小分子增塑剂对聚氯乙烯共混体系相容性的影响

采用熔融共混法分别将聚氯乙烯(PVC)、增塑剂邻苯二甲酸二辛酯(DOP)和α-甲基苯乙烯-丙烯腈共聚物(α-MSAN)或聚甲基丙烯酸甲酯(PMMA)进行熔融共混,制备了一系列PVC/α-MSAN/DOP和PVC/PMMA/DOP共混物,利用动态黏弹谱仪、扫描电子显微镜研究了共混体系的相容性和相形态。结果表明,PVC/α-MSAN和PVC/PMMA共混物均为完全相容体系,引入增塑剂DOP后,PVC/PMMA共混物仍为相容体系,而对于PVC/α-MSAN共混物,随着DOP含量的增加,共混体系的相分离愈趋明显;最后阐明了小分子化合物对聚合物共混体系相容性的影响机制。     

液压阀数字化最新研究进展

基于大量国内外数字液压阀相关文献和网站等,分析阐述数字式液压阀的最新发展和研究现状,总结出数字阀的各种类型并分析了不同类型数字阀的发展和研究现状,从数字阀本身到工厂内大范围远程操控两方面对其控制策略进行了阐述和说明。     

空心杆不压产热洗清蜡技术

针对部分高渗、低压油层,常规洗井后侵入地层污水量较多,含水恢复期较长的问题,应用空心杆不压产热洗清蜡技术,通过完善洗井单流阀,优选配套洗井设备,优化热洗参数,将空心抽油杆及配套洗井单流阀下入结蜡井段以下,洗井时热水通过杆管表面上的热传导,加热融化杆管上结的蜡并被产出液带出井筒进站,完成油井的清蜡维护。该技术用时短,耗水少,油井没有含水恢复期,不污染地层,是一种高效节能的新工艺。     

同一场景下超大尺度差异物体的识别和定位方法

近年来，深度学习在物体检测方面取得了非常好的效果和突飞猛进的发展，但在某些特殊场景下，如要求同时检测尺度相差极大的目标物体（相差大于100倍）时，现有的物体识别方法的性能急剧下降。针对同一场景下超大尺度差异物体识别与定位问题，对YOLOv3框架进行了改进，结合图像金字塔技术来提取图像的多尺度特征；并在训练过程中，针对不同尺度的目标提出采用动态交并比（IoU）的策略，此策略可以更好地解决样本不均衡的问题。实验结果表明，该模型对同一场景下超大超小物体的识别能力有了明显的提升。将之应用于机场环境，取得了较好的应用效果。     

修武盆地下寒武统海相页岩储层及CH4吸附特征

为了研究修武盆地下寒武统荷塘组海相页岩储层及其含气性特征,连续选取富有机质钻井页岩为研究对象,进行有机地球化学分析、岩石学、孔隙度、低温N2吸附、CO2吸附和超临界CH4等温吸附等系列实验。RO值为1.74%~2.32%,平均为2.10%,为高成熟阶段。页岩TOC含量高,平均为3.21%;矿物组成以石英和黏土矿物为主,平均为52.66%和35.56%,并发育少量长石、碳酸盐和黄铁矿。平均孔隙度为2.05%,具低孔特征,平均孔径为8.416 nm,主要发育开放型圆筒状孔隙、层状狭缝形孔隙和细颈广体墨水瓶状孔隙;比表面积和孔体积普遍较高,分别为6.94~46.48 m2/g、0.0042~0.0201 cm3/g,其中微孔提供较大的比表面积,与四川盆地龙马溪组页岩数值相近,表明其具有充足的储气空间。研究区不但具有良好的生气物质基础,而且具有较强的CH4吸附能力,平均吸附量为1.71 m3/t;影响吸附的主要因素是TOC含量和孔隙结构,石英为有利因素,黏土矿物对吸附影响微弱。页岩厚度大、埋深较浅,有机质类型以生烃能力强的Ⅰ型为主,脆性矿物含量高,综合认为该区具有较好的页岩气勘探潜力。     

连续循环钻井系统防喷器组的研制

连续循环钻井技术是近年来出现的一项新技术,该技术能够实现接单根或立柱期间钻井液的连续循环。钻井液的连续循环是通过一组防喷器组成的密闭腔内对不同闸板腔的开启和关闭来实现。通过对连续循环钻井过程中防喷器组工况的分析,结合常规钻井防喷器的特点,确定了该防喷器组的整体结构形式,介绍了防喷器无侧门螺栓连接结构的设计、耐磨前密封的设计、试制和试验、卡瓦闸板的设计、闸板开关状态检测装置的设计情况以及整机样机制造及现场试验情况。现场试验表明,该防喷器组的设计基本达到了预期的目标。最后根据连续循环系统现场试验情况提出了下一步的改进方向。     

华北油田污水处理现状及展望

详细介绍了华北油田污水处理技术的现状,分析了急需解决的问题,并指出今后污水处理发展的趋势.华北油田污水处理重点攻关方向是含聚合物污水的处理技术,通过引进和开发新的处理技术及先进的设备,来提高污水处理的自动化程度,确保油田污水的高效处理和合格回注.     

在基础化学教学中利用自我效能感培养应用型人才的探索

针对当前的教育教学改革形势,吉林工商学院转型发展时期对教学的要求,在解决教学中存在的实际问题中,在基础化学的课堂教学中有效的培养和提高学生的学习自我效能感,必将有效提高对基础化学学习的效果,为我校转型背景下培养应用型人才打下坚实的基础。     

同一场景下超大尺度差异物体的识别和定位方法

近年来,深度学习在物体检测方面取得了非常好的效果和突飞猛进的发展,但在某些特殊场景下,如要求同时检测尺度相差极大的目标物体（相差大于100倍）时,现有的物体识别方法的性能急剧下降。针对同一场景下超大尺度差异物体识别与定位问题,对YOLOv3框架进行了改进,结合图像金字塔技术来提取图像的多尺度特征;并在训练过程中,针对不同尺度的目标提出采用动态交并比（IoU）的策略,此策略可以更好地解决样本不均衡的问题。实验结果表明,该模型对同一场景下超大超小物体的识别能力有了明显的提升。将之应用于机场环境,取得了较好的应用效果。