高性能化改性酚醛树脂的研究进展

综述酚醛树脂的增韧和耐热改性的新方法。介绍采用聚砜、聚酰胺、腰果壳油／双马来酰亚胺、橡胶、环氧树脂及聚乙烯醇等改进酚醛树脂的韧性；采用碳纳米管、纳米蒙脱土、双马来酰亚胺、硼元素、焦油、有机硅、苯并恶嗪及酚三嗪树脂改进酚醛树脂的耐热性。     

塑料企业开展质量成本管理的方法和途径

日前我国许多企业在近几年来纷纷完成了ISO9000质量管理体系认证工作，在完善了质量管理的基础上，进一步开展质量成本管理，在提升竞争力的过程中充分发挥质量体系应有的作用。本文介绍了质量成本的概念、组成和意义，并对获证企业如何开展好质量成本管理方法提出了几点建议。[编者按]     

提高Java数据库访问效率的策略研究

在开发基于Java的应用时,提高对数据库的访问效率是程序员重点要考虑的问题之一。研究、分析了Java通过JDBC访问数据库的四种访问类型,提出了在不同的使用过程中的选择方案。介绍了连接池等对数据库访问效率影响较大的预处理语句及数据库连接管理技术。探讨了当前使用最为普遍的Hibernate在配置连接池和使用缓存等方面的问题。     

基于无传感器的PMSM电流控制策略的研究

提出一种新型的滑模观测器,并分别研究在4种不同的电流控制策略下,基于该新型滑模观测器的PMSM伺服系统的控制问题。该新型滑模观测器引进了Sigmoid函数作为控制函数用来抑制抖振,并根据PMSM的反电动势模型构建了反电势观测器来提取所需的连续信号,因此取消了传统的一阶低通滤波器和相角补偿环节。为了对电机的转子位置和转速进行更加精确的估算,引入了转子位置锁相环结构。在Matlab/Simulink平台基础上建立了4种不同的电流控制策略,基于新型滑模观测器PMSM无位置传感器三闭环控制系统仿真模型,分别对反电动势估算、速度估算、位置估算和突加负载扰动进行了仿真分析。仿真结果表明,该新型滑模观测器在4种不同的电流控制策略下,对电机转子位置和转速的估算、电磁转矩以及定子三相电流有着不同的影响,验证了该新型滑模观测器算法的可行性。     

无机盐先驱体溶胶凝胶法制备50%Al_2O_3-50%ZrO_2细晶复相陶瓷

采用无机盐先驱体，溶胶凝胶法制备出超细５０％Ａｌ２Ｏ３５０％ＺｒＯ２（以体积计）复合粉体，ＢＥＴ法测得其比表面积达２２７．４ｍ２／ｇ。复合粉体经热压烧结得到具有互渗结构的细晶复相陶瓷，其Ａｌ２Ｏ３晶粒约１００ｍｍ，ＺｒＯ２晶粒约０．６μｍ。     

改性纳米TiO2在丙烯酸内墙乳胶涂料中的应用研究

用钛酸酯偶联剂将纳米TiO2粒子进行表面改性后, 加入到内墙涂料中, 对普通的丙烯酸乳胶涂料进行改性.实验表明, 偶联剂对粒子的表面结构产生影响并改善其在涂料中的分散情况, 添加纳米TiO2粒子使涂料的耐洗刷性、硬度等性能得到较大的提高.纳米TiO2粒子的掺杂比为2.0%(质量分数)时改性涂料的耐洗刷性提高到原始涂料的7倍以上, 硬度提高一个等级.     

化工企业质量管理体系有效性的强化

如何保证质量管理体系的有效运行是化工企业获得认证后一个不能回避的课题,介绍了评价质量管理体系的有效性的关键因素,提出了保持质量管理体系有效性的切实措施。     

纸制备SiC/Si层状陶瓷复合材料的微观结构和性能

本文以纸为原料,通过叠层设计、低温碳化和高温渗硅制备了具有层状结构特征的SiC/Si陶瓷复合材料。并采用XRD、SEM和三点弯曲等分析测试手段对其相组成、微观结构和力学性能进行了分析。结果表明:纸碳化后为非晶形的碳;渗硅后试样的相组成为β-SiC相、自由Si相和残C相。叠层纸碳化后的微观结构为含有大量扁长空洞的碳骨架,渗硅后得到的SiC陶瓷复合材料具有明显的层状结构特征。三点弯曲实验表明,SiC/Si陶瓷复合材料的强度高达290MPa,达到了常规反应烧结SiC陶瓷的强度水平;且其断裂方式为非灾难性断裂,分析认为这与材料的层状结构形貌有关。     

Elman网络对铈镨/钕萃取过程的应用研究

鉴于稀土元素铈镨/钕(CePr/Nd)的萃取是一个非线性、强耦合的复杂过程,难以建立精准的过程模型.利用实际萃取过程的萃取剂流量和洗涤剂流量作为输入,监测级两端组分含量作为输出.然后根据稀土元素CePr/Nd萃取生产过程的工艺参数要求,利用串级萃取理论对CePr/Nd元素的萃取过程进行模拟,分析每个串级的CePr/Nd含量的分布.再结合实际生产过程中采集的数据,建立稀土CePr/Nd萃取过程模拟的Elman网络模型,从而确保两端出口产品最终达到所需纯度.最后通过稀土萃取过程BP、RBF、Elman建模策略进行了仿真对比,结果表明:萃取过程Elman模型具有更高的预测精度和更好的稳定性,可为稀土萃取生产过程工艺参数调整提供可靠的信息依据.     

MSDL-IEW:面向文本分类的密集度感知主动学习算法

为了解决文本分类任务中未标注数据无法即时标注及成本过高的问题,提出一种面向文本分类的不确定性主动学习方法。提出MSDL（Measure sample density by LDA）算法对未标注样本密集度进行计算,引入新的度量样本聚集情况的密集度计算方式,在密集度高的样本区域选取初始训练集样本,从而使初始训练集更具代表性;从未标注样本中选取更具不确定性的样本加入到训练集中,并基于信息熵对样本进行加权训练,迭代更新分类器模型,直至达到预期终止条件。实验结果表明,在文本分类任务中,该方法相较于其他传统主动学习算法性能更优。