一种环氧树脂/SiO2纳米复合材料制备方法的研究

设计了一套液相物料纳米粉添加装置，它能在不添加其它化学试剂和不破坏基体原有特性的基础上。将SiO2纳米材料添加到环氧树脂基体中，使其分散相的尺寸达到纳米级，解决了SiO2纳米粉颗粒的在环氧树脂中团聚的问题，从理论上分析了该方法的分散机理，并用实验证明了方法的可行性。     

TC4钛合金焊接管件端口电磁胀形校圆线圈的分析

校形线圈的结构参数是影响管件校形精度的重要因素,针对直径23mm,壁厚1mm的TC4钛合金焊接管件端口进行电磁校圆,通过改变线圈截面形状、层数以及线圈与管件的相对位置,采用数值模拟方法研究胀形时管件受到的电磁力和不同结构参数下校形线圈的电感和电阻,得到了成形瞬间的放电电流波形。将模拟结果与实际情况进行比较,结果表明:放电回路电感一定时,矩形线圈自身电阻较小,产生的电磁力较大;校形能量低时可以采用增加校形线圈层数来提高管件校形精度,过多增加校形线圈层数后校形精度提升不明显;合理选择校形深度可以改变电磁力的分布,提高管件端口圆度。     

反应堆石墨中~(14)C生成及滞留机制的分析和探讨

~(14)C是退役石墨中最重要的核素,半衰期为5 730 a,处理处置过程需要重点关注。石墨中~(14)C生成机制复杂,主要来源于~(13)C、~(14)N、~(17)O分别与中子发生的三个反应:~(13)C(n,?)~(14)C、~(14)N(n,p)~(14)C、~(17)O(n,?)~(14)C,重水研究堆石墨中由~(14)N(n,p)反应生成的~(14)C约占~(14)C总量的90%以上。本文通过理论计算和实验比较方法对反应堆热柱石墨中~(14)C生成及滞留机制进行了分析和探讨,得出了石墨中N来源于杂质N和孔隙N_2,后者生成的~(14)C以热原子形式存在,并迅速与O_2结合生成~(14)CO_2,发现了反应堆停闭后石墨孔隙闭孔中依然存在~(14)CO_2,并估算了以孔隙~(14)CO_2形式存在的~(14)C约占石墨中~(14)C总量的30%。     

软件测试用例自动生成算法综述*

按照测试用例自动生成技术的不同,将测试用例自动生成算法分为随机、遗传、蚁群、粒子群四类,对上述各类算法的现状和进展进行介绍、分析和探讨。最后,对软件测试用例自动生成的研究进行了总结。     

用^32S离子辐照法研究聚酯膜在红外光区的抗反射性能

为研究圆锥形径迹孔与多层镀膜结合对改善材料在红外光区的抗反射性能的影响,采用HI-13串列加速器提供的^32S离子分别辐照20μm和50μm厚的聚酯,用氢氧化钠和PEW溶液蚀刻后,两种聚酯表面的潜径迹成为孔径分别为0．5μm和3μm的径迹孔。在有径迹孔的样品表面,用真空蒸发依次镀上不同厚度的银、石墨和氟化镁或石墨和氟化镁。在2．5～10μm波段的红外光区测量表面全反射。结果显示,有径迹孔的样品表面镀上石墨和氟化镁后反射率可低至1％。径迹孔较深或两面有径迹孔且两面镀膜的样品,具有较强的材料表面抗反射性能。     

NIST1577c牛肝标准参考物质的多元素中子活化分析

采用中子活化分析方法分析美国NIST1577c牛肝标准参考物质。利用中国原子能科学研究院重水反应堆对样品进行辐照,用高纯锗伽马谱仪对样品进行分析。采用有证标准物质NIST1577、1577a、1632c和1633a对牛肝样品分析进行质控,得到了参考物质的多元素分析结果。本实验测定的结果与NIST测定的结果在不确定度范围内一致。     

刀具磨损监测技术研究现状与进展

机械加工中,刀具磨损会对加工效率和产品精度造成严重影响.产生刀具磨损原因较多且较复杂,因此将刀具磨损及状态监测与智能制造结合来开发智能监测系统.本文对近年来国内外刀具磨损智能监测方法及系统研究进行综述,主要对监测方法、传统模型的特征提取及选择、监测模型构建三个方面进行总结和探讨,分析目前刀具磨损、状态监测研究及应用难点...     

基于Bandelet变换的金属断口图像识别方法

基于Bandelet变换能自适应跟踪图像几何方向的特点,将Bandelet变换引入到金属断口图像特征提取中,提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中,利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量,神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明,由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点,得到了比传统的小波变换方法更好的识别效果。     

在线金属切削刀具磨损状态监测研究的回顾与展望Ⅲ:模式识别方法

刀具状态监测的目的是为了开发出实用的刀具状态监测设备,为了降低设备成本和提高监测的准确率,在监测信号的选择和特征提取的基础上,选择合适的模式识别方法至关重要。对近年来在学术期刊上公开发表的关于刀具磨损在线监测研究中所采用的主要模式识别方法作了简要的回顾与归纳,为后续研究者的快速入门及选择适当的模式识别方法提供参考。     

基于BP神经网络和D-S证据理论的刀具磨损监测方法

将BP神经网络和D-S证据理论相结合的方法运用于刀具磨损监测中,采用小波包分解法对刀具磨损过程中产生的声发射信号进行特征提取,构建特征向量,利用BP神经网络识别判断刀具磨损状态;通过BP神经网络的输出结果和训练误差计算D-S证据理论的基本概率赋值,并用D-S证据理论对BP神经网络的识别结果进行决策级融合。实验结果表明:该方法避免了神经网络识别时的误诊,提高了整个刀具磨损监测系统识别的准确性和可靠性。