AlN-Al2O3复合材料制备技术的研究进展

AlN具有优良的电学、热学、力学和光学等性能,广泛应用于众多领域.简要论述了国内外采用碳热还原法制备AlN粉体的研究进展,并综述了 AlN-Al2O3复合粉体的制备现状.同时阐述了 AlN-Al2O3复相陶瓷制备技术的研究进展,最后展望了未来的研究方向.     

AlN粉体水解行为及其抗水解改性的研究进展

氮化铝（AlN）由于具有一系列优良特性,在众多领域得到广泛应用。但AlN原料的易水解性使其应用范围受到了一定的限制。因此,对AlN粉体原料的水解行为进行深入研究的基础上,再进行表面改性,以提高AlN粉体原料的抗水解能力,是一个非常重要的研究课题。综述了AlN粉体的水解行为及其抗水解改性的研究进展情况,并对现有抗水解改性方法存在的问题进行了分析,最后对发展趋势进行了展望。     

超临界锅炉管内氧化皮在线分离与堆积量测量

为了应对超(超)临界锅炉高温受热面管道蒸汽侧氧化腐蚀引起的过热与爆管等安全问题,提出了一种非停机模式下氧化皮在线分离与检测系统。首次应用在电厂中的氧化皮颗粒分离装置实现主蒸汽管道内氧化皮颗粒在线分离,在分离后的氧化皮通过施加强稳磁场,找出磁感应强度变化与管内相应氧化皮堆积状况的耦合关系;提出一种基于混合粒子群灰狼(PSGWO)算法优化支持向量机(SVM)的氧化皮堆积量快速软测量方法;最后采用多指标进行了实验验证。结果表明:所提出的方法在检测精度、鲁棒性及收敛性方面均具有优越性,可准确检测非停机状态下超临界锅炉管内氧化皮堆积量,测量平均相对误差在3%以内。     

基于IndyLSTM的锂电池充电剩余时间预测

传统模型在锂电池充电剩余时间预测中的泛化能力受到一定约束.针对此问题,提出一种基于独立长短期记忆循环神经网络(IndyLSTM)的锂电池充电剩余时间预测方法.通过对锂电池充电过程数据的分析,利用IndyLSTM在处理序列化数据时可以长期记忆历史数据的优势,对充电剩余时间进行预测.采用美国国家航空航天局(NASA)公开的电池数据,与常规的LSTM和SVR模型进行实验对比,IndyLSTM预测结果在准确性和稳定性方面表现更好.