排序方式: 共有34条查询结果,搜索用时 203 毫秒
1.
以γ-(甲基丙烯酰氧基)丙基三甲氧基硅烷(KH-570)、丙烯酸丁酯(BA)、苯乙烯(St)和甲基丙烯酸甲酯(MMA)为反应单体,过氧化二苯甲酰(BPO)为引发剂,进行本体共聚反应,制得一种大分子偶联剂。通过红外光谱(FT-IR)、核磁共振(1 H-NMR)和凝胶渗透色谱(GPC)对共聚物结构进行表征。研究了这种偶联剂对粉煤灰增强聚氯乙烯(PVC)力学性能的影响,发现制备的大分子偶联剂可以有效提高聚氯乙烯制品的力学性能。 相似文献
2.
在环境经济调度模型中,为同时降低火电机组的燃料成本和污染气体排放量进行多目标优化,模型引入阀点效应并考虑网损,在满足功率平衡和出力限制的前提下,采用一种基于JADE平台下的粒子群多目标优化算法对模型进行求解。算法吸收了粒子群算法的进化机制,将Pareto占优策略和拥挤距离相结合并应用在粒子群算法中,添加了动态惯性权重特性和小概率变异,提高了算法全局搜索能力。在JADE平台下搭建算法模型,并运用IEEE-30节点6机组和IEEE-118节点40机组的标准测试系统进行仿真,结果表明该算法提高了系统的计算速度,改进了算法的并行性,更适合求解大规模复杂系统。 相似文献
3.
以Si粉和Mo粉为原料采用机械合金化的方法制备了金属间化合物MoSi2.研究了球磨过程中球磨时间、球料比、转速及不同球磨机类型对机械合金化产物的影响.利用SEM观察粉末表面形貌及颗粒大小,利用XRD测定物相结构.研究结果表明,当球磨机提供的能量达到相变所需的能量时,粉末中有MoSi2相生成.通过XRD分析可以看出,随着球磨时间的延长,合金化程度逐渐提高;球磨转速的提高有助于生成MoSi2;较高的球料比可以使生成MoSi2的时间提前.在机械球磨过程中,粉末的颗粒尺寸经历了一个由较粗且不规则、不均匀粉末向细小、均匀、接近球形粉末,然后团聚增大的转化过程.此外,还研究了助磨剂对合金化产物的影响,结果表明助磨剂的加入并不能促进MoSi2的生成,但可以对颗粒的细化起到一定作用. 相似文献
4.
5.
利用SiC与碳基材料复合,采用原位合成技术制备了一种新型碳陶瓷复合材料。采用XRD和SEM技术分别表征材料的相组成和微观形貌结构,并利用万能材料试验机测试了复合材料的抗压和抗折性能。XRD测试结果表明,SiC改性碳陶瓷复合材料中没有新相产生。由SEM照片分析可知,SiC的掺杂破坏了石墨原有的层片状结构,并在碳石墨材料中观察到颗粒状晶体,随着SiC掺量的增加,散乱分布的晶粒有聚集长大的趋势,造成碳陶瓷复合材料结构的进一步破坏。力学性能测试结果表明,当掺入10%SIC(质量分数)时,材料的抗折强度最大,为58.8MPa;而在SiC掺量为5%(质量分数),其抗压强度达到最大,为157.4MPa。 相似文献
6.
以普通商用TiO2为原料,与铝粉、碳化硼进行自蔓延(SHS)高温合成TiB2/Al2O3复合材料,通过差热和X射线衍射分析,确定了TiO2、Al及B4C的反应机制,得到了生成TiB2/Al2O3复合粉体的最佳工艺条件。测定了TiB2/Al2O3复合粉体相关的力学性能,得到材料的抗压强度为87.2MPa,抗弯曲强度为104.3MPa。SEM观察发现生成相中存在大量的气相或气孔,生成物微观区域不太均匀,材料的断裂形式主要为脆性断裂,生成物的颗粒尺寸为亚微米级。 相似文献
7.
采用热压烧结技术制备了碳纳米管(CNTs)改性MoSi2复合材料,在制备过程中发现采用十二烷磺酸基钠(C12H25SO3Na)作为分散剂可以有效地解决碳纳米管的分散问题.利用XRD研究了复合材料的相组成与结构,结果显示加入碳纳米管并没有使材料的物相发生明显改变,其主要物相为四方结构的MoSi2,还有少量的Mo5Si3.利用SEM观察了复合材料的显微组织,研究发现碳纳米管的加入能降低材料的晶粒尺寸,使内部孔隙减小,孔径变小,从而促进了烧结坯块的致密化. 相似文献
8.
医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难。针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolutional neural network,CNN)相结合,提出了一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法。该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类。本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能。 相似文献
9.
针对CT图像中肺结节因边缘模糊、特征不明显造成的分类效果有偏差的问题,本文提出一种嵌入注意力机制的多模型融合方法(简称MSMA-Net)。该方法先将原始CT图像进行肺实质分割和裁剪操作后得到两种不同尺寸的图像,然后分别输入到空间注意力模型和通道注意力模型进行训练,其中,空间注意力模型着重于提取肺结节在CT图像中的空间位置信息,通道注意力模型着重于提取肺结节的细节特征。最后将两个模型提取的特征进行融合,用于得出良恶性分类结果。经过大量实验表明,这种多模型融合方法能很好地提取到肺结节在CT图像中的位置信息和自身的边缘特征,在LIDC数据集的基础上,该方法在准确率,敏感性,特异性分别达到了96.28%,96.72%,96.17%,相较于传统的网络模型取得了更好的分类效果。 相似文献
10.