表面粗化工艺对IPMC的制备及性能的影响

基于二次渗透还原法对IPMC材料的制备进行研究.探索3种不同的基膜表面粗化方法对IPMC材料特性的影响.表面粗化方法包括手工打磨、砂光机打磨以及等离子体表面处理方法.通过样件实测对3种不同粗化条件下获得的IPMC材料的外观特征、微现形貌、驱动变形特性以及表面电阻特性进行了测试和比较.实验结果表明,随着表面粗化均匀程度的提高,基膜表面及内部金属沉积均匀与致密性增高,材料的驱动变形能力降低.在一定的驱动电压范围内,IPMC材料的变形与电压近似成线形增加的关系.在相同的尺寸、约束以及驱动电压(3V)条件下,手工打磨的样件能够产生60°的弯曲变形,砂光机打磨样件为45°,而等离子体处理的样件只有15°.     

空间自回归固定效应面板数据模型的经验似然

文章研究带固定效应空间自回归的面板数据模型,构造了该模型具有空间误差与空间自回归扰动时的经验似然统计量,在适当的条件下,证明了给出的经验似然统计量的大样本性质。     

浅谈土坝坝体灌浆技术的机理

一、土坝坝体劈裂灌浆概述 劈裂式灌浆是运用坝体坝应力分布规律，由灌浆机产生一定的压力，把配合好的浆液灌用一定的灌浆压力，将坝体沿坝轴线方向劈裂，同时灌注合适的泥浆，形成铅直连续的防渗泥墙，堵塞漏洞、裂缝或切断软弱层，以提高坝体的防渗能力，同时通过浆、坝互压和湿陷。使坝体内部应力重新分布，提高坝体变形稳定性。     

天然裂缝性油藏渗吸规律

为了研究渗吸作用对天然裂缝性油藏的影响,改善该类油藏的开发效果,以数值模拟为手段,通过建立概念地质模型,以静态和动态2种方式研究了毛细管压力、孔隙均匀程度、相渗曲线、基质和裂缝渗透率、原油黏度和基质含油饱和度对基质渗吸速度的影响,并在静态下对相关参数进行了公式拟合.静态下,渗吸速度与毛细管压力、基质渗透率、残余油饱和度、束缚水饱和度下的油相相对渗透率呈直线关系,与束缚水饱和度呈指数关系,与原油黏度呈幂指数关系;动态下,对于不同润湿性的油藏提出了不同的开发方式.     

一种多功能气举完井管柱

针对让那若尔油田低压、高气液比的油藏特征，设计出一种压裂气举排液及完井一趟管柱，该管柱在常规压裂管柱上安装气举阀，在油井压裂施工结束后不起出压裂管柱。采用气举方式实现压裂液快速返排和连续气举完井生产，是压裂工艺和气举技术的结合，一趟管柱实现压裂、排液及完井后连续气举生产等三项功能。现场24口井的应用表明，该管柱承受压力高，排液速度快，不动管柱可实现连续气举生产，既简化作业程序，又能达到增产增效的目的。     

超声波降低聚合物溶液粘度初探

(大庆油田采油一厂)摘要本文采用测试聚合物水溶液超声波作用前、后粘度损失率评价超声波对降低聚合物溶液粘度的效果。实验得出最佳工作条件下,超声波可使中111外输三元复合驱采出污水的粘度值由4.3mPa·s降至3.3mPa·s,粘度损失率21%;经2h超声波作用,可降低北一断西区采出液处理站含聚污泥的结合力,提取油砂中原油。     

喇、萨、杏油田特高含水期采出程度

特高含水期是油田开发的重要阶段,采出程度是编制油田开发调整方案的重要指标,因此特高含水期采出程度的测算对油田开发具有重要意义。在发展完善水驱曲线、相渗曲线计算采出程度方法的基础上,综合利用开发动态数据、室内实验数据、矿场试验数据,计算得出喇、萨、杏油田分类油层、分开发区特高含水期采出程度为8%~10%。明确了喇、萨、杏油田剩余储量潜力,为特高含水期开发调整提供了可靠依据。     

TD-SCDMA HSDPA/R4业务同频互干扰的研究

HSDPA作为TD-SCDMA的增强型无线技术,为TD-SCDMA获取更高数据传输速率和更高容量提供了一条平稳演进的途径。文章在对TD-SCDMA HSDPA技术及HSDPA/R4组网方式分析的基础上,测试了某地TD-SCDMA网络中的HSDPA/R4业务同频互干扰,并对其进行了分析和研究,对TD-SCDMA网络的实际部署具有参考意义。     

头盔显示器光学检测系统

为了对头盔显示器的目视系统做出整体性的评价,提出了一种简单可行的头盔显示器检测方法,设计了用于检测的光学系统。根据头盔显示器与检测系统光瞳匹配的需求,在设计中采用目镜结构的成像镜头,通过一片树脂非球面镜片实现了镜头的无畸变成像。检测系统的视场角为50°,入瞳大小为4mm,畸变量<0.1%,在-4D～3D头盔目镜测试条件下都能保持很高的成像质量,可以满足不同屈光度下头盔显示器目视系统的测试需要。     

基于级联CNNs的非约束车牌精确定位

为解决单一深层卷积神经网络用于非约束场景下车牌定位时,所输出的矩形检测框对非正面车牌定位效果不佳的问题,提出将目标检测与目标分类CNN网络级联,通过检测网络得到感兴趣区域,接着利用轻量级分类网络,将车牌顶点检测问题转化为回归问题。首先,利用YOLOv3网络进行粗定位,获取图像中所有车牌的候选区域;然后,使用基于MobileNetV3改进的轻量级神经网络定位候选区域中的车牌顶点,实现车牌区域精定位;最后,通过透视变换将车牌区域投影到矩形框内实现车牌校正。实验结果表明,所提出的级联CNNs能够有效解决单一CNN目标检测网络仅能输出矩形检测框,而不适用于非约束车牌定位的问题,具有较好的应用价值。