含甲基丙烯酸叔丁酯单元聚合物的合成及其酸解性能研究

本研究合成了甲基丙烯酸叔丁酯(TBMA)单体及其均聚物,并与甲基丙烯酸(MAA)共聚合成了二元共聚物。同时以对甲苯磺酸作为酸源,比较系统地研究了聚合物中甲基丙烯酸叔丁酯单元的酸姐情况及其影响因素。研究表明,酸含量的增加和烤版温度的适当升高对甲基丙烯酸叔丁酯单元的酸解有利,烤版时间对甲基丙烯酸叔丁酯单元的酸解比例有一定影响。     

WO3/TiO2光催化剂的制备及光催化产氢性能研究

针对催化剂TiO_2禁带宽度较宽、光响应范围较窄的问题,对TiO_2进行改性,采用溶胶凝胶法制备了不同复合比例的WO_3/TiO_2催化剂以提高TiO_2的光催化活性。应用SEM,BET,XRD,UV-Vis,FT-IR等方法对催化剂进行表征,分析了不同复合比对WO_3/TiO_2样品形貌、晶型、比表面积和产氢速率的影响。当入射波长为300~600 nm,2%WO_3/TiO_2的吸光度大于TiO_2的吸光度,吸收带边红移。通过300 W氙灯照射进行光解水制氢的测试,评价了不同WO_3/TiO_2样品的光催化分解水产氢活性。结果表明:复合比为2%时,WO_3/TiO_2的光解水产氢活性最佳,最高可达14 445.3μmol/(h·g),其产氢速率是TiO_2的10倍,同时探讨分析了光催化反应机理。这将在太阳能光解水产氢领域有着广泛的应用前景。     

基于循环检测的气动退化图像混合域去噪算法

气动退化图像中存在先验信息未知以及噪声成分复杂不易进行滤波处理的问题,为此,提出一种气动退化图像混合域去噪算法。设计针对高斯噪声、泊松噪声、固定值脉冲噪声和随机值脉冲噪声的混合检测方法,使用改进的滤波方法在空域去除固定值脉冲噪声和随机值脉冲噪声,进行非下采样轮廓波变换多层分解,在变换域使用阈值方法去除高斯噪声和泊松噪声。进行噪声循环检测,设定迭代停止条件控制算法循环从而实现算法自适应。仿真实验结果表明,该算法的噪声检测性能和滤波性能较好,图像细节信息得到正确恢复。同时,算法复杂度较低,实时性较好,可满足气动退化图像去噪处理的需要。     

混合时钟同步技术在船舶电力系统同步相量测量中的应用研究

针对船舶电力系统相对于陆地广域电力系统的不同特性,分析传统时钟同步方法对于船舶同步向量测量单元(SPMU)的局限性,采用一种基于IEEE1588协议的卫星时钟同步与局域网时钟同步相结合的混合时钟同步技术实现SPMU的时钟同步,通过实验对同步偏差性能进行测试,结果表明时钟同步偏差维持在±500ns以内,可以满足电力系统对电力参数测量的同步精度要求。     

基于Web挖掘的用户兴趣建模方法的研究

基于用户兴趣的不同,研究如何针对用户的浏览行为来获取用户的有效兴趣数据,并根据现有用户兴趣模型存在的不足,结合Web挖掘中的相关技术,先显式构建用户兴趣模型,后隐式更新用户兴趣模型,从而实现能适应用户兴趣变化的用户兴趣模型。     

随机网络编码数据传输的仿真实现

基于随机网络编码方法,构造了在实验室内实现单源组播网络数据传输的仿真模型:用局域网内的网络终端代表单源组播网络的节点,以IP地址和端口号代表有向信道,采用UDP网络通信实现数据传输,从而对单源组播网络进行了仿真。运用Java编程实现了有限域的算术运算,根据随机网络编码的编码规则,分别编写了单源组播网络的源节点、中间节点和宿点的工作程序,形成了一个完整的软件系统,该仿真模型可以适合于任意单源组播网络。     

EPC工程总承包项目风险管理分析与对策

工程总承包是国际上通行的一种工程建设项目组织实施方式。工程总承包的风险很大,因此在承包过程中,需认真分析风险因素,正确估算风险大小,制定风险规避措施,减轻和转化风险,这有利于企业的生存和发展。通过对EPC总承包项目风险因素的分析,提出了降低风险的对策。     

雪莲果的综合利用和开发

介绍了雪莲果的主要营养成分、保健功能,综述了雪莲果果汁饮料、果脯、果酒、果醋、发酵乳、冰淇淋、果粉、保健酥饼、果酱的加工利用现状.     

基于多目标优化的多源组播网络编码的构造

在基于单目标优化构造网络编码的基础上,提出了基于多目标优化的网络编码的构造方法。把多源组播网络划分成多个单源组播网络,各单源组播网络的组播容量互相制约,为了使各单源组播网络的组播容量达到最大,采用粒子群优化算法进行子图划分,动态求解包含各子图组播容量的Pareto解集。用户可以优先考虑某个子图的组播容量,选择相应的解向量进行线性网络编码构造。仿真测试结果表明,本方法是可行的。     

国际油价预测之新思想——分时间段类型研究

站在全新的角度——在不同类型的时段分别研究油价预测模型的优劣.通过小波变换对油价序列进行奇异性分析,将油价序列所处的时间段分为两类：含奇异点时段,不含奇异点时段.并在不同类型的时段分类比较多元回归模型、延迟因变量回归模型、神经网络模型的拟合预测效果,最终得出无论何时进行油价预测,在上述模型中效果最为理想的是神经网络模型.