聚丙烯的官能化及其与尼龙66相容性研究

对聚丙烯（PP）进行官能化，并研究了接枝单体含量，引发剂含量，螺杆转速对接枝率和熔体流动速率的影响。再将不同接枝率的PP与尼龙66共混，研究了接枝率对共混物力学性能及相容性的影响；用扫描电子显微镜观察了共混物的形态，与未增容共混体系相比，增容后共混体系分散相尺寸明显减小，增容共混物的形态依赖于增容剂在共混物中的含量，增容剂的分子量及官能化基团的含量。     

m-LLDPE／纳米SiO2的力学性能和光学性能研究

采用熔融共混法制备了m-LLDPE／纳米SiO2复合材料，并对该体系的力学性能和光学性能进行了系统研究。结果表明，纳米SiO2对m-LLDPE具有一定的增强、增韧作用。复合材料的红外吸收能力较m-LLDPE明显提高，此外，m-LLDPE／纳米SiO2复合材料的可见光透光度有所降低，雾度却有明显的上升。通过SEM电镜得出，表面处理方法对纳米SiO2在基体中的分散性能有显著影响。     

纳米SiOx改性不饱和聚酯树脂

用纳米SiOx粒子对298#不饱和聚脂(UPR)进行增强、增韧改性，发现随粒子用量增加，树脂凝胶时间、粘度增大；粒子用量为0．5％时树脂有脆韧转变现象；用量为3％时，拉伸强度和断裂延伸率分别提高约33％和60％。用KH-570偶联剂进行表面处理有助于提高纳米SiOx粒子在UPR中的均匀分散。     

基于DEA模型的我国上市商业银行效率研究

本文采用了数据包络分析（DEA）方法研究我国上市商业银行的经济效率,结果表明：我国上市商业银行的全要素生产率（TFP）和技术效率都偏低,国有四大行的整体技术效率也明显低于股份制商业银行,我国银行业的经营管理与技术水平稳定性较差。最后文章提出几点关于银行业发展的建议。     

折叠超立方体网络的自适应诊断

自适应性诊断的目的是正确辨别结点的性质,没有公共点的两对结点可以在同一个诊断周中出现.在Bjoklund[1]的基础上对超立方体网络的另一种变形——折叠超立方体网络(FHn)的自适应诊断进行了研究,对n(n≥3)维折叠超立方体FHn构造了一个递归的哈密尔顿3-并行诊断周算法,利用归纳法证明了在错误结点数不超过n的情况下FHn可以在4个并行诊断周内完成诊断,并且至多需要2n+n-1次诊断.     

移动互联网快速动态信道分配算法

针对TD-HSPA系统现有快速动态信道分配算法的数据业务中没有优先级次序的不足,提出了一种基于移动互联网的快速动态信道分配算法.该算法依据数据业务传输时延敏感度、速率高低等设定不同的优先级,以及部分资源共享的方法,使可移动边界动态信道分配策略更为灵活.仿真结果表明,该算法保证了优先服务实时性数据用户、高速率数据用户,提高了共享资源利用率.     

粤北竹筒尖铀矿床外围综合找矿方法应用及成矿预测

竹筒尖铀矿床位于下庄矿田西北部,矿床外围黄竹地段铀成矿条件较好,区内F1、F2、F4断裂与竹筒尖矿床F3号组带具有相似的构造特征,铀矿化较好;“地面伽玛能谱测量+土壤氡浓度测量+分量化探”综合找矿方法应用取得较好效果,可见区内能谱铀、土壤氡浓度及分量铀的异常面积大且复合程度高;合水口靶区具有较好找矿线索。     

纳米氢氧化镧/聚酰亚胺复合超薄膜的制备、表征及其性能

本研究采用水热法合成纳米级氢氧化镧晶体(nano-La(OH)₃),并对其微观结构进行了测试分析。利用nano-La(OH)₃表面的羟基可与聚酰胺酸(PAA)中的羰基发生缩合反应的原理,通过旋涂法及热亚胺化制得nano-La(OH)₃/聚酰亚胺(PI)复合超薄膜。对nano-La(OH)₃/PI复合超薄膜进行结构表征及性能测试。结果表明：nano-La(OH)₃/PI复合超薄膜无色、透明,厚度约为1.66μm;薄膜表面十分平坦,表面均方粗糙度为5.85;nano-La(OH)₃均匀分布在薄膜中。超薄膜介电常数为4.63,高于纯PI(约3.20)的介电常数,在太阳能电池底板、微型存储器、智能皮肤等方面具有应用潜力。     

一种超大容量双电层电容器中小功率模型及其参数识别方法

回顾了超大容量双电层电容器的等效电路模型,给出了它在中小功率应用场合下的超大容量双电层电容器模型,并提出一种新的模型参数识别方法.文中采用这种识别方法对超大容量双电层电容器进行了实验,并根据获得的模型参数进行了仿真,仿真与实验结果的对比分析表明,该模型能够准确的反映出超大容量双电层电容器在中小功率应用场合下的特性.     

基于鸽群的鲁棒强化学习算法

强化学习是一种人工智能算法,具有计算逻辑清晰、模型易扩展的优点,可以在较少甚至没有先验信息的前提下,通过和环境交互并最大化值函数,调优策略性能,有效地降低物理模型引起的复杂性。基于策略梯度的强化学习算法目前已成功应用于图像智能识别、机器人控制、自动驾驶路径规划等领域。然而强化学习高度依赖采样的特性决定了其训练过程需要大量样本来收敛,且决策的准确性易受到与仿真环境中不匹配的轻微干扰造成严重影响。特别是当强化学习应用于控制领域时,由于无法保证算法的收敛性,难以对其稳定性进行证明,为此,需要对强化学习进行改进。考虑到群体智能算法可通过群体协作解决复杂问题,具有自组织性及稳定性强的特征,利用其对强化学习进行优化求解是一个提高强化学习模型稳定性的有效途径。结合群体智能中的鸽群算法,对基于策略梯度的强化学习进行改进：针对求解策略梯度时存在迭代求解可能无法收敛的问题,提出了基于鸽群的强化学习算法,以最大化未来奖励为目的求解策略梯度,将鸽群算法中的适应性函数和强化学习结合估计策略的优劣,避免求解陷入死循环,提高了强化学习算法的稳定性。在具有非线性关系的两轮倒立摆机器人控制系统上进行仿真验证,实验结果表...