反式-1,4-聚异戊二烯的老化行为及分子模拟研究进展

概述了反式-1,4-聚异戊二烯(TPI)老化行为的研究进展,介绍了TPI的老化类型及部分老化机理,探讨了分子模拟技术在研究TPI老化过程中微观结构的优势,综述了分子模拟方法在老化机理研究方面的应用,并提出了发展建议。     

SA508-3钢铸态粗晶组织热压缩变形行为与晶粒演化规律

为获得SA508-3钢铸态粗晶组织热变形过程中的晶粒细化和均匀化规律,通过Gleeble单道次高温热压缩实验(950℃~1250℃,0.001s-1~1s-1,真应变ε=0.8),发现铸态粗晶在低温硬化-回复阶段时的应力水平较锻态细晶的略高,通过金相分析发现,该现象是由铸态粗晶组织含有大量形变孪晶及其较差的变形协调性所致。同时分析了不同变形条件(温度和应变速率)对再结晶晶粒尺寸和混晶程度的影响规律,得到了动态再结晶完成后,变形温度为1 050℃~1 200℃、应变速率为0.01s-1~1s-1的变形参数对SA508-3钢铸态粗晶组织具有较好的细化晶粒作用,最高晶粒度可达6级~7级;1050℃~1200℃、0.001s-1~0.1s-1的变形参数可有效地降低SA508-3钢铸态粗晶组织的混晶程度,动态再结晶完成后组织比较均匀。     

泛在电力物联网在北京经济技术开发区的应用探索

泛在电力物联网是物联网在电力领域的具体体现，建设泛在电力物联网是推进"三型两网"建设的关键环节，也是实现能源转型的必要手段。阐述了泛在电力物联网的定义，从供电公司角度出发，根据北京经济技术开发区实际情况，讨论了依托地区特点的泛在电力物联网实施策略和实际应用场景，分析了可能遇到的问题。得出结论：随着泛在电力物联网的深入建设，供电公司能够为电力客户提供多元化服务，提高客户满意度；地市供电公司能够依托泛在电力物联网开展更多电力相关业务；泛在电力物联网的安全性、实用性、有效性是发展面临的首要问题。     

高密度聚乙烯/丁苯橡胶热塑性硫化胶的形状记忆性能

采用动态硫化法制备了高密度聚乙烯(HDPE)/丁苯橡胶(SBR)热塑性硫化胶(TPV),研究了橡塑比、定型温度、回复温度及增容剂苯乙烯-丁二烯-苯乙烯嵌段共聚物(SBS)对HDPE/SBR TPV形状记忆性能的影响,观察了其微观结构,提出了形状记忆行为机制。结果表明,HDPE/SBR TPV具有典型的"海-岛"结构,拉伸后其表面存在明显的取向结构;SBS能显著提高HDPE/SBR TPV的形状记忆性能,当SBS用量为6份、定型温度和回复温度均为120℃时,HDPE/SBR TPV的形状记忆性能最佳。     

厌氧氨氧化快速启动及微生物群落演替研究

在序批式反应器(SBR)中分别添加彗星式丝状纤维滤料和Kaldnes填料组成序批式生物膜反应器(SBBR)R1和R2,接种城市污水处理厂二沉池回流浓缩污泥,旨在探求添加不同生物填料和接种普通污泥对快速启动厌氧氨氧化反应器的影响。结果表明,R1仅历时39d成功启动厌氧氨氧化,NH_4~+-N、NO_2~--N及TN去除率分别为98.0%、88.2%及82.3%;成功启动初期,化学计量比平均值为1:1.28:0.22,接近理论值1:1.32:0.26;稳定运行期间,高通量测序结果表明,浮霉菌门(Planctomycetes)相对丰度从1.97%增至60.06%,而变形菌门(Proteobacteria)从65.75%降至15.19%,Candidatus_Jettenia为主要菌属,丰度最高,占比为45.36%,是反应器内唯一的厌氧氨氧化菌,SM1A02属占比达到13.11%,实现了快速高效富集。R2培养111d后未成功启动厌氧氨氧化。     

全国冷冻空调设备标准化技术委员会(SAC/TC238)2014年度工作概要

<正>1标准发布工作2014年,全国冷冻空调设备标准化技术委员会(以下简称"冷标委")归口制定及修订的两项国标、8项行标(表1)已获批准发布。2标准报批工作冷标委于2013年三届四次会议审查通过了1项国标、10项行标,共计11项标准,目前已全部完成报批工作,待国标委、工信部批准发布(表2)。3标准立项工作冷标委的立项始终依据3方面原则:首先要符合国家政策和指导思想,具体体现为国家标准     

ICP-MS测定食品原料中微量硒

建立基于同位素77Se、乙醇基体改进电感耦合等离子体质谱法(ICP-MS)直接测定食品原料中微量硒的方法。实验以2%(V/V)乙醇作为基体改进剂,采用Y元素作内标补偿基体效应,选择同位素77Se测定样品中的硒,方法检出限为0.87 ng/g,精密度(RSD,n=6)5%,回收率为98.1%~106.0%。该方法具有简便、快速、灵敏、准确、消耗小等优点,可为食品原料中微量硒的测定提供参考。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。