多聚磷酸改性沥青结合料高温流变性能

通过沥青针入度、软化点、延度、四组分试验和动态剪切流变(DSR)试验,研究多聚磷酸(PPA)改性沥青结合料的高温流变性能,并与基质沥青和SBS改性沥青结合料进行对比.结果表明:PPA的掺入使沥青结合料高温流变性能指标明显改善,随PPA掺量的增加,沥青结合料软化点升高,针入度降低,复数剪切模量增大,相位角减小,车辙因子增大,说明PPA的掺入使沥青结合料高温性能得到提高;DSR试验证明,可以用1.0%(质量分数,下同)PPA代替4.0%SBS来改善沥青结合料的高温性能,并且PPA掺量几乎每增加0.5%,高温PG等级就提高1个等级.PPA的掺入使结合料中沥青质含量明显增加,胶质含量明显减少,采用PPA作为改性剂可以提高沥青结合料的高温抵抗变形能力.     

非遗文化黄梅挑花对地方特产的包装设计研究——以黄梅荷叶茶为例

黄梅挑花作为湖北省黄梅县非物质文化遗产,具有独特的地域特征和艺术价值。黄梅荷叶茶历史悠久,是黄梅县当地的特色产品。本文对黄梅挑花装饰艺术进行分析,将黄梅挑花的艺术形式运用到黄梅荷叶茶的包装设计中,旨在探索出一条将非遗文化与地方特产相结合的包装设计方法,为助力乡村振兴和弘扬非物质文化寻求新的路径。     

TiO2/GO复合材料对氨气和硫化氢的光催化降解

采用“静电结合与水热法”制备了二氧化钛/氧化石墨烯(TiO₂/GO)复合材料,并对该材料的光催化性能进行了研究。以恶臭气体中氨气、硫化氢为代表性气体,通过自制的反应装置,研究了复合材料对它们的光催化性能,探究了GO掺杂比例、反应时间、紫外灯波长等因素对光催化降解的影响。结果表明：在365 nm紫外灯照射下,GO掺杂量4%的TiO₂/GO复合材料去除氨气和硫化氢的效果最佳,去除率分别达96.01%和93.45%。     

怀远—蒙城厚覆盖区基岩深度地球物理推断方法研究

当前全球矿产资源勘查已进入攻深阶段,在厚覆盖区,前期工作多以物探为主要手段,钻井等地质资料相对较少,因而通过已有物探资料对覆盖区基岩深度进行推断,作为指导后续找矿工作的依据是合理且必要的。本次研究区位于蚌埠隆起带中部,为皖北重要的成矿带,绝大部分为厚覆盖区,基底隆起带上覆中新生代盖层,厚度由数十米至上千米不等。已搜集到1∶20万重力数据及部分钻井资料,结合区内物性参数,以重力异常宏观走向切取剖面并建立模型进行2.5D反演,从而推断出怀远-蒙城地区基岩深度值。与已知钻孔对比,最终得到的基岩深度与实际最大误差值为68 m,均方误差为±20 m,推测结果能有效反映基岩深度的相对变化趋势。通过此次研究工作了解了区内岩体埋深、空间形态等,再结合地质及综合物探信息,能为3D地质建模及成矿远景区的筛选提供有效的参考依据。     

火电厂电力监控系统安全防护应用

电力监控系统是利用计算机和网络技术,对电力生产和供应过程进行监视和控制。火电厂电力监控系统采用纵向分层的结构部署,涵盖全厂生产、管理等多项业务,通过对不同的分区进行专项管控,保障整个火电厂运转正常。通过对过往事故案例分析,以某火电厂监控系统实际部署为例,阐述火电厂的电力监控系统安全防护措施及防护重点工作。     

二值网络的分阶段残差二值化算法

二值网络在速度、能耗、内存占用等方面优势明显，但会对深度网络模型造成较大的精度损失.为了解决上述问题，本文提出了二值网络的"分阶段残差二值化"优化算法，以得到精度更好的二值神经网络模型.本文将随机量化的方法与XNOR-net相结合，提出了两种改进算法"带有近似因子的随机权重二值化"和"确定权重二值化"，以及一种全新的"分阶段残差二值化"的BNN训练优化算法，以得到接近全精度神经网络的识别准确率.实验表明，本文提出的"分阶段残差二值化"算法能够有效提升二值模型的训练精度，而且不会增加相关网络在测试过程中的计算量，从而保持了二值网络速度快、空间小、能耗低的优势.     

基于高阶偏差的因子分解机推荐算法

在推荐系统中,因评分尺度差异而造成的偏差问题一直影响着协同过滤算法的预测准确性。其中针对矩阵因子分解算法中的偏差问题,本文提出一种基于高阶偏差的因子分解机算法。该算法首先按照评分偏差的现实特征对用户和项目进行划分,再将偏差类别作为辅助特征集成到因子分解机中,实现了评分预测中不同偏差用户、项目的高阶交互。在Movielens数据集上的实验结果表明,相比传统矩阵因子分解算法,本文提出的算法具有更低的预测误差,体现了其更好的推荐性能。     

基于优化YOLOv4的主要电气设备智能检测及调参策略

基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础.该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法,使网络误差降低了0.7,识别准确度提高到84.3％;研究了基于边界框回归的交并比(IoU)算法对不同尺度检测目标的影响,提出了对大、小目标分别采用CIoU和GIoU的训练策略;研究了K-means和分层聚类算法对自建数据库的标注值宽高数据聚类效果及检测结果的影响;基于误差、识别准确度和训练速度,研究并优化了YOLOv4的网络参数,改进后的模型训练误差降低了3％,识别准确度提高了0.8％,较好地实现了主要电气设备的识别.该研究可用于多光谱成像电气设备运行状态的现场诊断.     

TBP-D2EHPA协萃体系分离盐湖卤水中锂镁

针对磷酸三丁酯(TBP)-FeCl3萃取体系从镁锂比高的盐湖卤水分离锂镁的工艺中存在的反萃酸度高、再生有机相试剂消耗大等问题,筛选出添加二(2-乙基己基)磷酸(D2EHPA)的协萃体系。探究了有机相组成、Fe/Li摩尔比、萃取相比等因素对盐湖卤水中锂镁萃取分离效果的影响。在有机相组成为40%TBP-20%D2EHPA-40% 260#溶剂油、Fe/Li摩尔比为1.5、相比O/A=2的优化萃取条件下,单级Li⁺萃取率达78.56%,锂镁分离系数达46.26。使用水作为洗涤剂及反萃剂,优选了洗涤相比O/A=60及反萃相比O/A=20,单级洗涤及反萃阶段锂镁分离系数分别为46.26和22.97,取得了较好的锂镁分离效果,可为后续扩大试验与工业设计提供依据。     

基于黏弹性理论的多聚磷酸改性沥青低温性能

基于黏弹性理论,对不同质量分数(0.5wt%,1.0wt%,1.5wt%,2.0wt%)的多聚磷酸改性沥青及基质沥青进行低温弯曲流变试验(BBR),结合Burgers模型对低温弯曲梁流变试验得到的蠕变数据进行非线性拟合,利用Burgers模型的四个参数(E_1、η_1、E_2、η_2分别是Maxwell和Kelvin模型中弹性模量和黏性系数)确定出低温性能指标,对多聚磷酸改性沥青低温性能进行分析。结果表明:多聚磷酸的添加使沥青中的黏性和弹性都得到了一定的改善,沥青中松弛时间减少,储存能减少,耗散能增加,应力松弛能力得到提高。在相同温度下,多聚磷酸改性沥青延缓了沥青进入蠕变稳定期的时间,但随着温度的降低,达到蠕变稳定期的时间缩短。多聚磷酸改性剂的添加可以提高沥青低温性能,且随质量分数的增加,低温改善效果更好;但随着温度的降低,多聚磷酸对沥青的低温改善程度减小,且不同质量分数对其影响的差异也减小,在-24℃以上适合使用多聚磷酸改性,而在-24℃以下掺入多聚磷酸改性沥青意义不大。