氨基化碳纳米管、石墨烯协同增强PA66复合材料

采用熔融共混法制备了不同比例的氨基化碳纳米管(AMCNTs)/石墨烯(GN)/聚酰胺66(PA66)复合材料,利用扫描电镜、差示扫描量热仪、热重分析等测试方法系统地研究了AMCNTs/GN的质量比对复合材料结构与性能的影响。结果表明,当AMCNTs与GN的质量比例为2：3时,复合材料的断裂强度达到最大,其值为85.6 MPa,与纯PA66相比,提高了22.1%;杨氏模量为2.12 GPa,为纯PA66的1.74倍。AMCNTs/GN还能有效地提高PA66的结晶度,当AMCNTs/GN质量比为2：3时,复合材料结晶度为31.6%,复合材料的断裂强度与其结晶度呈正相关。另外,AMCNTs/GN复合填料加入后还能有效地提高PA66的热稳定性,结果显示,AMCNTs/GN/PA66复合材料的初始分解温度与纯PA66相比,提高了约11℃。     

管壳式换热器的研究进展与方向

从管程强化和壳程强化两方面论述了管壳式换热器强化传热技术的机理,指出了管壳式换热器今后发展中的主要方向;同时对换热器的防腐措施以及改进动向作了介绍。     

Q345E低合金钢热切割热影响区的组织和性能研究

通过不同板厚热切割热影响区宽度、组织、硬度及切割面的形貌分析,对Q345E低合金钢热切割热影响区的组织和性能进行研究.结果表明:Q345E低合金钢热影响区宽度上表面比下表面宽;等离子切割热影响区明显减少,切割面除了氧化皮开裂外,基体均没有切割开裂;母材组织为带状分布的铁素体和珠光体,火焰切割过热区组织为先共析无定形铁素体间夹杂有少量珠光体;等离子切割边缘过热区组织为明显的板条马氏体,正火区为铁素体和珠光体.     

尖晶石型LiCo0.1Mn1.9O4材料的制备和性能

通过分步加热高温固相合成法合成了尖晶石型LiCo0.1Mn1.9O4材料,在实体电池LiCo0.1Mn1.9O4/1 mol/LLiPF6-EC DEC EMC/MCMB体系中研究了材料的电化学性能。经过1 000次循环,LiCo0.1Mn1.9O4材料的放电容量保持率在85%以上,2 C充放电时,放电容量为0.1 C时的97.28%。利用X射线衍射仪(XRD)和电子扫描电镜(SEM)对经过不同次数循环后的正极片进行研究,发现经过千次循环,材料的结构和极片表面形貌都得到很好的保持。     

尖晶石LiCoxMn2-xO4材料电化学性能研究

为了提高LiMn2O4材料的性能,采用分步加热高温固相合法,合成了尖晶石型LiCoxMn2-xO4(x=0、0.04、0.08、0.1、0.12、0.16)材料,并在562 247方形实体电池LiCoxMn2-xO4/1M LiPF6-EC DEC EMC/MCMB体系中研究Co掺杂量对材料性能的影响.通过X射线衍射仪对LiCoxMn2-xO4材料结构进行了研究,发现随着Co掺杂量的增加,LiCoxMn2-xO4材料的晶胞参数不断变小,结构稳定性增加,循环性能得到提高,但材料的起始放电比容量不断减小,Co掺杂量为0.08～0.1时,材料的起始比容量较高,循环性能也均得到较大的提高.经过1 000次循环,材料的放电容量保持率在85%左右.Co的掺杂也提高了材料的高温性能及大电流工作能力,4倍率充放电时,放电容量为1倍率时的86%.     

基于多分类器集成的手写体金融汉字识别

用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。     

表单几何特征组件检测的研究与实现

表单图像变形、倾斜、噪声干扰、打印错位等问题往往使表单的数据域定位不准确,从而导致表单数据域提取失败。针对现有表单处理技术中存在的定位不准的问题提出了通过检测表单的条码、格结构等几何特征组件实现表单数据域的定位,并分别设计滤波器实现了几何特征组件的检测。实验证明了该方法的有效性。     

基于多特征融合的票据分类技术及应用

对票据进行高速、准确的分类是实现票据自动处理的关键。论文分析了各种票据分类方法的优缺点,并根据金融、税务等行业所使用的票据特点,提出基于多特征融合的快速分类方法,可以将票据的几何尺寸、分类条码、标题、特征字符串、特征图像块、特征框线等特征有机地融合并进行分类,提高了票据分类的速度与准确性。利用该技术设计的银行票据处理系统的实际应用说明了该方法的有效性。     

改进的结合密度聚类的SVM快速分类方法

针对SVM在对大规模数据分类时求解规模过大的问题,提出了一种缩减数据集以提高训练速度的方法。该算法的第一步利用基于密度的方法大致定位能代表某个局域的质点,然后用SVM训练缩减后的数据得到一组支持向量,第二步的训练数据由支持向量以及其所代表的样本点构成。仿真实验证明该算法在保证分类准确率的情况下能有效地提高分类速度。     

基于核聚类的手写金融汉字识别方法

根据手写体金融汉字的特点,利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的结点,构成一个决策分类树。给出了金融汉字的分组方法和决策树的生成算法,提出利用交叠系数来控制交叠,可以克服错分积累,提高分类准确率。实验结果表明,采用该方法,手写体金融汉字识别的速度和正确率都达到了实用的要求。