气相色谱与热脱附联用测定环境空气及无组织排放工业废气中三氯乙烯

建立了热脱附仪和气相色谱联用测定环境空气及无组织排放工业废气的三氯乙烯分析方法，该方法的检测限为〈0．054μg，当采样体积为13．5L时，方法的最低检出浓度为0．004mg／m^3。在所选定的操作条件下，对400ng三氯乙烯标准进行重复6次的测定，所得的相对标准偏差低于11．0％。该方法已用于环境空气和无组织排放工业废气的测定，取得令人满意的结果。     

一种简单实用的数字闪光报警器的设计

介绍以80C31为核心的数字闪光报警器的特点,软、硬件设计等.     

水质在线监测COD/TOC/UV自动测量仪比较研究

水质监测是用科学的方法监视和检测反映环境水质及其变化趋势的各种数据的过程 ,其核心内容是监测与分析评价水资源的质量状况及其变化规律 ,为国家和各级政府开发利用、管理与保护水资源提供科学依据。在我国 ,水体的有机污染是水质污染的主要问题 ,其中主要是工业废水和城市污水造成。因此 ,采用在线自动监测仪器对污染源进行自动监测 ,是治理越来越严重的环境污染的良好基础。本文通过对用于水质在线监测的COD、TOC、UV自动测量仪的工作原理、测试方法、性能特点等的比较研究 ,揭示三者之间的内在联系     

暂态失稳引起大停电的可能性与对策研究

以某一将来实施分片运行的500 kV/220 kV规划电网为对象,从暂态稳定的角度对系统发生大面积停电的可能 性进行分析研究,并从电网规划、运行管理、继电保护和自动装置等方面,就预防大面积停电事故提出对 策。介绍了仿真计算所需的负荷模型、电源模型、输电线路模型、变压器模型等电网模型。     

表面裂纹疲劳止裂技术

将”人工楔块“止裂技术有于表面裂纹疲劳止裂。在对表面裂纹试件进行了低频拉伸和高频弯曲两种载荷下的楔,无楔试验后,发现”人工楔块“止裂技术对于表面裂纹同样有显著的止裂效果。     

聚乙烯醇乳液改性对汉麻秸秆纤维/水泥基复合材料性能的影响

为解决汉麻秸秆纤维/水泥基复合材料力学性能较差的问题,本文提出采用聚乙烯醇(PVA)乳液对汉麻秸秆纤维/水泥基复合材料进行改性。在优化秸秆纤维的粒径和掺入量后,采用PVA乳液与秸秆纤维和水泥进行共混成型,制备了改性后的汉麻秸秆纤维/水泥基复合材料。研究了不同质量比的PVA乳液对汉麻秸秆纤维/水泥基复合材料的抗折强度、密度、比强度和弯曲韧性的影响,通过含水率、吸水率及红外光谱测试揭示了PVA乳液对汉麻秸秆纤维/水泥基复合材料的改性机制。结果表明:汉麻秸秆纤维粒径为1700 μm及掺入量为12%时,秸秆纤维对汉麻秸秆纤维/水泥基复合材料的增强作用最好。随着PVA乳液质量比的增加,改性后汉麻秸秆纤维/水泥基复合材料的密度逐渐减小,弯曲韧性逐渐提高。当PVA乳液质量比为4.8%时,相较于未改性的汉麻秸秆纤维/水泥基复合材料,改性后的汉麻秸秆纤维/水泥基复合材料抗折强度和比强度分别提高了17.17%和20.50%。通过PVA乳液改性使汉麻秸秆纤维/水泥基复合材料中秸秆纤维与水泥之间的界面得到改善,并缓解了秸秆纤维对水泥水化反应的阻碍作用。      

石墨烯在锂离子电池和超级电容器中的应用展望

由于独特的结构和优异的性质,石墨烯在锂离子电池和超级电容器领域展现出潜在的应用前景,受到了科学界和产业界的广泛关注,涌现出大量的研究工作。就石墨烯在储能领域的应用进行了分析、同时对未来发展趋势进行了预判,以期加强对石墨烯结构-性能关系的理解。首先就石墨烯在锂离子电池的正极和负极中的应用,以及石墨烯在双电层电容器和赝电容电容器中的应用进行了介绍,其次,针对石墨烯应用于双电层电容器中存在的挑战进行了论述,同时针对性地提出了应用于双电层电容器的石墨烯结构。最后,提出了实现石墨烯基双电层电容器的商业化应用的"三步走路线"。     

一种新型的电弧喷涂自结合材料

自结合涂层可以提高热喷涂涂层与工件基体间结合强度．最新开发的用于电弧喷涂的铁基自结合涂层材料具有涂层自结合效果好、喷涂工艺简便、价格便宜以及无明显剌激烟雾等特点．通过性能测试和实际应用证明该铁基自结合材料是电弧喷涂镶铝复合丝及铝青铜涂层的较好替代涂层．     

基于卷积神经网络恶意安卓应用行为模式挖掘

现有的安卓恶意应用检测方法所提取的特征冗余且抽象,无法在高级语义上反映恶意应用的行为模式。针对这一问题,提出一种可解释性检测方法,通过社交网络检测算法聚类可疑系统调用组合,将其映射为单通道图像,用卷积神经网络进行分类,并利用卷积层梯度权重类激活映射可视化方法发现最可疑的系统调用组合,从而挖掘理解恶意应用行为。实验结果表明,所提方法在高效检测的基础上,能够正确发现恶意应用的行为模式。     

一种基于混合词向量的胶囊网络文本分类方法

文本分类是目前深度学习方法被广泛应用的重要领域之一.本文设计了一种基于循环神经网络和胶囊网络的混合模型,使用胶囊网络来克服卷积神经网络对空间不敏感的缺点,学习文本局部与整体之间的关系特征,并使用循环神经网络中的GRU神经网络经过最大池化层来学习上下文显著信息特征,结合两者来优化特征提取过程从而提高文本分类效果.与此同时,在嵌入层中提出了一种基于缺失词补全的混合词向量方法,采用两种策略来减少缺失词过度匹配的现象以及降低词向量中的噪声数据出现的概率,从而获得语义丰富且少噪声的高质量词向量.在经典文本分类数据集中进行实验,通过与对比模型的最优方法进行比较,证明了该模型和方法能有效地提升文本分类准确度.