耐高温热固性树脂泡沫材料研究进展

介绍了近年来国内外在耐高温热固性树脂泡沫材料方面的研究进展,包括环氧树脂、酚醛树脂、有机硅树脂、聚异氰脲酸酯树脂以及双马来酰亚胺树脂和热固性聚酰亚胺树脂等。着重介绍了环氧树脂发泡材料的不同制备方法对其材料性能的影响,得出化学发泡法是生产环氧树脂泡沫材料时较为常用的方法。从材料改性的角度简述了酚醛、有机硅树脂等耐高温泡沫材料经过改性后的综合性能提升效果,经过分析表明,多种耐高温热固性树脂泡沫材料经过改性后可扩大其应用领域。最后对耐高温热固性树脂泡沫材料未来的发展趋势和研究重点进行了展望。     

非调质钢F40MnV三辊楔横轧的实验研究

针对非调质钢F40MnV空心轴类件楔横轧成形问题,为获得最佳轧制与冷却工艺制度,在三辊楔横轧机上开展了轧制与冷却实验研究。利用正交法制定实验过程工艺参数,并将带有热电偶的试件进行轧制。轧后采用水冷,水冷加空冷,风冷,空冷4种方式进行冷却,得到相应的温度变化曲线。基于实验结果,采用金相分析和性能实验手段研究了温度、断面减缩率和冷却介质对F40MnV钢轧后冷态力学性能的影响。结果表明采用水冷加空冷、断面减缩率35%、轧制温度为950℃时的成形工艺可得到较为优良的力学性能。     

汽缸套平台网纹加工专用金刚石珩磨油石性能的研究

本文介绍了用于加工发动机汽缸套内表面平台网纹珩磨油石的研制过程。结合剂以铜粉、铁粉为主要原料,加入添加剂HP1、添加剂HP2、添加剂HP3等金属粉末。选用170/200金刚石制造珩磨油石,并进行珩磨试验。研究了不同结合剂组分对油石硬度和抗折强度的影响。结果表明,当铜为50%、铁为20%、添加剂HP1为10%、添加剂HP2为15%、添加剂HP3为5%时,珩磨油石的硬度值达到HRB100.2,抗折强度值达到231.3MPa。最佳烧结工艺为:温度760℃,保温时间4min,成型压力3MPa。珩磨后的汽缸套达到欧Ⅲ排放要求。     

《小儿推拿学》教学改革思路探讨

小儿推拿是我国传统医学中的一朵奇葩,自古以来在小儿预防保健和治疗常见病方面做出了巨大贡献.如何很好地继承和发扬小儿推拿医疗技术,使它更加适应社会发展的需要,这是针推专业师生面临的一项重大课题.笔者从加强宣传力度,选择教学内容,改革教学手段,强化技能训练,加强实习环节等五个方面进行了论述.     

金属-树脂复合型低温结合剂的制备与性能的研究

文章主要针对金属结合剂自锐性差,树脂结合剂耐热性差的缺点,研发一种低温烧结复合型的金属-树脂结合剂。结合剂以铜粉、锡粉、锌粉、铅粉、银粉、树脂粉等为原料,先冷压成型,再热压烧结,当树脂含量为10%,温度460℃时,样条的硬度值达83.4HRB,强度值达145.5 MPa。最佳烧结工艺:温度460℃,保温时间1分钟,压力为0.5MPa。     

基于谱残差和多分辨率分析的显著目标检测

根据人类视觉系统的特点,提出一种融合谱残差和多分辨率分析的显著目标检测方法。该方法通过在不同尺度上计算图像的亮度、颜色以及方向特征的谱残差,构建多分辨率显著性图谱序列,然后用线性插值方法将不同分辨率的特征显著图叠加得到3个特征显著图,再利用k均值聚类算法将每个特征显著图聚为两类,选择聚类中心距离最大的特征显著图作为最终的显著图,最后经过动态阈值处理获得图像的显著目标区域。基于自然图像的显著目标检测实验结果表明,该方法具有较强的稳定性和实用性,得到较为满意的检测结果。     

基于Google与KL距离的概念相关度算法

WordNet在计算概念相关度时存在词汇量小、难以及时扩展更新以及同义、近义、一词多义等问题。为此,提出一种结合文本信息和图像视觉信息的概念相关度方法。利用Google距离和KL距离分别计算基于词语同现频率的概念相关度和基于视觉特征的概念相关度,并结合两者得到概念的总体相关度。实验结果验证了该方法的有效性。     

改进的整体变分法在图像修复中的应用

提出了一种改进的整体变分法并且将其应用于图像修复中。在修复的过程中考虑图像破损区域外部参考像素和待修补点的相关度,再利用图像破损区外部参考像素信息从破损区域的边缘逐步地向破损区域内部进行扩散,从而达到图像修复的目的。仿真试验表明,改进后的算法与原方法相比图像边缘过渡更加自然,修复效果得到改善。     

集成模糊LSA与MIL的图像分类算法

针对自然图像的分类问题,提出一种基于模糊潜在语义分析(LSA)与直推式支持向量机(TSVM)相结合的半监督多示例学习(MIL)算法.该算法将图像当作多示例包,分割区域的底层视觉特征当作包中的示例.为了将MIL问题转化成单示例问题进行求解,首先利用K-Means方法对训练包中所有的示例进行聚类,建立"视觉词汇表";然后根据"视觉字"与示例之间的距离定义模糊隶属度函数,建立模糊"词-文档"矩阵,再采用LSA方法获得多示例包(图像)的模糊潜在语义模型,并通过该模型将每个多示例包转化成单个样本;采用半监督的TSVM训练分类器,以利用未标注图像来提高分类精度.基于Corel图像库的对比实验结果表明,与传统的LSA方法相比,模糊LSA的分类准确率提高了5.6%,且性能优于其他分类方法.