改性双羟基氧化物对P(BA-VAc)力学性能及热性能的影响EI北大核心CSCD

采用共沉淀法制备了十二烷基硫酸钠改性双羟基氧化物(SDS-LDH),并借助红外光谱(FT-IR)和X射线衍射(XRD)对SDS-LDH进行了结构表征。通过原位聚合法制备了聚(丙烯酸丁酯-醋酸乙烯酯)(P(BA-VAc))/SDS-LDH复合胶膜,详细探讨了SDS-LDH用量对P(BA-VAc)力学性能、热性能以及抗氧化能力的影响。结果表明,m(SDS-LDH)/m(P(BA-VAc))为0.1/100-1.0/100内,共聚胶膜拉伸强度逐渐增大,断裂伸长率在m(SDS-LDH)/m(P(BA-VAc))=0.3/100时达到最佳值而后逐渐减小;SDS-LDH参与了P(BA-VAc)大分子热降解过程,使胶膜初始分解温度提高11.6℃;m(SDS-LDH)/m(P(BA-VAc))=0.1/100的SDS-LDH即可大幅度提高胶膜的抗氧化能力。     

钢铁黑色化学转化膜技术的现状及展望

对国内近些年钢铁表面黑色化学转化膜技术进行了综述.主要阐述了黑色氧化膜和黑色磷化膜两大方面.对每种转化膜技术反应条件、膜层结构及发展状况等方面进行了比较和分析.提出钢铁黑色化学转化膜技术未来的研究方向.     

封头无模液压胀形的试验研究

针对大型封头单件,小批量生产模具费用高、生产成本高的问题,设计并实施了封头无模液压胀形的工艺试验,获得内压与封头高度的关系,确定了封头无模液压胀形的可行性;取得了大型封头无模液压胀形的基础数据,为类似容器成形提供一定的依据.     

阻燃型聚醋酸乙烯酯乳液的研究(Ⅰ):阴离子型共聚乳液的合成及胶膜性能

针对醋酸乙烯酯(VAc)均聚乳液在柔韧性和对阻燃剂包容性上存在的不足,用丙烯酸丁酯(BA)对VAc进行共聚改性,较系统地研究了改性胶膜的各种性能。结果表明,BA对VAc改性后,不仅提高了胶膜的断裂伸长率和耐水性,而且明显提高了胶膜的初始分解温度和最大热释放速率。当BA引入量为单体总量的25%(质量分数,下同)时,胶膜初始分解温度升高44℃、最大热释放速率对应温度升高9℃。同时,在250～400℃范围内,共聚物残留量明显高于醋酸乙烯酯均聚物。     

加快推进商南县水源保护工作的设想和建议

分析了商南县水源保护现状,提出今后的工作设想、存在的问题和合理的工作建议,对工程实践有积极的指导意义.     

一种基于AMPF和FastSLAM的复合SLAM算法

为了改进快速同时定位和地图创建(FastSLAM)算法的粒子集性能、提高估计精度,提出基于AMPF和FastSLAM的复合SLAM算法.将辅助边缘粒子滤波器(AMPF)与FastSLAM架构相结合,用AMPF估计机器人位姿,单个粒子的位姿提议分布用无轨迹卡尔曼滤波估计.设计与AMPF和FastSLAM架构均兼容的采样方法和粒子数据结构,在FastSLAM框架下用扩展卡尔曼滤波递归估计地图.实验表明,该算法的粒子集性能比FastSLAM 2.0算法好,并且它的位姿估计精度高于FastSLAM 2.0算法.此外,粒子数较少时,该算法的估计精度较高,从而可适当减少粒子数目来提高算法的计算效率.     

人水和谐的博弈辨识方法及博弈力计算

以人水和谐实现的双方--人文系统和水系统作为主要研究对象,从分析人文系统和水系统之间的相互作用关系入手,提出了人水和谐博弈辨识、影响力、博弈力、博弈合力、博弈优势度概念,并提出人水和谐博弈辨识的一般方法步骤(简称HWH-GI方法)及影响力、博弈力、博弈合力、博弈优势度的计算方法.将该方法应用于郑州市的人水和谐辨识中,结果与实际相符.     

人水和谐的博弈内涵及认识新途径

从博弈理论的角度分析了人水和谐的内涵,提出了人水博弈的概念.对人文系统和水系统的博弈关系进行了分析,提出了人水和谐博弈模型的框架,其主要包括博弈内涵分析、博弈辨识、博弈评估、博弈管理4个部分.从人水博弈关系方面分析实现人水和谐的途径:①维持水系统健康;②提高公众节约用水、保护水资源的意识等.     

柑橘皮渣 / 淀粉基可降解复合缓冲材料的制备及性能表征

在淀粉基材中添加不同含量的柑橘皮渣共混挤出,制备可降解复合缓冲包装材料,通过对半径膨胀率、表观密度、压缩强度、扫描电镜、吸湿率和红外光谱性能的分析,对比材料之间存在的结构差异,探索柑橘皮渣含量对复合材料性能的影响。研究表明:柑橘皮渣的添加降低了淀粉基复合材料的表观密度及压缩强度;柑橘皮渣质量分数为30%和50%的试样能较快达到吸湿平衡状态,且吸湿量低于纯淀粉材料;质量分数为30%的试样具有最大的半径膨胀率,并呈现最佳的泡孔状态。     

基于AUC 优化的非线性主动学习算法及其在障碍物检测中的应用

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种基于AUC 优化的非线性主动学习算法．该算法的计算处理过程是：首先利用基于AUC 优化的算法在训练集上对非线性分类 器进行训练;然后利用已训练好的分类器对所有未标记样本进行分类;接着利用基于AUC 优化的样本选择函数计 算分类后的样本的得分;最后算法根据分值大小选出最有信息量样本,并且专家根据该样本所在的图像及在图像中 位置对其进行标记并放入训练集中．重复上述过程,直到AUC 收敛为止．在户外环境图像库上进行了实验,结果表 明：该算法能显著减小数据标记的工作量,并能解决因样本分布不平衡而引起的次优解问题,与已有主动学习算法 相比性能更优．