浮雕油滴建盏及其制备工艺

公开了浮雕油滴建盏及其制备工艺,该浮雕油滴建盏包括坯体和釉料;所述坯体按重量份数比包括以下组分制成:高岭土8~8.5份、黄土2~2.5份;所述釉料按重量份数比包括以下组分制成:釉石70~73份、草木灰5~5.5份、铁红9~10份及水68~72份。本工艺经过科学配比得到合理的配方,并采用创新的烧成方式,最终获得了高品位的浮雕油滴建盏,该建盏油滴粗大炫彩,析晶彻底,晶体的三维立体感强,如浮雕般层层叠簇,具有强烈、扑面而来的视觉冲击感。     

25%小偏置碰撞策略及测试评估研究

随着汽车事故的增加,且小重叠碰撞事故死亡率居高不下,小偏置碰撞试验逐渐成为焦点。基于IIHS公布的最新车辆碰撞试验结果,统计超过100余款不同类型的25%小偏置碰撞车辆,建立碰撞转角与碰撞区域的数学模型,将25%小偏置碰撞归结为三种不同的碰撞策略,分别是吸能策略、掠过策略和掠过与吸能策略;并进行试验验证,对三种策略的优缺点进行分析。结果表明,小偏置碰撞试验可运用合理的碰撞策略达到法规要求,对25%小偏置碰撞试验具有一定的参考价值。     

生物矿化法制备氧化镓颗粒及其性能表征

以蚕丝蛋白为模板,在相对温和的条件下通过生物矿化的手段形成具有特殊形貌的α-GaOOH颗粒,并通过在不同温度下煅烧α-GaOOH得到α-Ga2O3和β-Ga2O3.采用扫描电镜(SEM)、透射电镜(TEM)、X射线衍射仪(XRD)和荧光分光光度计(PL)等手段研究了丝素蛋白多肽和矿化时间对颗粒的影响,对其生物矿化机理进行了初步探讨.结果表明,所制备的β-Ga2O3具有优良的发光特性,丝素蛋白多肽模板以无定形的结构与产物结合在一起,并且经过高温烧结后仍以碳膜的形式包覆在材料的表面.这种碳膜结构对于提高材料的生物学性能起着重要的作用.     

基于生物强化法下低浓度工业废水处理实验研究

现代工业生产的工业废水往往含有某些有机危害物等，传统的方法将无法起到有效的作用，且利用微生物进行污水处理的方式也受到很大的局限。针对此类的污水处理问题，以延边化工厂中含酚废水为实验样本，通过控制变量法筛选得到化学处理法的最佳浓度，并对比了传统化学法，生物强化法和复合法3种处理模式对废水中酚类物质的降解效率和处理成本。结论表明，化学法处理污水的1 h后降解率达到78.35%,15 h后仍未完全降解。而生物强化法和复合法在1 h后的降解率达到了88.44%和92.03%，降解率达到100%的时间分别为15 h和9 h。综合考虑污水的处理效率和处理成本，利用传统的化学法与生物强化技术对污水进行复合处理在大幅度提高污水处理效率同时，也降低了成本，这为低浓度工业废水的处理提供一定的参考。     

页岩油储集层压后焖井时间优化方法

建立了考虑毛管压力、渗透压、膜效应以及弹性能的压裂-焖井-生产多过程多相流模型，提出了以产能最大化为目标的页岩油水平井分段多簇压裂后焖井时间优化方法，采用现场生产数据和商业软件验证了该模型的准确性。基于该模型和方法，根据现场压裂压力数据反演裂缝参数，建立物理模型，模拟了压裂、焖井以及生产阶段储集层孔隙压力、含油饱和度的变化动态，并研究了7种因素对最优焖井时间的影响规律，通过开展正交实验明确了最优焖井时间的主控因素。研究表明，随着焖井时间增加，累计产量增量先快速增加后趋于某一稳定值，变化拐点对应的焖井时间为最优焖井时间。最优焖井时间与基质渗透率、孔隙度、毛管压力倍数及裂缝长度呈非线性负相关，与膜效率、注入液体总量呈非线性正相关，与排量呈近线性正相关。对最优焖井时间的影响程度从大到小依次为注入液体总量、毛管压力倍数、基质渗透率、孔隙度、膜效率、压裂液矿化度和排量。     

农村光棍成因及治理机制研究

以驻村扶贫点滇西南L县X村的光棍为研究对象,侧重个体精准性,强调个体因果性的特征,运用小数据分析该村光棍的贫困特征和生成原因,基于马斯洛需求层次理论探索光棍内生动力激发机制.研究表明:农村光棍趋于年轻化,形势严峻;光棍成因受到外部资源匮乏的限制,又受到自身资源缺陷的制约,内外因相互影响,但外因只有通过内因才能发挥作用.探讨通过需求原理激发光棍群体的内生动力,构建长效治理机制,让光棍群体最大限度实现人生价值,提升社会获得感和幸福感.     

环己酮生产装置中环己醇精馏塔技术改造

针对环己酮生产系统中环己醇精馏塔分离效果差、蒸汽消耗量大、精馏塔外排重组分中环己醇含量高、环己醇浪费严重等问题,采用环己醇精馏塔内部中心位置增设小分离塔,直接耦合插入精馏塔底部的方式,利用小分离塔在精馏塔内进行再沸加热回流,使重组分中的环己醇进一步分离.降低了外排塔釜液中环己醇的含量,在达到精馏分离效果的同时,也节约了精馏塔蒸汽的消耗,取得了很好的经济和环保效益.     

基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.