化学吸附式制冷-化学反应热对吸附床的影响

化学吸附制冷中,不同温度下CaCl_2-NH_3会发生2种不同的反应,吸附床的温度不是均匀分布的,所以吸附床内存在2种化学反应。同时化学反应会产生相应的化学反应热,又会反过来影响吸附床的温度。在数值模拟中,化学反应热对吸附床的温度会产生很大的影响,通过在Fluent中的UDF导入有关化学反应的编程,从而模拟出吸附床温度的变化,比较了考虑化学反应热与不考虑化学反应热对吸附床温度分布的影响。     

聚丙烯耐熔垂性能的改进

本文了共聚、共混、填充等技术改进聚丙烯耐熔垂性能的规律，并对改性后聚丙烯的力学性能进行了研究。     

一种检测单晶炉热场温度的新方法

为去除单晶炉热场温度测量信号中的低频干扰、提高温度信号的估计精度,本文提出了一种基于跨维模拟退火(trans dimensional simulated annealing,TDSA)的单晶炉热场温度检测方法.该方法首先将AIC(Akaike information criterion)信号个数判断准则纳入采样机制中以便对干扰个数采样估计,进而利用所设计的基于信号频谱和轮盘赌思想的Metropolis Hastings机制对相应个数的干扰频率进行采样,最后设计了混合均匀和高斯采样机制对单晶炉热场温度进行采样估计.仿真和单晶炉工程实验结果表明,该方法在干扰个数未知的情况下,能够有效地抑制低频干扰、准确检测单晶炉热场的温度.     

芳香族硝基化合物还原制芳胺生产工艺评析

本文简要叙述了芳胺用途、常用合成工艺,重点对各生产工艺进行了技术、经济评析,并对芳香族硝基化合物还原方法的选择提出了自己的看法。     

颜色和形状特征分离和局部整合的研究

特征绑定是特征分离和整合的过程。为探究视觉系统处理图像颜色和形状特征的动态绑定过程,提出基于任务的独立成分分析(T_ICA)和最短距离聚类相结合的方法,并将其应用于任务态下采集的脑功能(fMRI)数据,实现颜色和形状处理功能的分离和局部整合。结果表明,T_ICA将f MRI数据分离成彼此独立的特征成分,其中包含有目标特征成分和其他成分;聚类方法实现了颜色功能和形状功能的局部整合,形成了两个分别处理颜色和形状的基本感知系统。通过研究人脑视觉特征绑定机制为计算机视觉捆绑的研究与应用提供一定的参考价值。     

磷酸铁锂锂离子电池正极材料的研究

锂离子电池是绿色高能可充电池，具有工作电压高、比能量大、自放电小、循环寿命长、无记忆效应、无环境污染等突出优点。本文从磷酸铁锂的结构与性能、材料的制备方法、改性、粒径控制等几方面综述了近年来对橄榄石型磷酸铁锂（LiFePO4）锂离子电池正极材料的研究进展。材料的粒度大小及其分布、离子和电子的传导能力对产品的电化学性能影响很大。在制备时，采用惰性气氛、掺杂导电材料和控制晶粒生长制备粉体是获得性能优良的LiFePO4的有效方法。     

S＆W超选择性裂解炉分区裂解探讨

介绍了S＆W超选择性裂解炉分区裂解改造的情况，包括分区裂解炉的运行情况、对后系统的影响、对产品收率的影响、投用过程存在的问题及处理。指出分区裂解能提高装置的生产能力，而产品的收率基本不变。     

草酸镁分解法制备纳米氧化镁

以草酸和氯化镁为原料，采用固液法制备了纳米级氧化镁粉体。优化了试验条件，并用TEM和XRD对纳米氧化镁的粒子结构和形貌进行了研究。结果表明，在600℃焙烧，得到的纳米氧化镁粒度分布均匀，平均粒径为15nm。并对固液法生成纳米氧化镁的机理进行了初步探讨。     

分流叶片对离心泵内部固液两相流的影响

为了研究分流叶片对离心泵内部固液两相流的影响,建立固液两相流模型,对无分流叶片离心泵和3种带分流叶片的离心泵进行全流道非定常数值模拟。重点分析了添加分流叶片对离心泵外特性、叶片表面压力脉动、叶片表面颗粒体积分数分布、叶片表面颗粒滑移速度的影响。分析结果表明:添加分流叶片以后,离心泵的扬程和效率均有显著的提高,叶片表面的颗粒分布更加均匀,叶片表面颗粒的滑移速度有不同程度的下降,使颗粒对叶片表面的磨损程度得以降低;当分流叶片的进口直径为0.65D2时,叶片出水边处的压力脉动幅值最小,减小了离心泵在运行过程中的振动和噪声。     

Laplacian group sparse modeling of human actions

Recently, many local-feature based methods have been proposed for feature learning to obtain a better high-level representation of human behavior. Most of the previous research ignores the structural information existing among local features in the same video sequences, while it is an important clue to distinguish ambiguous actions. To address this issue, we propose a Laplacian group sparse coding for human behavior representation. Unlike traditional methods such as sparse coding, our approach prefers to encode a group of relevant features simultaneously and meanwhile allow as less atoms as possible to participate in the approximation so that video-level sparsity is guaranteed. By incorporating Laplacian regularization the method is capable to ensure the similar approximation of closely related local features and the structural information is successfully preserved. Thus, a compact but discriminative human behavior representation is achieved. Besides, the objective of our model is solved with a closed-form solution, which reduces the computational cost significantly. Promising results on several popular benchmark datasets prove the efficiency and effectiveness of our approach.