压下率对大厚度比Al/Mg/Al层合板性能的影响

采用0.2 mm Al+5 mm Mg+0.2 mm Al的组坯方式,400℃保温10 min热轧制得大厚度比Al/Mg/Al层合板,研究了压下率对其界面结合、镁基材组织及拉伸性能的影响。对压下率为41%、49%和60%热轧制备的Al/Mg/Al层合板进行了界面SEM观察、微观组织观察、拉伸实验及拉伸断口的观察。结果表明,大厚度比Al/Mg/Al层合板在压下率为60%时,边部的附加拉应力造成边裂的出现;经41%压下率热轧可实现界面结合,但存在微缺陷,压下率为49%及以上可实现良好结合;压下率对Al/Mg/Al层合板的屈服强度和抗拉强度影响较小,对其伸长率影响较大。随着压下率增加,伸长率先增加后减小。压下率为49%时,伸长率最大为26%,其原因在于该工艺下镁基材的晶粒均匀细小,韧性提高。     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

一种植物油中苯并（a）芘含量测定的固相萃取前处理方法

为了建立一种准确性高、成本低的植物油中苯并(a)芘测定的样品前处理方法，基于GB 5009.7—2016以自制氧化铝柱为固相萃取柱，采用单因素试验对称样量、洗脱剂量、洗脱流速、吸附剂存放时间、吸附剂量这5个影响植物油中苯并（a）芘洗脱的因素进行研究，优化前处理条件，并对测定方法进行考察。结果表明：优化的前处理条件为称样量0.100 0 g、洗脱剂量120 mL、吸附剂（氧化铝）量22 g、洗脱流速1滴/2 s、吸附剂存放时间少于12周；方法检出限为0.2 μg/L，样品加标回收率为94.23%～100.00%，RSD为1.20%～7.36%；同一样品测定结果与SGS测定值接近，相对平均偏差为2.36%～3.50%。说明本试验方法测定结果准确，可应用于油脂企业植物油中痕量苯并（a）芘的测定。     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

不同技术条件下露天矿最终境界变化情况分析

基于 Opmetalminer 软件系统，综合考虑改变回采率、选矿回收率及废石混入率 3 种技术参数取值对露天矿最终境界的影响。首先根据矿山的地质数据构建相应的矿床数值模型，主要包括地表标高模型、台阶模型以及品位模型；然后根据矿山提供的相关技术参数及市场现时价格对境界进行优化，从而得到基础境界；最后分别对改变废石混入率、改变回采率与废石混入率、改变选矿回收率 3 种情况进行分析讨论。结果表明：单独考虑废石混入率时，废石混入率突破从 8% 降至 7% 的技术瓶颈时，可以获得增长幅度最大的境界盈利值；同时考虑回采率与废石混入率时，回采率突破从 91% 提升至 92% 的技术瓶颈时，尽管废石混入率从 2% 增至 3%，但依然可以获得增长幅度最大的境界盈利值；单独考虑选矿回收率时，选矿回收率突破从 79% 提升至 80% 的技术瓶颈时，可以获得增长幅度最大的境界盈利值。     

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。     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

天然油脂乙氧基化物稳定高内相乳液影响因素的研究

以棕榈仁油乙氧基化物(SOE-N-60)为表面活性剂稳定高内相乳液(HIPEs)。通过对乳液外观、微观结构、粒径分布、黏度和流变学测试，研究了油相体积分数、SOE-N-60添加量对HIPEs性能的影响，同时对其稳定性进行考察。结果表明：SOE-N-60添加量为0.6%~1.5%（油相体积分数为83%）、油相体积分数为74%~86%（SOE-N-60添加量为1.0%）时可形成稳定的HIPEs，此时乳液液滴内部形成紧密堆积的网络结构，乳液粒径变小，具有弹性凝胶性质，并展现出很好的黏弹性和触变性，且随着油相体积分数和SOE-N-60添加量的增大，乳液黏弹性逐渐增强，同时HIPEs在(-5±1) ℃、(25±1) ℃、(40±1) ℃下贮存24 h时均具有良好的稳定性。