粒子弥散强化氮化硅基陶瓷

运用晶界工程理论，选择能形成高耐炎度晶界相的Ｙ２Ｏ３和Ｌａ２Ｏ３双稀土氧化物为Ｓｉ３Ｎ４陶瓷烧结助剂，材料具有优异的高温强度。第二相碳化硅粒子的引入有效地改善了氮化陶瓷的显微结构和力学性能。以无压烧结工艺制备的高性能α／β－Ｓｉａｌｏｎ复相陶瘊等在实际应用中获得良好效果。     

釉烧温度和保温时间对陶瓷坯釉适应性影响的研究

本课题旨在研究如何提高陶瓷坯釉间的相互适应性。重点研究在坯、釉组成一定的情况下，釉烧温度和保温时间对釉面砖坯釉适应性的影响，进而讨论坯釉中间导的生成情况。同时用光学显微术、热分析试验等手段，并从理论上分析说明其影响机理。     

第二语言习得中的文化负迁移现象

在第二语言习得过程中,文化差异会在语言学习过程中产生文化负迁移.因此,了解本族语与目的语的文化差异,探讨英汉文化迁移有助于消除学习者交际障碍、拓宽视野、提高第二语言习得能力.     

氯化钠从水到乙二醇水混合中的迁移性质

在乙二醇和水为混合溶剂中加入NaCl组成三元系,在20~40℃时,改变混合溶剂中乙二醇的质量分数,在w=0%,10%,20%和30%的条件下,测定下列电池电动势AgCl-Ag|NaCl(mA),C2H6O2(w),H2O(1-w)|Na-ISE,(A)确定混合溶剂中AgCl-Ag和Na-ISE电极对在不同温度时的标准电动势,计算了NaCl的迁移性质。结果表明,低温时NaCl在纯水中有较高的吉布斯自由能状态,而在高温时,NaCl在乙二醇和水的混合溶液中处于较高的吉布斯自由能状态。     

Ni2P/Fe-HAP催化剂的表征及其苯酚加氢表面作用机理

以低品级羟基磷灰石(HAP)为原料,通过离子交换法合成载体Fe-HAP,然后用浸渍法制备出负载型Ni_2P/HAP和Ni_2P/Fe-HAP催化剂。通过BET、SEM、XRD、FTIR和TG等手段对催化剂进行了表征。Fe~(3+)的引入极大地提高了载体的比表面积,Ni_2P分散在Fe-HAP表面,热稳定性较好。以苯酚加氢制备环己酮为反应体系,在反应温度为150℃、压力为0.5 MPa、时间为3.5 h的条件下,对比了Ni_2P/HAP和Ni_2P/Fe-HAP催化剂的催化性能。结果发现,Ni_2P/Fe-HAP催化剂对苯酚的转化率为65.73%,环己酮选择性为85.47%,催化性能相对良好。     

基于BondGraph模型的定性故障诊断方法

研究一种基于键合图（Bond Graph）模型的定性故障诊断方法。根据Bond Graph模型元件中有关参数和变量的特定因果关系,推导出当某观测参量发生变化时,系统内所有可能产生故障的部位,并在此基础上预测每个故障的将来状态,通过与系统实际观测特征比较,在可能产生故障的集合中准确定位故障源。通过实例仿真验证,该方法是便捷有效的。     

混合动力变速器高位轴承风冷散热的研究

基于混合动力变速器壳体的设计开发,分析了壳体轴承座表面无散热片和有散热片对高位轴承(处于变速器最高位置)散热功率的影响。通过理论计算表明:在车速为15 km/h时,轴承在运转过程中,摩擦力矩产生的最大热功率为104.89 W。壳体轴承座表面无散热片时,壳体与空气散热带走热功率为78.08 W,带走热功率小于产生热功率,不能保证轴承处于规定温度120℃以下热平衡状态工作。通过在轴承孔外围增加散热片,壳体与空气散热带走热功率为115.09 W,带走热功率大于产生热功率,满足散热需求。     

基于高光谱数据和雷达融合的滑坡信息提取

为了改进微地形滑坡遥感影像分类技术,从而提高微地形滑坡遥感信息提取的精度,采用湖北宜昌部分地区的无人机航拍高光谱影像(HSI)和激光雷达(LiDAR)数据作为研究数据源,并对高光谱和LiDAR数据进行融合,最后采用结合注意力模块(CBAM)的卷积神经网络(CNN)方法,对融合后的数据进行滑坡信息提取。研究表明,利用高光谱和雷达数据的优势,可以更准确地提取滑坡信息。     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

大规模接警日志语义时空模式交互探索

接警日志包含时间、空间和案件描述信息,属于非结构时空数据.与时空社交媒体相比,接警日志的数据项之间存在较少的联系,数据项之间不能形成复杂网络关系,在挖掘其数据模式时难以提供有价值的线索,因此,其分析更加依赖于其中的语义挖掘和语义时空模式探索.针对这一问题,提出了一个可视分析框架支持对大规模非结构接警日志时空模式的交互探索.首先,提出了一种基于主题模型集成的方法,实现从异构文本中抽取主题;其次,该框架包含一个数据立方体,实现快速响应用户的查询请求;第三,设计并实现了一个可视化交互系统,支持对数据立方体的可视化交互探索.最后,使用国内某城市真实接警日志进行实验,找到的丰富的模式和主题预测准确性证明了方法的有效性.