稀土永磁体Sm_2Fe_(17)N_x的制备方法研究进展

稀土永磁材料是以稀土金属与过渡族金属元素所形成的金属间化合物为基体的永磁材料,现已广泛用于航空、汽车、计算机、医疗等行业。其中Sm2Fe17Nx化合物由于其优异的磁性能和高的居里温度、良好的温度稳定性等优点,成为了当今稀土永磁材料研究领域的热点之一。本文就Sm2Fe12Nx的制备方法的研究进展进行综述。     

磷工业废料在多孔混凝土中的应用

许多研究确定电热生产磷渣可作为密实和多孔结构蒸压硅酸盐材料的胶结成分。它含有形成低碱性水化硅酸钙和水化铝酸盐化合物成分,使蒸压硅酸盐材料有必要的强度。苏联喀山化工学院会同全苏科学研究院综合研究成用粒状磷渣为主要原料的多孔混凝土     

建筑用氧化硅气凝胶的研究进展

正SiO_2气凝胶是一种新型的以分散介质为气体的凝胶材料,是由胶体粒子或高聚物分子相互聚结在一起,从而构成一种结构可控制的轻质纳米多孔材料。由于SiO_2气凝胶具有的纳米结构的多孔性和网络状,使其在宏观上表现出了纳米材料特有的界面效应和小尺寸效应,因此SiO_2气凝胶在力学、声学、热学、光学等方面的特性都显著优于其他普通材料,是一种被广泛应用的轻质纳米多孔材料。近年来研究者对SiO_2气凝胶的研究方向主要有以     

高性能电瓷材料配方的研究

为了满足生产550kV/20kN以上棒形产品的要求,对高性能电瓷材料配方进行了研究,在配方中添加α-Al2O3,可提高电瓷材料强度;添加碱土金属元素化合物,可起到强熔剂与“压碱效应”的作用。研制出的等静压电瓷材料具有较低的烧成温度和良好的机、电、热性能;瓷弯曲强度184MPa、瓷上釉弯曲强度230MPa、电气强度32kV/mm、冷热急变性200K。     

日本水泥公司21世纪水泥技术管理战略(Ⅲ)

<正> 1 改性贝利特水泥 除了为增加贝利特水泥早期强度而改善其水化反应外,目前正在研究某种能与贝利特混合发挥其早期强度的矿物。可掺入的矿物材料含有C_4A_3S,CuA_7·CaF_2和C_4AF,这些矿物均具有高水化反应速度且在硫酸钙环境中可产生钙钒石。 掺入上述矿物材料到贝利特水泥中后得到的改性贝利特水泥,比普通硅酸盐水泥烧成温度低200℃～300℃,由于在改性贝利特水泥生料中含有CaSO_4和CaF_2,这两种化合物     

Vinnapas~可再分散乳胶粉对石膏基灰泥的改性作用

石膏基灰泥掺入Ｖｉｎｎａｐａｓ○Ｒ 可再分散乳胶粉后，性能得到很大的改善。这种改性作用把普通的石膏化合物转变成性能优良、附加值高的建筑材料。Ｖｉｎｎａｐａｓ○Ｒ 可再分散乳胶粉改性的石膏材料，可用于要求材料具有良好耐磨性、防水性、粘结性和挠性的场合。     

互联网时代，空间距离重要吗？

2010年底，《城市研究》推出了“城市网络与网络理论”专辑，主要介绍了上世纪90年代初以来，此研究领域的主要成果。专辑收录了多篇文章，这些文章有一个共同的假设，即网络不仅存在于城市与城市之间，城市本身也是由多种网络构成，这些网络在不同的地理尺度或相交、或连接。或重叠。城市网络研究的核心之一就是从跨学科角度出发，     

煤矿用无机盐改性聚氨酯注浆材料的研究

通过硅酸盐对传统聚氨酯注浆材料进行了改性研究，研发出既能保留聚氨酯材料本身优异的力学性能又避免其可燃等安全性能的缺点，适合矿山井下使用的改性聚氨酯注浆材料。该材料固化后形成有机相（聚氨酯网络）—无机相（无机硅酸网络）三维结构互穿网络，得到的固结体具有优异的力学特性。研发的注浆材料强度高、不受环境湿度等影响，具有无毒、高闪点、不可燃等特性。在矿山井下煤岩体加固方面具有一定优越性，在一定程度上可以替代目前纯聚氨酯注浆材料，为现代化煤炭企业实现高产高效提供了技术支持。     

环境气氛对典型电缆外套材料热分解行为的影响

采用热重分析方法研究环境气氛对典型电缆外套材料商用阻燃三元乙丙橡胶的热分解行为的影响。采用Kissinger-Akahira-Sunose (KAS)方法计算热解过程中的活化能,采用在线热重-红外光谱联用技术对热解逸出气体进行分析。结果表明:含氧气氛下材料的热分解速度比惰性气氛下快。惰性及含氧气氛下的热分解过程分别可分为3个及4个阶段。两种气氛下的最大质量损失速率均随升温速率升高而减小,含氧气氛下的最大及平均质量损失速率、总质量损失与活化能都比惰性气氛下的小。惰性气氛下的热解逸出气体包括3种,最大浓度排序为烃类化合物芳香族化合物CO_2。含氧气氛下的包括4种,最大浓度排序为CO_2烃类化合物CO芳香族化合物。含氧气氛下的CO_2的最大浓度比惰性气氛下的大,但烃类化合物及芳香族化合物的最大浓度均较小。惰性及含氧气氛下的CO_2分别可能是由于成炭及燃烧反应产生的。     

澳大利亚厚皮海绵化学成分分离鉴定及其抗肿瘤活性研究

为进一步探求澳大利亚厚皮海绵Craniella australiensis在海洋药物研制中的作用,采用硅胶柱层析及Sephadex LH-20凝胶过滤层析等技术,从澳大利亚厚皮海绵乙酸乙酯层浸膏中分离纯化出两种化合物,并通过波谱数据与文献对照的方法对化合物进行了结构鉴定,采用CCK-8法对2个化合物进行体外抗肿瘤细胞活性试验。结果表明:从澳大利亚厚皮海绵分离得到的2个化合物分别为Aldisin和2-Bromoaldisin;体外抗肿瘤细胞活性试验显示,化合物Aldisin和2-Bromoaldisin对人克隆结肠腺癌细胞(Caco-2)、人结肠癌细胞(HCT116)、人肝癌细胞(7721)、人胶质瘤细胞(U251)和人肾癌细胞(A498)均具有抑制活性的作用,其中化合物Aldisin处理7721细胞的IC50为(67.56±3.06)μg/m L,抑制作用显著。研究表明,两种化合物属于天然产物,可作为潜在的抗肿瘤药物进行进一步研究。     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

Multiscale computation on feedforward neural network and recurrent neural network

Homogenization methods can be used to predict the effective macroscopic properties of materials that are heterogenous at micro- or fine-scale. Among existing methods for homogenization, computational homogenization is widely used in multiscale analyses of structures and materials. Conventional computational homogenization suffers from long computing times, which substantially limits its application in analyzing engineering problems. The neural networks can be used to construct fully decoupled approaches in nonlinear multiscale methods by mapping macroscopic loading and microscopic response. Computational homogenization methods for nonlinear material and implementation of offline multiscale computation are studied to generate data set. This article intends to model the multiscale constitution using feedforward neural network (FNN) and recurrent neural network (RNN), and appropriate set of loading paths are selected to effectively predict the materials behavior along unknown paths. Applications to two-dimensional multiscale analysis are tested and discussed in detail.     

基于不同算法的道路混凝土干缩神经网络预测

针对多种因素下道路混凝土干缩预测模型难以建立的难题,基于BP神经网络理论建立了干缩预测模型.结果表明：BP神经网络预测道路混凝土干缩可获得较高准确度,且具有良好的泛化能力,在5种算法中,Trainlm训练速度快,但误差大,Traingda函数训练速度居中,误差最小,用其训练的神经网络可很好映射道路混凝土配合比与干缩率之间的非线性关系.     

桩基极限承载力与沉降量的神经网络预测

利用BP神经网络较强的高次非线性映射能力和学习功能 ,建立了基于人工神经网络的单桩极限承载力与沉降量的预测模型。该模型依据现场实测资料建模 ,避免了计算过程中各种人为因素的影响。通过静载荷试验成果的学习与预测检验 ,证明其预测精度良好、适用性强 ,具有较大的工程实用价值     

土工格栅处理软土路基沉降量的BP神经网络预测

目前,土工格栅处理软土路基沉降量的预测多采用指数曲线和双曲线延伸法,其结果不够理想,采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,同时建立相应的时间响应函数,预测其沉降量.计算实例表明,BP神经网络模型沉降预测结果比较准确,其最终沉降预测结果具有一定的工程应用价值.     

桩基极限承载力与沉降量的神经网络预测

利用BP神经网络较强的高次非一性映射能力和学习功能，建立了基于人工神经网络的单桩极限承载力与沉降量的预测模型。该模型依据现场实测资料建模，避免了计算过程中各种人为因素的影响。通过静载荷试验成果的学习与预测检验，证明其预测精度良好、适用性强，具有较大的工程实用价值。     

改进BP神经网络及其在西北建筑业预测中的应用

BP神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与BP神经网络,建立了基于因果关系理论来确定BP网络的输入变量,基于协整理论来分析BP网络系统的可靠性,基于学习率可变的动量BP算法的用于研究经济领域问题的改进BP神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。     

粒度分析与渗透系数关系的BP网络分析

针对不同颗粒粒径分布对渗透系数影响的非线性特征,利用BP人工神经网络模型,对14个典型样本进行学习并预测4组不同级配的粒组样本的渗透系数,结果证实该模型能很好地反映出分选性和粘粒含量对渗透系数的影响,运用神经网络预测的渗透系数充分考虑到土体本身的结果。因此,预测值应较现有的计算公式得出的计算值更接近于自然状态下的真实值。     

Evolutionary self-organising modelling of a municipal wastewater treatment plant

Building predictive models for highly time varying and complex multivariable aspects of the wastewater treatment plant is important both for understanding the dynamics of this complex system, and in the development of optimal control support and management schemes.This paper presents a new approach, which is called genetic programming as a self-organising modelling tool, to model dynamic performance of municipal activated-sludge wastewater treatment plants. Genetic programming evolves several process models automatically based on methods of natural selection ('survival of the fittest'), that could predict the dynamics of MLSS and suspended solids in the effluent.The predictive accuracy of the genetic programming approach was compared with a nonlinear state-space model with neural network and a well-known IAWQ ASM2. The genetic programming system evolved some models that were an improvement over the neural network and ASM2 and showed that the transparency of the model evolved may allow inferences about underlying processes to be made. This work demonstrates that dynamic nonlinear processes in the wastewater treatment plant may be successfully modelled through the use of evolutionary model induction algorithms in GP technique. Further, our results show that genetic programming can work as a cost-effective intelligent modelling tool, enabling us to create prototype process models quickly and inexpensively instead of an engineer developing the process model.     

基于BP算法的CFG桩复合地基承载力的神经网络预测

将BP神经网络模型应用于CFG桩复合地基承载力的设计计算中,通过对影响CFG桩复合地基承载力因素间的非线性关系分析,指出影响CFG桩复合地基承载力的主要因素有:桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺。为成功预测CFG桩复合地基承载力,收集了大量工程实测资料(包括地质资料、工程设计资料、静载荷试验资料),并按照神经网络的训练要求对工程资料进行了分析整理,建立了基于人工神经网络的CFG桩复合地基承载力预测模型。通过对网络的学习训练,得到的复合地基承载力预测值达到了预期精度。