无卤阻燃剂在聚合物阻燃中的应用研究进展

近几年来,无卤阻燃剂凭借其高效、低烟、低毒等特点,在阻燃领域的开发与应用受到越来越多的关注,已然成为阻燃高分子研究的重要发展方向。本文对近年来一些无卤阻燃剂在聚合物中的应用研究进展做了简要综述,并对其阻燃机理进行一定分析。最后,对聚合物阻燃剂的未来发展方向和趋势进行了展望。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

增材制造技术在超高膨胀封隔器中的应用

石油和天然气行业不断关注增材制造技术在航空航天和汽车行业的应用发展。研发了利用增材制造技术的超高膨胀封隔器,该封隔器的支承环系统由增材制造。增材制造设计大幅减少了支承系统的构件数量,同时显著提高了膨胀能力和额定压力。密封元件系统与增材制造支承环安装在一起,提供了极端膨胀比、零挤压间隙和对不规则孔的良好适应性。分析和测试结果表明:直径膨胀比高达111%,与常规封隔器相比,提高50%以上; 至少涵盖5种线重的套管(外径相同); 在148.89 ℃的温度下,密封元件能够保持压力68.95 MPa。介绍了增材制造技术、增材制造支承环概念、增材制造材料力学性能、密封元件系统优化和测试情况,以期给我国的完井作业提供借鉴。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

微胶囊化膨胀型阻燃剂研究进展

以微胶囊所采用的不同包覆原料为主线,综述了三聚氰胺、密胺树脂、脲醛树脂、环氧树脂、聚脲、聚氨酯、富羟基材料、含硅材料等作为囊材的研究进展;简述了包覆效果、用于聚合物材料时的阻燃效果以及具体应用情况。指出未来研究的重点是寻求稳定高效的囊壁材料,研究微胶囊化膨胀型阻燃剂与阻燃基体间的相容性,使膨胀型阻燃剂实现可控包覆,通过分子设计等手段使阻燃剂各组分配比更加合理等。