烯酰氧基二苯甲酮（ 4-ABP），将其与丙烯酸类单体共聚制备了光交联型羟丙分散体（ PCHAD）进一步与氨基树脂复配，得到了一系列光 /热双重固化羟基丙烯酸酯分散体 PCHAD-AR。利用差式，扫描量热仪、紫外分光光度计对 PCHAD-AR的光 /热双重固化行为进行了研究，探讨了光 /热双固化顺序和氨基树脂含量对涂膜性能的影响。结果表明：加入氨基树脂后不影响双固化体系的光交联行为；最佳固化工艺为先光后热固化，当光固化 60 s、170 ℃热固化 20 min，氨基树脂用量为分散体的 10%时，涂膜的 Tg为 57. 1 ℃，凝胶含量达到 98%以上，涂膜硬度为 3H，柔韧性为 0. 5 mm，附着力 0级，耐酸、耐醇、耐水稳定性均达到 10 d以上，相比于单一的光、热固化体系，双固化体系涂膜耐碱性提升，涂膜外观无明显变化的时间由 1d延长至 3d。     

成膜助剂对水性氨基烤漆性能影响的研究

本文以羟基丙烯酸分散体和氨基树脂为主要反应物制备了水性氨基烤漆，研究了二丙二醇丁醚（ DPnB）、乙二醇丁醚（ BCS）、二乙二醇丁醚（ DGBE）、丙二醇甲醚（ PM）、丙二醇甲醚醋酸酯（PMA）、异丙醇（ IPA）6种成膜助剂对水性氨基烤漆性能的影响。通过对样品进行动态、静态流变性的表征以及粒径测试，研究了各成膜助剂的作用机理。结果表明： PM对氨基树脂和羟丙分散体树脂都有较好的相容性，其作用在水相和分散体粒子之间，有利于分散体在成膜前体系的稳定性。同时使用 PM为成膜助剂时，漆膜具有较快的表干速度，干燥后表现出较好的力学性能。经 130 ℃烘烤 25 min后，漆膜的 60 °光泽达 89. 5，柔韧性达 1 mm，冲击正冲 50 cm，反冲 50 cm，铅笔硬度 H，说明 PM是本研究氨基烤漆体系的最佳成膜助剂。     

基于层次分析法的叶用甜菜种质资源观赏性评价

根据叶用甜菜品种的观赏特性,运用层次分析法初步建立叶用甜菜品种观赏价值的评价模型,包含叶梗、叶片和整体感3个方面共11个评价因子。结果表明:叶梗是评价叶用甜菜观赏价值的核心要素;叶梗色、叶梗厚、叶丛型是重要因子,分别以红、粉红、粉白叶梗,叶梗厚度厚和直立型叶丛为优良性状。利用该评价模型对8个甜菜品种进行观赏价值综合评价,筛选出‘Clnx-blush2018'、'Clnx-fen2018’和‘荷兰必久'3个观赏价值高、适于市场推广叶品种。     

LNG接收站火炬放空系统设计工况研究与分析

在液化天然气(LNG)接收站工程设计建设过程中，火炬系统的设计是保证LNG接收站安全生产的必要条件。以国内某LNG接收站为例，分析了LNG蒸发气(BOG)产生的因素和机理，及6种工况组合下火炬排放量的计算方法。结果表明：在工况1条件下与实际生产情况吻合良好，其对应的火炬气排放量约为142.7 t/h。在此基础上确定了：BOG支管管径为DN600,BOG总管的管径为DN900;被分离液滴的直径不大于600μm;火炬分液罐尺寸为?2.5 m×8.0 m;电加热器的功率为195 kW;火炬形式为封闭式地面火炬。研究结果可为今后LNG接收站项目火炬系统的处理能力及设备配置提供理论指导。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

一种四自由度操作臂机构设计

一种用于GIS设备检测的操作臂的机构设计，首先依据机构参数以及全局灵活性指标比较了各种关节构型组合的优缺点，从而得出了适合于这里的机械臂的构型方案，然后以力可操作度，加速度性能，灵活性为目标函数，建立了优化求解机械臂运动学尺寸的数学模型，最终通过MATLAB提供的非线性优化函数，完成机械臂前两个杆件尺度优化，，并仿真计算操作臂的机构性能指标。虽然是针对于任务需求设计的，但对于通用的四自由度机器人的设计，有一定的参考价值。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。