无机粉体在聚合物改性中的应用

介绍了无机粉体表面改性的几种方法,重点介绍了无机粉体表面的聚合物改性原理,指出该种表面改性方法的优点,并总结了一些近期的研究结果和应用实例。     

基于进化算法的多目标优化方法

进化算法在解决多目标优化问题中有其特有的优势.首先对多目标优化问题进行了描述;然后结合研究现状讨论了目前几种主要的基于进化算法的多目标优化方法,以及它们的优缺点;最后给出了多目标进化优化算法的一些应用,以及进化多目标优化算法的未来发展方向.     

SiO2负载磷钨酸催化合成甲氧基聚乙二醇甲基丙烯酸酯

将磷钨酸原位包埋在SiO2的三维网络中,制备得到SiO2负载磷钨酸催化剂(PW12/SiO2);在该催化剂作用下以甲氧基聚乙二醇和甲基丙烯酸为原料合成了甲氧基聚乙二醇甲基丙烯酸酯;通过正交实验确定了优化条件:n(AA)/n(PEG)=3,催化剂质量分数为1%(以醇酸总质量计),阻聚剂质量分数1%(以醇酸总质量计),酯化时间10 h,在该条件下,酯化率达93.6%,产率为83.46%。在高负载量下,磷钨酸在载体上仍然高度分散且没有晶相堆积,反应中催化剂活性组分溶脱量少,催化剂重复使用6次,催化活性未明显降低。     

脂肪族水性聚氨酯的制备及性能研究

以异佛尔酮二异氰酸酯(IPDI)和聚醚二醇(PPG)为主要原料、二羟甲基丙酸(DMPA)为亲水扩链剂和乙二胺(EDA)为小分子扩链剂,采用预聚体分散法制备出一种水性聚氨酯(WPU)乳液。考察了n(-NCO)∶n(-OH)比例、EDA扩链方式等对WPU稳定性、玻璃化转变温度、力学性能和耐水性等影响。结果表明:将EDA先溶于水中,采用乳化与扩链同时进行的工艺,并且当n(-NCO)∶n(-OH)=1.5∶1时,WPU乳液稳定性好、粒径(14 nm)较小且分布较窄,WPU胶膜的力学性能(拉伸强度为3.683 MPa、断裂伸长率为347%)和耐水性(吸水率为19.7%)俱佳。     

高精度伺服系统的模糊CMAC补偿控制

针对伺服系统存在非线性和参数不确定性,PID等常规控制器几乎无法获得高精度控制性能的问题,提出了一种基于FCMAC的补偿控制器,将其应用于伺服系统的速度闭环控制.FCMAC补偿控制器能够实时在线学习系统的非线性,对参数变化及扰动等因素进行实时补偿.将FCMAC补偿控制器与模型参考跟踪控制结合,能有效地改善伺服系统的鲁棒性.仿真结果进一步表明,该控制策略能降低系统时参数变化和外界扰动等不确定性的灵敏度,即使在持续正弦信号干扰下也具有良好的性能.     

基于粒子滤波/Mean Shift的改进跟踪算法

针对单一特征所带来的跟踪不稳定问题,该文提出一种基于纹理特征粒子滤波/Mean Shift的改进目标跟踪算法。该算法中建立一种选择反馈机制,首先对目标同时进行基于纹理信息的粒子滤波和基于颜色信息的Mean Shift两种算法的跟踪,然后对两种算法的跟踪结果进行比较,选择结果较好的输出,并把结果反馈到粒子滤波与Mean Shift中作为下一帧处理的初始值。实验结果表明,该方法克服了单一特征所带来的跟踪不稳定问题且具有较强的鲁棒性。     

基于RBF神经网络的高精度伺服系统补偿控制

伺服系统是一种典型的非线性系统,常规线性控制器无法获得高精度控制性能。该文通过在伺服控制系统的速度环中引入基于径向基神经网络的补偿控制器,提出了一种基于径向基神经网络的模型参考补偿控制策略。该补偿控制器能够对系统的非线性不确定性进行实时在线学习,对参数变化及扰动等因素进行实时补偿。仿真结果进一步表明,该控制策略降低了参数变化和外界扰动等不确定性因素对系统的影响,达到了较高的跟踪精度,提高了系统鲁棒性,即使在持续正弦信号干扰下也具有良好的性能。     

一种改进的Camshift/Kalman运动目标跟踪算法

针对目标跟踪中的目标遮挡、丢失等情况,提出了一种改进的基于空间边缘方向直方图的Camshfit/Kalman跟踪算法.首先,利用空间边缘梯度方向作为匹配信息,同时自适应修正每帧中的匹配模板,再使用Kalman滤波器对运动目标的位置进行预测更新,以克服目标遮挡情况及噪声的干扰.实验表明,该算法能够较好处理目标遮挡情况,实现运动目标的高精度跟踪.     

基于Q-GA的人工势场的移动机器人路径规划

针对人工势场的路径规划具有目标不可达、合力为零而导致的陷阱,提出了一种基于改进人工势场模型和量子遗传算法相结合的移动机器人路径规划方法。在路径评价指标引入了路径安全性能和路径校正频率,采用量子遗传算法来选择人工势场模型的参数,从而克服其模型缺陷,同时实现了路径和安全性的优化。仿真结果表明,该方法能有效地提高路径规划的性能。