纳米银／偕胺肟纤维复合材料的制备及其光催化性能研究

以偕胺肟纤维（AOCF）为基体,与Ag＋通过配位一还原法制得纳米银／偕胺肟纤维（Ag／AOCF）．对催化剂进行SEM表征．以太阳光下对二甲酚橙的催化降解,考察了制备、实验条件对催化剂的光催化性能的影响．实验结果表明,在硝酸银浓度为4．0×10-3mol／L、配位反应时间为40min、pH-6的制备条件下制备的催化剂对二甲酚橙的光催化降解效率最佳,当二甲酚橙溶液pH=7、太阳光光源、催化剂用量为1．6g／L时催化降解二甲酚橙,降解效率能达到99．7％,且催化剂在重复使用了8次后,其对二甲酚橙的光催化降解效率仍能保持在80％以上．     

企业级CAE平台框架CoteFrame及若干关键共性技术

为将设计和分析数据、方法与流程进行有效整合,基于.Net技术开发企业级CAE平台框架CoteFrame.CoteFrame基于CAE广义模型进行核心数据结构的构建,并通过层次化设计思想组织各通用模块集.该平台框架实现并封装通用的处理子框架体系,主要包括基于元数据的大数据缓存子框架、基于XML可配置的日志体系、软件自动更新机制以及报告自动生成和更新机制等.CoteFrame已经在多个典型行业领域内取得成功应用,有效提高工作效率并减少分析工作成本.     

实物样件非接触测量技术综述

详细阐述了目前在逆向工程数据采集中常用的非接触测量方法的原理、优缺点、精度及适用范围等,总结并提出了未来非接触测量技术的发展趋势。     

复杂装备智能设计软件构建方法及实践

复杂装备的研发涉及到复杂的流程、庞杂的数据和多学科零散的分析求解方法,其设计又是一个多轮次迭代寻优的极富创造性过程,需要大量借鉴专家知识体系、设计经验和资源数据。针对上述问题和需求,以智能设计基本理论和关键技术为基础,以基于模型的复杂装备智能设计问题软件化和应用效益为目标,提出了一种基于智能设计思想的复杂装备数字化设计方案和实现方式,并基于航空行业的案例进行了实用化阐述,设计分析质量得到了大幅提升。     

基于神经网络的涡轮叶片结构模态仿真

针对工作在复杂环境下的航空发动机涡轮叶片模态特性在工作环境变化下会发生相应的变化,应用有限元分析软件ANSYS对航空发动机低压一级涡轮叶片进行了模态仿真,并在ANSYS概率设计模块中应用响应表面法和蒙特卡洛法模拟了旋转软化、应力强化、温度梯度和材料参数的分布,以这四类变量的分布为神经网络的训练样本,应用遗传算法优化后的三层BP神经网络对该样本进行训练,得出固有频率的分布,从而得到了以上四类变量的变化对固有频率的影响.仿真结果与实际吻合较好.     

基于神经网络的涡轮盘榫接触部位疲劳寿命可靠性仿真

在同时考虑材料性能、几何参数和载荷随机性基础上,以遗传算法优化后的三层BP神经网络模拟非线性接触部位应变幅分布。而后建立应变-寿命分布模型,用蒙特卡洛法模拟随机化的Manson-Conffin公式,得出相应可靠性下的疲劳寿命。对航空发动机低压一级涡轮盘榫接触部位进行了疲劳寿命可靠性仿真,结果与实际吻合较好。     

Pd(Ⅱ)-纤维配合物水相体系催化Suzuki反应研究

以偕胺肟化的聚丙烯腈纤维( AOFs)为载体和配体,与PdCl2溶液反应,制备偕胺肟-Pd(Ⅱ)配合物纤维[AOFs-Pd(Ⅱ)].以苯硼酸与碘苯为反应体系,DMF/H2O(V/V=1)水相体系为溶剂,考察AOFs-Pd(Ⅱ)催化Suzuki反应的催化性能,并研究其催化机理.研究结果表明:AOFs-Pd(Ⅱ)对Suzuki反应具有很好的催化性能,能重复使用6次以上,且反应底物上取代基团的性质对AOFs-Pd(Ⅱ)催化性能没有影响.在1.34 g(11.0 mmol)苯硼酸、1.12 mL( 10.0 mmol)碘苯、0.15 g AOFs-Pd(Ⅱ)、30 mL溶剂DMF/H2O(V/V=1)、2.77 g(33 mmol) NaHCO3,90℃下加热反应5h,产率达95％以上；并提出了AOFs-Pd(Ⅱ)催化反应的机理.