粉煤灰对碱激发矿渣/粉煤灰体系的作用机理研究

碱激发胶凝材料是以工业固体废弃物为原料制备的一种绿色无机胶凝材料,具有良好的力学性能与耐久性能。粉煤灰因其独特的球体微观结构与其他固废微粉存在本质区别,因此粉煤灰在碱激发胶凝材料体系中的作用机理亟待研究。以矿渣与粉煤灰为原料,利用碱激发剂制备胶凝材料,并对材料进行抗压强度测试,最后采用XRD、FTIR和SEM探究碱激发矿渣/粉煤灰体系的水化反应机理,研究粉煤灰对矿渣/粉煤灰体系的作用机理。结果表明:外掺3%(质量分数)NaOH作为碱激发剂,水固比为0.4时,随粉煤灰掺量减少,抗压强度呈现先上升后下降的趋势;m(矿渣):m(粉煤灰)为4:1时,28 d抗压强度达到峰值(37.1 MPa)。粉煤灰颗粒在不同龄期形成具有不同反应程度与尺寸的嵌入式微观结构,对材料力学性能起到不利影响;但粉煤灰的活化程度随龄期延长逐渐变大,对后期强度发展有持续贡献。碱激发矿渣/粉煤灰体系水化产物中含有Friedel盐、托贝莫来石、钙矾石、C-S-H/C-A-S-H凝胶,以及粉煤灰中残留的α石英相。随粉煤灰掺量增加,托贝莫来石生成量减少,钙矾石向Friedel盐转变,钙矾石生成量减少,Friedel盐生成量增多。     

两种固化剂协同稳定底泥重金属的实验研究

采用磷酸氢二钾和氧化钙,以不同剂量和配比添加到底泥之中,风干后进行重金属毒性浸出实验,考察了的最优配比和不同因素对稳定化效果的影响。结果表明:当二者共存时,对底泥中Mn、Pb、Cd、Cu、Zn具有较好的固化作用,固化效果最优的配比是底泥、磷酸氢二钾与氧化钙以质量比为50∶3∶3的比例,浸提液中Mn、Pb、Cd、Cu、Zn浸出量较对照分别降低96.8%、97.8%、99.0%、98.0%和93.6%。并且在不同因素影响下,最优配比体现出较好的适用性,达到相应国家标准,为资源化利用提供了前提。     

温控形状记忆合金的驱动响应模型

基于传热学理论和驱动几何关系建立了温控形状记忆合金(SMA)驱动器的驱动响应模型,动态修正了模型中受温度影响的参数值,提高了驱动模型的响应精度,分析并得到了SMA丝正多边形截面边数小于8时提高响应速度的规律。基于理论分析结果,测试了直径1.2 mm、长度10πmm、初始圆心角30°的SMA丝在电流6A下的驱动响应,响应模型的计算结果同实验结果的对比表明,驱动全过程的最大误差(驱动终点)降至1.8 s,模型能较精确地描述驱动过程。     

WSN中一种改进的TOA空间定位算法研究

近年来随着集成电子技术和无线通信技术的飞速发展,无线传感器网络(WSN)技术成为一个新的热门领域,它被广泛应用于生产控制,智能家居,医疗保健,环境监测以及军事应用当中.其中关于WSN节点的空间定位问题成为关键.本文首先给出关于定位问题的定义及原理,然后分析一种可行的定位算法TOA.再通过阐述TOA的缺点,得出一种改进的TOA算法,从而可以很好地解决WSN节点的空间定位问题.     

基于Gabor和纹理抑制的手机配件划痕检测

经典的划痕检测方法通常采用各种边缘检测算子来完成,由于对纹理和噪声十分敏感,因此常造成大量的误判。在具有复杂纹理的金属表面检测中,误判现象尤其严重。为此,利用Gabor滤波的条形模式检测原理,同时结合各向异性纹理抑制和滞后多阈值处理技术,提出一种用于手机配件金属表面划痕的检测方法。对金属表面图像进行Gabor滤波,提取出划痕的骨架结构,利用各向异性纹理抑制方法抑制金属表面的纹理,再用滞后多阈值准确提取划痕。实验结果表明,该方法能极大程度地抑制非划痕区域的金属纹理,同时完整地提取出细微的划痕图像,其误检率、漏检率和轮廓检测缺失概率分别为2%,3.7%和5.5%,明显优于基于边缘算子的划痕检测方法。     

浅谈知识管理在图书管理中的应用

知识管理已随着网络数字的到来成为人们所关注的话题,在图书馆的各项业务中,知识的采集、获取、使用以及创新成为主线,在图书馆的应用中知识管理正逐渐受到重视,对图书馆资源配置的优化,综合利用知识的促进,馆藏文献利用率的提升都有非常重要的作用。     

城市燃气中压输配管网潜在储气能力计算

分析了中压管网的3种稳定流动工况：最低小时用气工况、最大小时用气工况、极端用气工况。利用这3种工况下的管道存气量之差计算了中压管网的常规储气量和极端储气量。通过典型案例计算了中压管网的潜在储气量。中压管网具有一定的潜在储气能力。     

基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断

为充分挖掘转辙机振动信号的有效故障信息，提高故障诊断准确率，提出了一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）、改进时域多尺度散布熵（Improved Time-domain Multiscale Dispersion Entropy,TMDE）与粒子群优化算法（Particle Swarm Optimization algorithm,PSO）优化支持向量机（Support Vector Machine,SVM）的故障诊断方法 .首先，通过EEMD方法将不同故障类型的振动信号分解成若干个模态函数（Intrinsic Mode Functions,IMFs）；其次，采用相关系数与峭度的混合筛选准则筛选IMFs并重构信号；再次，应用所提ITMDE算法提取重构信号的多尺度故障特征；最后将得到的特征向量输入经PSO搜索最优参数后的SVM进行训练和测试.实验分类准确率为100%，分析表明所提方法优于传统的多尺度排列熵、多尺度散布熵的故障诊断方法，能精确地识别转辙机故障类型.