超临界CO2加工涤纶筒子纱的匀染性

在自行研制的生产型样机上研究超临界流体加工条件对涤纶筒子纱染色均匀性的影响表明,随着超临界流体流量增大,涤纶筒子纱的染色均匀性提高;染液的正反循环是匀染的必要条件,以5～10 min换向一次,筒子纱内中外的染色均匀性良好,上染率和染色重现性较好,且耐水洗和耐摩擦色牢度可达4～5级以上.     

无氟全疏水单向导湿织物的制备及保暖性能

通过在涤纶织物单侧涂覆无氟防水剂,制备出全疏水型单向导湿织物。研究了防水剂用量对织物单向导湿性能的影响,并模拟出汗状态下的保暖性能。结果表明,防水剂质量分数为2%时,织物单向传输指数（R）为825.8%,液态水分管理综合值（OMMC）为0.82。在模拟出汗状态下,全疏水单向导湿织物与含有亲疏水结构的单向导湿织物相比,前者能使人体皮肤温度提高2.2℃,可用于具有吸湿速干保暖效果的冬季运动服装。     

188Re对血管平滑肌与内皮细胞的辐射差异性

为比较β射线对平滑肌和内皮细胞的增殖抑制作用，探寻血管内放射治疗中保护内皮细胞的措施，应用放射性核素^188Reβ射线对培养的平滑肌细胞和内皮细胞进行了辐射，通过细胞增殖计数，细胞增殖周期分析和^3H-TdR掺入实验观察，研究辐射对平滑肌和内皮细胞在增殖方面的影响，结果显示，5．2Gy剂量β辐射，平滑肌细胞增殖计数，细胞增殖率，^3H-TdR参入率显著下降，而内皮细胞的上述指标则无明显改变；高于10Gy，小于20Gy折剂量辐射，两组细胞的增匀受到明显抑制，表明在体外细胞培养条件下，平滑肌细胞及内皮细胞对高剂量β辐射的敏感性一致，而对低剂量β辐射，内皮细胞较平滑肌细胞耐受，5．2Gy低剂量β辐射，是一个既能有效抑制平滑肌细胞增殖，又不影响内皮细胞增殖，且对心肌细胞无损伤作用的血管内放疗窗口。     

空冷汽轮机低压末级变工况设计

采用CFD技术对空冷汽轮机低压末级进行全三维变工况设计，掌握了空冷机组末级动叶的变工况运行时的流动情况，对因高背压产生压力面流动分离进而引发颤振的机理有了一定了解。分析结果表明，采用专用强化叶型、控制反动度、控制攻角等方法可以有效保证空冷机组变工况安全高效运行。     

静电纺纳米纤维膜用于重金属离子吸附的研究进展

静电纺丝制备的纳米纤维膜具有较高的比表面积和孔隙率,在重金属离子吸附领域有着广阔的应用前景。在简要阐述纳米纤维膜吸附重金属离子机理的基础上,主要从有机纳米纤维膜、有机-无机复合纳米纤维膜及无机纳米纤维膜等3个方面,介绍了近年来静电纺纳米纤维膜对重金属离子的吸附性能及其相关的研究进展,并针对目前纳米纤维膜吸附重金属离子应用研究中存在的一些问题给出了建议,为纳米纤维膜吸附重金属离子的后续研究提供参考。     

压裂直井井网流线模拟研究

压裂井网的生产动态预测是压裂设计的重要部分,为此提出了利用流线追踪预测压裂井网生产动态的方法,为油田井排排距优化及裂缝长度设计奠定基础.在直井与压裂直井井网中,通过镜像反演获得单个直井排的压力场,采用叠加原理获得压裂直井井网的压力场,对压力场微分获得井网单元的流体质点运动速度场,进而运用迭代追踪方法获得井网单元的流场,并编制流线模拟器.采用模拟器能够描绘不同排距、不同裂缝长度下井场的流线图并能够获得油井见水时间.模拟结果显示,油井实施压裂后,裂缝井周围形成线性流,水驱前缘变得平缓;随着井网排距和裂缝穿透比的增加,可以获得较长的无水采油期,但导致后期含水率快速上升.     

CFX-TASCflow在汽轮机通流设计中的应用

从应用CFX—TASCflow的角度介绍了哈尔滨汽轮机厂有限责任公司(简称哈汽)在汽轮机通流部分全三堆流场设计的应用成果，典型介绍了分流结构叶片、叶片汽封、多级叶片的三维流场计算和新一代亚临界600MW汽轮机高压缸通流气动设计。结果证明，利用CFX—TASCflow能详细地分析三维粘性场各种参数的特性及变化，进一步研究流场中的各种流动情况，控制好流场中的相关参数，合理地设计出高效三维叶片，大大提高了通流效率。     

硬质薄规格镀锡板平整轧制变形行为与辊形技术

以某厂镀锡板连退机组双机架HCM平整机为研究对象,理论分析结合有限元仿真和现场实验,对硬质薄规格镀锡板的平整轧制变形行为进行了研究,揭示了硬质薄规格镀锡板平整时轧制力偏大、实际延伸率达不到设定目标延伸率以及实物板形质量较差的原因,确定了相应的解决问题的技术思路.在此基础上,运用基于有限元仿真的辊形设计方法和软件,研制了新的中间辊端部辊形.生产应用结果表明,该中间辊端部辊形能够有效地减轻压靠、稳定实现设定的目标延伸率且实际平整轧制力降低10%～20%,而且还可以根据需要在正常平整轧制力下使实际延伸率增加0.1%～0.2%.     

基于条件约束的胶囊生成对抗网络

生成式对抗网络(Generative adversarial networks, GAN)是主要的以无监督方式学习深度生成模型的方法之一.基于可微生成器网络的生成式建模方法, 是目前最热门的研究领域, 但由于真实样本分布的复杂性, 导致GAN生成模型在训练过程稳定性、生成质量等方面均存在不少问题.在生成式建模领域, 对网络结构的探索是重要的一个研究方向, 本文利用胶囊神经网络(Capsule networks, CapsNets)重构生成对抗网络模型结构, 在训练过程中使用了Wasserstein GAN (WGAN)中提出的基于Earth-mover距离的损失函数, 并在此基础上加以条件约束来稳定模型生成过程, 从而建立带条件约束的胶囊生成对抗网络(Conditional-CapsuleGAN, C-CapsGAN).通过在MNIST和CIFAR-10数据集上的多组实验, 结果表明将CapsNets应用到生成式建模领域是可行的, 相较于现有类似模型, C-CapsGAN不仅能在图像生成任务中稳定生成高质量图像, 同时还能更有效地抑制模式坍塌情况的发生.     

深度学习在医学影像智能处理中的应用与挑战

利用深度学习方法对医学影像数据进行处理分析,极大地促进了精准医疗和个性化医疗的快速发展。深度学习在医学图像领域的应用较为广泛,具有多病种、多模态、多组学和多功能的特点。为便于对深度学习在医学图像处理领域的应用进行更深入有效的探索,本文系统综述了相关研究进展。首先,从深度学习在影像基因组学中的应用出发,理清了深度学习在医学影像领域应用的一般思路和现状,将医学影像领域分为智能诊断、疗效评估和预测预后等3个模块,并对模块内的各病种进行总结,展示了深度学习各算法的优缺点及面临的问题和挑战。其次,对深度学习中出现的新思路、新方法以及对传统方法的改进进行了阐述。最后,总结了该领域现阶段面临的问题,并对未来的研究方向做出了展望。基于深度学习的医学图像智能处理与分析虽然取得了一些有价值的研究成果,但还需要根据临床的实际需求,将深度学习与经典的机器学习算法及无创并且高效的多组学数据结合起来,对深度学习的理论和方法进行深入研究。