从恒速升温速率下的DSC曲线峰温计算含能材料放热分解反应动力学参数的理论和数值方法（英）

根据Kooij公式和van't Hoff公式,从恒速升温速率下的DSC曲线峰温导出了计算含能材料放热分解反应动力学参数的两个数学表达式,提出了计算相应动力学参数的数值方法.对1,3,5-三硝基-1,3,5-三氮杂环己酮-2(Keto-RDX),由导出的两个表达式、Kissinger法、Ozawa法、Tang法、Hu-Gao-Zhang法、非线性等转化率积分法(NL-INT)所得的活化能E值彼此接近,表明Kooij's公式中的a值取0.5,van't Hoff公式的b值取0.003,可得到合理的动力学参数.     

随机利率下的均值-方差最小套期保值

均值-方差套期保值是套期保值的主要方法之一。不连续资产价格的均值-方差套期保值策略通常是在利率为非随机的情况下获得的。本文考虑在随机利率下,资产价格为特殊半鞅的均值-方差套期保值问题。通过适当的概率测度变换,将具有随机利率的情形简化为非随机利率情形,再利用Galtchouk-Kunita-Watanabe分解,获得了资产价格为一般的特殊半鞅,具有随机利率的的均值-方差套期保值策略。     

袋型阻尼密封的非定常动力学特性研究

在燃气轮机中,密封系统的好坏对燃气轮机性能的影响十分明显.其中袋型阻尼密封由于其低泄漏、高阻尼的特点,既能提高了燃气轮机的效率又有效地减少其转子的振动.本文运用ANSYS-CFX软件分别对8齿传统袋型阻尼密封、8齿贯通挡板袋型阻尼密封进行数值计算,结果表明:密封腔内气体作用力的切向分力有助于降低转子振动速率,而其径向分...     

9种杀菌剂防控芋疫病效果评价

为了筛选防治芋疫病的高效、安全药剂,于2021年开展了9种杀菌剂的田间防效试验。结果表明,31%噁唑菌酮·氟噻唑吡乙酮悬浮剂药后14、21d病指防效和病叶率防效均为70%以上,持效期长,速效性较差;25%甲霜灵·霜脲氰可湿性粉剂药后7、14 d病指防效和病叶率防效均为70%以上,具有较好的速效性和一定持效性。     

甲醇-空气层流火焰速度的数值研究和预测模型

收集总结分析了现有的甲醇层流火焰速度的实验数据,比较了三种典型的描述甲醇氧化的详细化学反应机理(Li机理、USC Mech-Ⅱ和Burke机理)对层流火焰传播速度的预测精度。结果表明三种机理均能定性反映甲醇层流火焰速度的变化规律,但在富燃料侧,机理计算值明显高于实验结果。反应动力学分析表明甲醇脱氢反应对层流火焰速度的影响至关重要。根据文献中的最新成果,修正了Li机理中甲醇脱氢反应的速率常数,提高了Li机理对甲醇-空气层流火焰速度的预测精度。针对工程需求,给出了两个甲醇层流火焰速度的快速预测模型,经过校核,所提出的预测模型能够较为准确地预测不同初始温度和压力下甲醇层流火焰速度。     

跑气保用轮胎胎侧支撑胶配方的优化

对现用跑气保用轮胎胎侧支撑胶配方进行优化。结果表明:在天然橡胶/顺丁橡胶(BR)生胶体系中加入热塑性弹性体,并减小BR和炭黑N550用量,胶料的门尼焦烧时间和正硫化时间延长,抗硫化返原性能提高,工艺性能良好;硫化胶的物理性能和耐老化性能提高,生热降低;成品轮胎的耐久性能提高。     

生物可降解聚(己内酯-β-苹果酸内酯)两亲性高分子的合成及作为药物载体研究

以苹果酸内酯、ε-己内酯为单体,采用开环聚合方法合成生物可降解聚(乳酸-co-苹果酸内酯)(PMSL),将亲水链段PEG键合到聚(乳酸-co-苹果酸内酯)末端形成两亲性高分子(m PEG-PMSL),核磁氢谱(1H-NMR)表征目标分子。通过芘荧光探针法、动态光散射研究了两亲性高分子的自组装行为,MTT测试细胞毒性,激光共聚焦表征胶束入胞能力。结果表明,成功合成了生物可降解两亲性高分子,且能自组装成结构均匀的球形纳米胶束,对疏水药物具有较好的负载能力,同时显示良好的细胞相容性,载药胶束能快速的进入细胞。因此,该生物可降解聚合物胶束有可能成为一种优异抗肿瘤药物载体。     

固体继电器的接通与关断电压

阐述了固体继电器的接通与关断电压的定义以及其标准值与实测值的关系；分析了测试中容易造成产品损坏的原因；提出了既安全又简单的测试方法和设计输入电压的要求。     

钛合金热加工保护涂层自剥离性研讨

钛合金热保护涂层，主要功能是防止钛合金在加热或热加工过程中的严重氧化．但是在热加工结束后，涂层的去除十分困难，如果能够在不影响保护效果的前题下，使涂层在热加工结束后自动剥离．这将给生产带来极大的方便．讨论由玻璃和粘土组成的不同涂层配方，经过试验和计算，找出构成涂层的二个组份—玻璃及粘土，在涂层使用过程中的不同作用．认为，在加热及热加工阶段，玻璃发挥主要作用，而在加工后的冷却剥离阶段，粘土起主要作用     

用Boosting算法预测多硝基芳香族化合物的密度

采用Boosting算法对多硝基芳香族化合物(PNACs)的密度进行预估.选用分子结构描述码作为输入特征参数.结果表明,PNACs的密度与其分子结构存在良好的相关性,与人工神经网络相比,Boosting算法对预测的准确性有显著提高,预测结果的相对误差都在8%以内.