聚苯硫醚熔喷可纺性的研究

聚苯硫醚聚合物熔点高、流动性差、熔体黏度大,使其很难进行熔喷纺丝。从4种不同性能的聚苯硫醚原料入手,筛选出适合熔喷纺的原料,进而对熔喷纺丝工艺参数进行探索,分析了聚苯硫醚的熔喷可纺性。结果显示:熔融指数为258 g/(10 min)的聚苯硫醚具有较好的熔喷可纺性。当纺丝工艺参数为:挤出机2 Hz、风机35 Hz、挤出机主体温度340℃、喷丝头温度345℃、风温350℃时,可以纺出连续均匀的聚苯硫醚无纺布,纤维直径为2～5μm。     

用LCR波检测零件内部切向应力的实验研究

本文介绍了一种基于声弹性理论,利用临界折射纵波（Critically Refracted Longitudinal．LCR）从表面测量零件内部切向应力的方法．依据固体中超声波传播特性与应力状态的关系,搭建了基于传播声时的实验测量系统．在传播声时的测量中采用“过零检测”方式减小由超声波信号幅度变化造成的误差,利用时间-数字芯片实现高精度的时间间隔测量。     

多功能的微机—电液伺服控制实验系统

一、引言微机直接加入液压控制系统原是为提高系统的控制能力而首先采用的。这里微机作为高速的运算工具,借助其运算和逻辑判断能力,使各种不同的控制算法得到实现。进一步,本文将微机引入传统的电液伺服控     

基于CNN和MC的水文时间序列预测组合模型

对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。     

“H”型苯酯苯结构液晶单体的合成与表征

设计与合成了一种"H"型苯酯苯结构的液晶化合物,2,3-二烯丙氧基苯甲酰氧基苯甲酰氧基丁二酸乙酯(M)。对所合成的液晶化合物采用红外光谱仪(FT-IR)、差示扫描量热仪(DSC)、及偏光显微镜(POM)等技术进行了结构表征与性能研究。实验结果表明,单体M为热致单变向列液晶,升温过程中呈现纹影织构和球粒织构。     

多核学习融合局部和全局特征的人脸识别算法

提出一种基于词袋模型的新的人脸识别算法.该方法将词袋模型和词袋模型的全局模式分别作为人脸图像的局部特征和全局特征描述,最后使用多核学习方法将二者进行融合.AR、FERET、CMU PIE以及LFW公开人脸数据库上的实验结果表明,本文方法能够更好的解决小样本问题,并且对人脸的表情变化、姿态变化以及面部遮挡具有更优良的鲁棒性.     

TA18钛合金管材织构对环向拉伸性能的影响

利用织构增强原理,开发出了TA18(Ti-3Al-2.5V)钛合金860 MPa级高强度管材,保证了管材的工艺性能,同时又具有优异的力学服役性能。标准规定反映径向织构的管材收缩应变比(CSR)大于1.3,但对上限值未作规定。本研究设计出小管径的环向拉伸夹具,测试了不同CSR管材的环向拉伸力学性能,分析织构对环向抗拉强度的影响,发现存在一个最有利的CSR值为1.75,大于或小于该CSR值时都会导致管材环向屈服强度下降。进一步测定了对应管材的极图和ODF图,从微观结构上可以解释这一规律和本质。环向抗拉强度下降会引起液压系统工作时疲劳强度降低,CSR值的上限在工艺设计时应当加以控制。本研究对发展安全可靠的航空液压系统具有十分重要的理论意义和工程应用价值。     

基于互联网技术的高校英语教育教学模式创新

高校英语教育随着教学理念的更新和技术的升级,其模式亟待改革创新.互联网模式应用于英语教育领域,对于颠覆传统课堂教学模式、改变教学主体地位、丰富课堂和实践教学内容、提升教师专业素养和学生英语以及实现新时期高校英语教育目标具有重要意义.由中国原子能出版社出版的《基于翻转课堂理论的英语教学改革与实践》一书,从阐述翻转课堂教育...     

多孔PAN/MnO2超细纤维的制备及除甲醛性能

采用二元溶剂体系,通过相分离静电纺丝法制备出多孔聚丙烯腈(PAN)超细纤维负载纳米二氧化锰(MnO₂)复合材料。利用扫描电镜(SEM)、场发射电子显微镜(FE-SEM)、X射线衍射分析仪(XRD)等手段对多孔PAN-MnO₂纤维进行了表征。结果表明,PAN纤维微孔结构清晰,纤维内部及表面含有大量的MnO₂纳米颗粒;多孔PAN超细纤维具有一定的吸甲醛性能,而且掺杂了具有催化活性的MnO₂纳米颗粒后,多孔PAN@MnO₂超细纤维除甲醛效率显著提高,80 min内甲醛去除率达到57.9%;经过5次循环使用后,甲醛去除率仍保持在46.3%。     

基于机器学习的堵漏颗粒粒径推荐方法

井漏是油气勘探领域的重大技术难题。桥接堵漏是最常用的堵漏技术手段,其中架桥颗粒粒径是关键参数,直接影响堵漏成败,目前架桥颗粒粒径的选择主要依赖经验,缺乏科学有效的方法。研究了一种基于机器学习算法的堵漏颗粒粒径推荐方法。该方法基础数据为塔里木盆地库车山前区域126口完钻井的测井、录井及防漏堵漏施工数据,其输入层为基于皮尔森算法筛选出的23项主要参数,输出层为0～750μm、750～1 500μm、1 500～4 000μm、4 000μm以上等4个架桥颗粒粒径区间。训练测试了10种常用的机器学习算法在测井数据、录井数据及测井+录井数据等三类数据集上的准确率,测井+录井数据集上各算法得分普遍高于测井和录井数据集。在测井+录井数据集上,支持向量机和极限随机树算法的F1得分最高,达到0.9以上。基于支持向量机和极限随机树算法的架桥颗粒粒径推荐模型在库车山前一口井上验证2井次,两种算法模型的架桥颗粒粒径预测结果与现场实际堵漏效果一致,在桥堵粒径级配科学优选上具有良好的应用前景。