负极添加NMP对电池性能的影响

锂离子电池负极浆料中添加N-甲基吡咯烷酮(NMP),在极片加热干燥时不能完全除去.残留的NMP吸附在石墨表面,使得SEI膜与石墨结合不牢固.研究了其对电池性能的影响,结果显示,在电池的循环过程中,SEI膜逐渐脱落,导致电池循环寿命缩短,但对电池的容量、内阻、倍率、存储等初期性能不影响.     

工作面快速掘进工艺及设备优化研究

为保证掘进效率与采煤效率相匹配、保证煤炭的产出率,在分析当前掘进工艺和掘进设备现状的基础上,分别对自动化、可靠性、生产效率较低的掘进设备进行优化,并对掘进设备相配套的掘进工艺(打眼、支护、运输等)进行优化,从根本上提升掘进工作面的效率和安全性.     

工艺参数对动态流量控制法挤压弯管应力的影响

采用有限元模拟和实验研究了挤压钛合金弯曲管件。通过实验验证了工件的形状和尺寸精度,并通过有限元模拟分析了工艺参数对挤出过程中变形体的平均压应力分布情况和挤出弯管件的曲率半径的影响规律。结果表明:有限元模拟中,弯管件的曲率半径误差为6.03%,弯管直径误差为3.82%;在靠近定径带处,平均压应力呈非均匀分布;在焊合腔内,靠近细分流孔区域的平均压应力小于靠近粗分流孔区域的平均压应力,平均压应力的大小顺序在通过粗、细分流孔前后相反;在模具结构固定不变时,弯管件的曲率半径随挤压速度的减小而增大,不随挤压温度的变化而变化。     

Inconel 690传热管GTAW对接焊接头组织及力学性能研究

对Inconel 690传热管材进行钨极气体保护焊(GTAW)对接焊,采用拉伸试验机、压扁试验机和光学显微镜测试和分析传热管焊接接头,同时利用ANSYS软件开展焊接接头在设计工况失压时的一次应力强度校核。研究结果表明:焊缝中心为树枝胞状晶,熔合线附近为粗大柱状晶。室温时接头的平均抗拉强度为619 MPa,平均屈服强度为292 MPa,350℃时接头平均抗拉强度为475 MPa,平均屈服强度为206 MPa,拉伸接头断裂从熔合区开始贯穿整个焊缝组织,呈塑性断裂。压扁试验和反向压扁试验结果表明管接头完好。通过ANSYS分析可知,设计工况下传热管接头350℃许用应力强度150 MPa限值可满足其一次应力强度要求,且裕量较大。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

水杨酸处理诱导采后甜瓜抗坏血酸-还原型谷胱甘肽循环代谢清除过氧化氢的作用及机制

目的：研究抗坏血酸（ascorbic acid，AsA）-还原型谷胱甘肽（reduced glutathione，GSH）循环代谢在水杨酸处理采后甜瓜诱导的过量H2O2清除过程中的作用。方法：用4 mmol/L水杨酸浸泡‘玉金香’厚皮甜瓜10 min，测定处理后果实常温贮藏过程中丙二醛（malondialdehyde，MDA）含量，分析活性氧的积累水平、超氧化物歧化酶（superoxide dismutase，SOD）和过氧化氢酶（catalase，CAT）活力，以及AsA-GSH循环过程相关酶活力及产物和底物含量。结果：水杨酸处理降低了果实MDA含量，第10天处理组MDA含量较对照组降低14.6%；显著提高了果实O2－·的产生速率和H2O2含量（P＜0.05），其中处理后第2天O2－·的产生速率高出同期对照组的1.9 倍，第6天H2O2含量高出对照组果实29.7%；提高了果实SOD活力，但抑制了CAT活力，说明H2O2的清除可能是依赖于除酶促系统外的其他系统。此外，水杨酸处理提高了果实抗坏血酸过氧化物酶、单脱氢抗坏血酸过氧化物酶、脱氢抗坏血酸还原酶和谷胱甘肽还原酶的活力，增加了AsA和氧化型谷胱甘肽的含量，降低了脱氢抗坏血酸和GSH的含量。结论：水杨酸处理诱导了厚皮甜瓜果实的氧爆，抑制了MDA产生，由水杨酸诱导产生的过量H2O2主要依靠AsA-GSH循环系统清除。     

速率加载历史对铁磁性材料压磁磁场演变规律的影响

以往的研究已经证明加载速率会对铁磁性材料的力学行为和周围压磁磁场产生影响，为了进一步研究历史加载速率对后续压磁磁场演变规律的作用，对Q345工程结构钢进行了一系列循环拉伸试验，采用磁通仪对试件压磁磁场进行在线监测，研究试件在经历不同的历史加载速率后，其压磁磁场的演变规律。结果表明：加载速率历史是影响压磁磁场演变的重要因素之一。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。