一种测量Si/SiO2界面残余应力的微结构应变计

借鉴工程力学中测量残余应力的盲孔法,给出了一种测量半导体氧化工艺中形成的硅-二氧化硅界面残余应力的微结构应变计,并对其测量结果作了讨论.     

贯彻《安全生产法》应强化五种意识

一、强化宗旨意识农机管理部门是全面实施<安全生产法>的主体.因此,农机管理部门的工作人员要带头学法、懂法、用法,努力提高执法水平,牢固树立"人民农机为人民"的宗旨意识,在努力为用户宣传安全生产知识和优质服务的同时,积极向社会公开服务承诺,开创"优质服务,文明监理"示范窗口等活动.     

再制造系统中的计算机支持技术

论述计算机支持技术在再制造产品形成中的应用 ,其中包括面向产品服役环境与可拆卸、可再制造的工程设计技术 ,涂层结合强度、失效机理、优化设计方面有限单元法计算技术 ,容器整体热处理过程的计算机模拟技术等。     

测试封装应力用压阻式应变计阵列

集成电路封装应力是影响芯片生产的成品率和可靠性的关键因素。针对目前广泛采用的PQFP封装模式，介绍了利用压阻式应变计阵列测试集成电路封装应力的原理、应变计的制造及标定方法。     

无机纤维增强SiO2气凝胶隔热复合材料的研究进展

SiO_2气凝胶因其独特的纳米孔结构而具有低密度、低热导率等特点,具备成为高效隔热材料的潜力,然而SiO_2气凝胶的力学性能较差,极大地限制了其在隔热领域的应用。采用无机纤维作为增强体,制备的SiO_2气凝胶复合材料同时具有较好的力学和隔热性能,是目前国内外高性能隔热材料的研究热点之一。综述了无机纤维增强SiO_2气凝胶隔热复合材料的制备方法及其研究进展,并展望了其未来发展方向。     

电流互感器测量值的不确定度评定

依据JJF1059.1-2012《测量不确定度评定与表示》和JJG313-2010《测量电流互感器计量检定规程》,以实例形式分析评定电流互感器测量结果不确定度。     

利用离子液体制备无机气凝胶的研究进展

气凝胶具有三维纳米多孔网络结构,独特的结构使它具有低密度、高比表面积和高孔隙率等性质以及低热导率、低介电常数和低声传播速率等性能,在隔热、介电、隔声、催化、吸附等领域具有广阔的应用前景.然而,溶剂-凝胶法作为目前制备气凝胶最成熟、应用最广的技术,需要使用大量的有机溶剂,严苛而危险的超临界干燥工艺进一步推高了成本,限制了气凝胶的大规模工业化生产和应用,因此,降低成本和在常压干燥条件下制备高比表面积的块状气凝胶是气凝胶产业急需解决的问题.离子液体被称为21世纪的绿色溶剂,具有低蒸气压、低表面张力、高催化性和高溶解性等特殊性质.离子液体与气凝胶材料的发展几乎同步,但直到2000年两种材料才产生交集.离子液体作为模板剂具有微观结构导向作用,使纳米孔结构均一化,其不挥发性和低表面张力保证了老化和常压干燥过程中纳米孔结构不会因毛细管力而坍塌破坏,另外其催化作用可以缩短凝胶时间.因此,离子液体为常压干燥合成气凝胶提供了新的工艺路线.目前,有关借助离子液体制备 SiO2气凝胶、TiO2气凝胶、SiO2-TiO2复合气凝胶、炭气凝胶等无机气凝胶的探索均已展开,其中制备 SiO2气凝胶的研究最多,涉及工艺、微观结构、掺杂和应用等方面.通过常压干燥可获得比表面积高达677 m2/g 的块状气凝胶,通过选用不同的离子液体还可以控制纳米孔的微观形貌,所得 SiO2气凝胶产物在电化学、生物、吸附等领域有较高的应用潜力.利用离子液体替代有机溶剂可以使得到的TiO2气凝胶不经煅烧即含有锐钛矿相,通过金属原子 Ag、Fe、Ge等掺杂改性,可进一步提高锐钛矿相的结晶度,提升其光催化性能.利用离子液体制得的 SiO2-TiO2复合气凝胶具有一定强度和良好的光催化活性.此外,除在传统的溶胶-凝胶法中用作模板剂或催化剂外,离子液体还可作为新型的炭源用于制备炭气凝胶,即通过熔盐法高温炭化裂解离子液体"自上而下"直接制备.这种方法可以制备杂原子在原子水平上均匀分布的功能化炭气凝胶,无需制备有机气凝胶前驱物,极大缩短制备周期,并且炭气凝胶产物的比表面积相对更高,得到了科研界的广泛关注.     

基于视觉方法的输电线断股检测与机器人行为规划

输电线维护机器人用于代替人工完成危险作业,准确的故障检测与合理的行为规划对于作业效果至关重要.针对以上需求,采用视觉方法,提出了一种基于图像特征分类的输电线断股检测方法.该方法提取边缘梯度向量作为图像特征,采用支持向量机方法进行分类运算完成线路断股检测.在断股检测的基础上,利用断股检测信息与机器人传感器测得的信息构建机器人状态向量.根据当前状态向量,结合机器人断股补修作业流程,提出了面向捋线与压接复杂作业的机器人断股补修作业行为规划方法.利用实验室模拟线路开展实验,验证了提出的输电线断股检测及行为规划方法的有效性.     

基于OS-ELM的变压器局部放电模式识别

传统的变压器局部放电模式识别算法由于需调整的参数多且难以确定最佳参数、学习速度慢等缺点,在实际工程应用中识别正确率低,识别速度慢。因此,提出了一种基于在线序列极限学习机(OS-ELM)算法的变压器局部放电模式识别方法,该算法是传统极限学习机(ELM)的在线学习改进算法,是一种新型的单隐含层前馈神经网络(SLFN)。本文基于特高频检测法在真型变压器上进行局部放电实验,并获得大量实验数据。将本文所提方法与ELM、支持向量机(SVM)以及BP神经网络(BPNN)的模式识别效果和性能进行了比较分析。结果表明OS-ELM算法识别正确率比SVM和BPNN分别高出5.2%和23.2%;逐渐减小训练样本集大小,OS-ELM识别结果的波动明显小于SVM和BPNN,表现出更好的泛化能力;OS-ELM的训练时间仅为0.031 2 s,远远小于SVM和BPNN。因此,OS-ELM更适用于大数据量样本的工程应用。     

泊松阻尼因子在预测高孔隙度砂岩中的应用

预测相对高孔砂岩是甜点预测的重要任务之一,利用叠后地震属性预测孔隙度的方法在远井的位置结果不理想,通过叠前反演得到的泊松阻尼因子属性(PDF)在检测高孔砂岩方面有其独特优势。测井岩石物理分析发现:PDF不仅能识别砂岩,还与孔隙度相关性较高,非常适合应用预测高孔砂岩。在实际工区应用中发现PDF很好得刻划出了高孔砂岩(河道主方向)的分布特征,是一种定性孔隙度预测的新手段。