戊二醛作为免烫整理剂的应用研究

利用戊二醛作为免烫整理剂对棉进行整理，并对整理后织物的各项性能进行了测试。     

LA-螯合剂对织物前处理的影响

随着印染助剂的发展,人们开始研究把螯合剂用在织物的染整加工中。螯合剂能螯合水中以及织物上的钙、镁离子,用于织物的前处理可以提高印染半制品的白度及毛细管效应。本文主要讨论了LA-螯合剂用在织物前处理时对退浆和漂白效果的影响。     

牛奶纤维的染色工艺探讨

研究了活性染料红LFG对牛奶纤维的染色工艺。通过对上染百分率和表面深度K/S的测定,研究了染色温度、染色时间和碱剂用量对染色效果的影响。找到了活性红LFG对牛奶纤维的最佳染色工艺条件:染色温度为50℃,染色时间为40min,元明粉用量为40g/L,碱剂用量为12g/L,在此工艺条件下能够得到最佳的染色效果(K/S值为7.023)。     

氯化物熔盐材料的制备及其热物理性质研究

制备了NaCl-CaCl₂、NaCl-KCl-CaCl₂、NaCl-CaCl₂-MgCl₂、KCl-CaCl₂-MgCl₂、NaCl-KCl-MgCl₂、NaCl-KCl-CaCl₂-MgCl₂六种氯化物熔盐材料。采用差示扫描量热法确定它们的低共熔点和组成,测量其比热容、密度、黏度等热物性。测试熔盐材料的质量损失曲线确定工作温度上限,根据测试的结果,对其储能密度进行计算。研究结果表明：NaCl-KCl-CaCl₂-MgCl₂熔盐材料熔点为380.3℃,流动性较好,工作温度范围为430~700℃,储能密度为625.1 J·cm^-3,是六种熔盐中熔点最低、储能密度最大的熔盐,适合作为传热储热材料。NaCl-KCl-CaCl₂熔盐熔点为503.8℃,工作温度范围为550~850℃,储能密度为559.9 J·cm^-3,储能密度仅次于NaCl-KCl-CaCl₂-MgCl₂熔盐,适合作为高温储热熔盐材料。     

丝素蛋白对粘胶织物的整理探讨

利用丝素蛋白对粘胶纤维进行整理．并对整理后织物的各项性能进行了测试。     

PE泡沫绝缘料模压发泡质量的影响因素研究

采用正交试验设计法研究了影响ＰＥ泡沫绝缘料模压发泡质量的因素,并结合泡沫塑料的成型原理分析了ＰＥ泡沫绝缘料模压发泡工艺过程。结果表明：模塑温度和模塑时间最主要的影响因素,其中模塑温度影响最大。模塑温度过高和模塑时间过长会导致气泡的合并、塌陷和破裂现象。     

微波在BTCA抗皱整理中的影响探讨

现在国内外绿色环保意识不断增强,无甲醛免烫整理已成为发展的必然趋势,而BTCA被认为是多元羧酸类中较好的抗皱整理剂。探讨了微波辐射功率、微波辐射时间和BTCA浓度对抗皱效果的影响,并通过实验确定其最佳工艺条件。     

基于Shearlet变换和均匀局部二值模式特征的协作表示人脸识别算法

为了获得人脸图像中更丰富的纹理特征以提高人脸识别率,提出了一种基于Shearlet变换和均匀局部二值模式(ULBP)算子提取特征(Shearlet_ULBP特征)的协作表示方法--Shearlet_ULBP CRC用于人脸识别。首先,人脸图像通过Shearlet变换分解,得到多尺度多方向的幅值域图谱,再经过简单的平均融合,获得融合后的幅值域图谱;然后,通过ULBP算子结合分块的方法获得该Shearlet变换后融合图像的直方图特征;最后,结合协作表示的方法来分类所提取到的特征。该方法可以提取到图像更丰富的边缘以及纹理信息,在ORL、Extended Yale B和AR人脸数据库上进行测试,在图像无遮挡的情况下识别率都达到了99%以上,在有遮挡情况下也都达到了91%以上的识别率。实验结果表明,所提方法不仅对于光照、姿态和表情变化具备较强的鲁棒性,同时能在一定程度上处理人脸图像中存在遮挡的情形。     

含钙三元氯化物体系相图计算与熔盐热稳定性

为寻求太阳能热利用高温传热储热材料,以盐湖资源为原料,提出分支/分区相图计算方法,设计NaCl-CaCl₂-KCl和KCl-CaCl₂-MgCl₂熔盐传热储热材料。基于正规溶液模型,以不同分支不同相互作用系数,计算了5个边界体系相图,实现用正规溶液模型计算含化合物体系复杂相图。含化合物KCl-CaCl₂和KCl-MgCl₂体系及3个不含化合物二元体系的计算相图与实验相图十分吻合。以分区域方法计算三元体系相图,预测出5个低共熔点来指导熔盐制备。采用差示扫描量热法测试并验证熔盐最低共熔点,确定其工作温度下限;以质量损失实验,确定其工作温度上限。结果表明,钠钾钙和钾镁钙氯化物熔盐能在550~850℃和480~700℃内稳定运行,可用作高温传热储热流体。     

分块多线性主成分分析及其在人脸识别中的应用研究

主成分分析(Principal Component Analysis,PCA)是人脸识别中一个经典的算法,但PCA方法在特征提取时考虑的是图像的整体信息,并没有考虑图像的局部信息,而分块PCA(Modular Principal Component Analysis,Modular PCA)则可以有效地提取图像中重要的局部信息,所以在人脸识别实验中获得了比传统PCA更好的识别效果。但PCA和Modular PCA都要进行图像的矢量化,这会破坏原始数据的空间结构,也有可能会导致"维数灾难"。多线性主成分分析(Multilinear Principal Component Analysis,Multilinear PCA)作为PCA在高维数据上的扩展,直接使用矩阵或者高阶的张量来获得有效特征,既可以避免"维数灾难",又可以体现直接将张量数据作为处理对象时保留原始数据较好基本结构信息的优点。在研究Modular PCA和Multilinear PCA的基础上,提出了分块多线性主成分分析(Modular Multilinear Principal Component Analysis,M2PCA)算法,用于识别人脸。在Yale、XM2VTS和JAFFE人脸数据库上进行了人脸识别实验,结果表明,在同等的分块条件下,所提出的方法的识别效果要优于Modular PCA的方法。