连续玄武岩纤维新材料的制备、性能及应用

以玄武岩矿石为原料拉丝制成的连续玄武岩纤维，是一种高性能天然绿色无机矿物纤维，应用领域广泛，在工业发展和国防建设中具有重要意义。在回顾连续玄武岩纤维制备技术发展的基础上，介绍了坩埚法和池窑法，专门阐述了当前常用的池窑法生产工艺，以及矿石原料、关键设备、浸润剂这三个主要的影响因素。简介了玄武岩纤维中各元素成分对纤维本身性能的不同作用，并将玄武岩纤维与其他高性能纤维材料进行性能及参数对比，认为连续玄武岩纤维及其表面改性后具有优异的综合性能。结合连续玄武岩纤维应用形态对其用途进行了概述，包括玄武岩纤维丝的土工力学增强应用、丝加工成多种织物的耐温隔热应用、岩棉和鳞片的应用、基础型材(复合筋、复合板材、复合管道等)应用，以及复合材料在诸多工业领域或特殊领域的应用。从发展前景、重点应用领域、生产影响因素、制备技术及产业拓展等方面进行了分析与展望，以期对我国玄武岩纤维技术水平和行业发展起到促进作用。     

多粒径颗粒对石墨烯/铝基复合材料组织及性能的影响

采用球磨和真空热压烧结结合的工艺制备石墨烯增强铝基(Gr/Al)复合材料，研究不同粒径铝粉混合对复合材料微观组织和力学性能的影响。结果表明，利用球体最密堆积原理设计的多粒径铝粉混合，M₁(1μm∶10μm按1∶1.5混合)和M₂(10μm与100μm按1∶1.5混合)的致密度均高于单一粒径的试样(S),M₂致密度达到96.2%。M₁试样抗拉强度和伸长率相较于S试样有所降低，M₂试样抗拉强度和伸长率均提高，其中伸长率提升31.8%。多粒径混合可促进分散小粒径铝粉和石墨烯，有效降低孔隙率，在减少原始颗粒界面的同时增加裂纹扩展路径，大尺寸粒径颗粒的加入使得复合材料的塑性大幅提升。     

响应面法优化雨花茶茶多酚提取工艺及其化学模式识别研究

目的:优化雨花茶茶多酚提取工艺,并通过HPLC技术和化学模式识别等方法对其质量进行评价。方法:基于单因素实验,以茶多酚提取量为指标,运用响应面法优化雨花茶茶多酚的提取工艺;建立4个产地12批雨花茶HPLC指纹图谱,采用相似度评价和化学模式识别的方法,对其质量进行综合评价。结果:优化雨花茶茶多酚最佳提取工艺为乙醇浓度55%,料液比1∶30(g·mL^-1),提取时间90 min,提取温度40℃;建立了雨花茶HPLC指纹图谱,共标定13个指纹峰,其相似度均大于0.990;聚类分析、主成分分析和正交偏最小二乘法分析结果一致,可将12批雨花茶分为3类;综合评价结果显示,高淳所产雨花茶质量较好。结论:本研究结果可为雨花茶的质量评价提供理论依据,并为其后续资源开发提供参考。     

磁性Fe3O4@SiO2-HEHEHP复合材料的制备及其对Y(Ⅲ)的吸附

稀土常规提取过程会产生大量稀土废液，对环境造成污染，并导致稀土资源流失。针对此问题，采用溶胶-凝胶法制备了Fe3O4@SiO2-HEHEHP磁性杂化材料，将其作为吸附剂，对水相低浓度稀土离子进行富集回收，通过XRD、SEM、EDS、FT-IR、BET、磁性能分析等测试方法探究了FSP的结构形貌等物相特征，研究了FSP对于Y(Ⅲ)的吸附行为。结果表明，FSP具有核壳结构，外层的SiO2能够在酸性环境下保护内部的Fe3O4纳米颗粒，HEHEHP萃取剂成功负载在磁性吸附材料表面；FSP表面含有较多的孔隙结构，对吸附具有一定的促进效果。磁性FSP可再生使用，三次循环使用后的吸附率仍达86.29%。     

炼铁高炉炮泥填装自动化应用

钢铁领域的装备呈现自动化、无人化及智能化的发展趋势，炼铁高炉泥炮填装已实现自动化应用。通过实施智能制造改善活动，可以提高作业的本质化安全水平。     

融合非物理模型的改进AM-RetinexNet图像增强算法

针对地下空间低照度图像色彩偏暗、亮度低且分布不均、增强后图像色偏和噪声高等问题，研究提出了融合非物理模型的改进AM-RetinexNet图像增强算法。该算法将RGB图像转换成HSV分量，利用HSV空间相互独立性实现图像亮度增强和色彩增强处理，其中S分量利用V分量提取的相关信息进行自适应调整，V分量采用融合直方均衡化与注意力机制优化的RetinexNet进行照度分量增强处理；将处理后HSV分量转化成RGB图像，并对图像进行自适应色彩恢复，得到照度增强图像。对比实验表明，在图像的细节处理、亮度整体增强处理、图像降噪和色彩视觉修正等方面该方法表现较好，测试指标中平均互信息(MI)、标准差(STD)、结构相似性(SSIM)、平均梯度(AG)、空间频率(SF)和峰值信噪比(PSNR)最佳，均值分别可达到6.18,70.62,0.56,13.29,36.53,39.22。     

基于状态空间映射的模型不完备风电场调频能力在线评估方法EI北大核心CSCD

为了保证风电机组的转速安全,在风电场参与调频前,需要首先评估风电场的最大调频能力。由于风电场风机数量众多、动态特性复杂,传统基于模型分析评估风电场调频能力的方法难以实现解析求解,且验证依赖模型的完整度和精确性。提出一种数据驱动的风电场调频能力模型评估在线方法,通过利用状态空间映射将原本复杂的非线性模型转化为高维空间中的线性模型。该方法综合数据驱动和模型分析方法,可以直接利用风电场真实运行数据进行离线训练,训练数据无需覆盖调频极限场景,即可构建全局线性模型,从而在线精准评估风电场极限调频能力。算例结果证明,该文方法相对于传统风电场调频能力评估方法具有能够快速在线解析求解、不依赖模型精度、训练数据易获取的性能优势。