深共融溶剂催化制备二酯类化合物

二酯类化合物广泛应用于有机中间体、药物、增塑剂、香料等领域,开发其绿色、高效的合成新方法具有重要意义.报道了以二元羧酸(或二羧酸酐)和脂肪醇为原料,以深共融溶剂(DESs)为催化剂催化合成二酯类化合物.以n(氯化胆碱):n(对甲苯磺酸)=1:2为催化剂,产率最高可达95％,并且DESs使用8次后产率仍保持在88％以上.运用1HNMR和13CNMR对产物进行了结构表征.该方法具有操作简单、产率高、易分离和催化剂可循环使用等优点.     

有机二氟化硼配合物的合成及压致变色性能表征

以阿伏苯宗和三氟化硼为原料,经过一步反应,合成阿伏苯宗二氟化硼(BF2AVB),产物的结构经1HNMR谱确证.基于荧光光谱与X射线粉末衍射测试,对BF2AVB的压致发光性能和机理进行研究.本实验原料易得,反应条件温和,实验操作简单,反应收率高.BF2AVB的压致变色现象明显,通过探讨压致变色机理,加深同学对压致变色材料的了解.同时,该实验可以拓展学科知识,激发学生的专业热情和科研兴趣.     

YBCO超导带材二次冲击恢复过程的模拟及实验研究

YBCO超导带材失超后的快速恢复对于电阻型超导故障限流器(RSFCL)重合闸应对二次故障电流冲击至关重要。当前研究通常将电阻恢复视为带材恢复,在实际的盘式结构中存在复杂的微孔结构,一次冲击恢复至超导态时仍存在大量气泡滞留,影响带材的二次冲击恢复过程。针对典型的微孔结构建立了三维模型,采用CFD模拟并结合大电流冲击实验,对比分析了一次冲击恢复过程和二次冲击恢复过程中各项参数的变化。实验结果表明二次冲击过程中的峰值温度为162.9 K,比一次冲击高14.6 K,带材恢复至超导态需要1.88 s,比一次冲击延长0.63 s。模拟结果表明初始状态存在气泡滞留,二次冲击过程中带材温度上升更快,气泡量更多,温度横向分布更不均匀,最大温差达20.5 K。由此可见,超导态的恢复不能作为重合闸的标准,气泡场未完全恢复会降低限流器的安全阈值,危害系统安全,所以也应将气泡完全消散的时间作为实际运行中重合闸的参考时间。     

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。     

具有良好时频性能的电力系统次同步振荡模态在线辨识算法

介绍了一种适用于电力系统次同步振荡在线监测的非平稳信号模态辨识算法,该算法综合了经典IIR窄带滤波器组算法及经验模态分解(empirical mode decomposition,EMD)算法的优点,利用次同步振荡分析获得的预知频率信息,对可能导致模态混叠的相邻模态做数字滤波器(Infinite Impulse Response,IIR)预处理,再经EMD获得无混叠的固有模态分量IMF1.该算法具有理想的窄带选频特性,且能够快速反映次同步振荡及机组扭振发生最初的时域过程,计算量很小,可用于现场在线提取SSO模态特征,有利于更好地实现对次同步振荡的稳定性判别及闭环控制、机组扭振保护等.最后,利用PSCAD产生的仿真数据及某电厂发生次同步振荡的现场数据验证了该算法的有效性.     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

探究影视动画中二维与三维技术的结合

广大受众在生活水平的推动下,愈发看重精神上的享受,因此对影视动画的内容提出了质量上的要求,尤其是3D技术出现之后,受众群体越来越关注影视行业的发展。目前在影视产业较发达的国家,已经研究出了有效结合二维、三维技术的方法,为了整体提升我国影视动画的质量,我们有必要对其结合方法进行研究。本文首先就影视动画简单描述二维、三维动画的技术特征,通过对两种技术进行深入分析将其进行有机结合,提升影视动画给受众视觉造成的冲击。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。