功能性有机小分子对丙烯酸酯类水性阻尼涂料性能的影响

丙烯酸酯类树脂具备高分子材料特有的优异阻尼特性,同时又具有很好的稳定性和耐候性,该研究以含有极性基团的内烯酸酯乳液为基础,通过2种乳液的共混及添加受阻酚类有机小分子等制备水性阻尼涂料,考察了有机小分子的氢键作用对阻尼涂料阻尼性能的影响.通过动态力学分析(DMA)发现,功能性有机小分子可以提高乳液的玻璃化转变温度和阻尼性能,同时可以调节2种共混乳液间的相容性,从而有效拓宽共混样品的高阻尼温域.红外分析发现,增加样品中有机小分子的含量,样品中的氢键含量会相应提高.     

花开花落总关情——试论秦观词中“花”的蕴意

北宋著名词人秦观胸有大志,却一生坎坷,他的词就是一部心灵、情感的成长史。他锐敏善感,词风柔婉凄丽。其词情景交融,意象丰富,如"落花"、"飞红"、"流水"、"斜阳"、"浮云""细雨"等。其中以"花"的意象最盛,几乎贯穿秦词始终。在秦观的笔下,早期的花热闹繁盛,中期的花凋残飘零,后期的花飘渺虚幻。以"花"为线索,从秦观词风的形成、不同时期"花"的意象两个方面,探究秦观用情、用心、用血、用泪写就的词中"花"的意象以及蕴含在其中的不同生命情态和强烈的生命抗争意识。     

基于LabVIEW的继电器簧片压力采集系统

针对人工测量继电器簧片压力精度差、可靠性低、劳动强度大的问题,开发一种基于LABVIEW的簧片压力自动采集系统,在该系统中,设计一种基于串口通信与消息队列机制相结合的压力采集模块。此外,基于LABVIEW SQL Toolkit数据库访问工具包设计一种Access数据库通用访问模块。最后,通过LABVIEW构建界面友好的上位机监测软件,现场独立10测试产品的最大相对误差为1.79％,测量精度与可靠性高、软件操作简单,验证了系统的有效性。     

基于IMAQ Vision圆形连接器外观污染识别系统

针对圆形连接器生产过程灌环氧胶工序需人工逐一检查产品外观质量的不足,设计一种基于机器视觉技术的圆形连接器灌胶污染在线识别系统.该系统首先采用500万彩色相机进行工站产品照片的摄取,并将图像传输到图像处理系统进行分析处理.图像处理系统以LabVIEW为开发平台,依据产品信息设置自适应感兴趣区域(ROI)区域,在ROI区域...     

三相智能电能表时钟日计时误差不确定度分析

随着智能电网的大力建设,三相智能电能表在全国得到广泛应用,其时钟日计时误差直接影响分时计量及需量的准确性。介绍了三相智能电能表时钟日计时误差的测量方法,并根据JJF1059.1—2012技术规范中测量不确定度的评定方法,对三相智能电能表时钟日计时误差的测量结果进行了不确定度分析。     

在环卫行业中进行质量管理体系认证的探索

阐述了环卫行业中引入质量管理体系的目的,强调了进行质量管理体系必须与环卫工作相结合,融入到环卫工作的每一个环节,探讨了环卫通过质量管理体系认证获得的收益,以促进环卫服务质量的稳步提高,确保环卫管理制度日趋完善。     

虚拟仪器在轴尺寸测量中的应用

为提高继电器关键零部件的测量效率和测量精度,提出一种基于虚拟仪器与机器视觉技术相结合的微尺寸测量系统。该系统由工业相机采集微小尺寸轴图像,利用LabVIEW虚拟仪器开发环境中的IMAQ Vision库进行图像分析处理,运用轮廓分析方法得到被测工件的轮廓数据,并采用最小二乘法进行直线拟合以动态实现微小尺寸的自动检测功能。试验结果表明,设计的视觉检测系统误差不超过0.002mm,有效提升了继电器关键零部件微小尺寸检测的准确率和稳定性,具有良好的实用价值。     

基于LabVIEW机器视觉在继电器检测系统中的应用研究

机器视觉系统已成为许多工业过程的重要组成部分。针对继电器衔铁小轴检测精度要求高,人工检测难以保证测量精度和快速性的问题,研究开发一套基于LabVIEW机器视觉的继电器衔铁小轴视觉检测系统。该系统基于LabVIEW开发平台,通过图像采集、图像分析处理、VISA串口通信等功能的研究实现继电器项目的快速、可靠检测。利用实际待加工工件进行自动测试实验,结果表明继电器视觉检测系统具有稳定、快速、高效特性,满足继电器生产线对衔铁小轴质量的要求,为继电器自动化测量技术进一步发展提供了一种可行思路。     

离心式热油泵振动测试分析与故障诊断

分析了某炼油厂减压渣油输送泵异常振动情况,根据其振动特征并结合泵体结构对故障进行了分析,阐明了产生故障的主要原因是转子叶片的形变导致流体激振;经过对泵解体发现实际情况与诊断结论相符,依此建议厂方采取针对性的维修调整措施后重新开车,机组和管线的振动烈度降为维修前的1/4以下,重新回落到标准允许的范围内,保证了企业的正常生...     

电源方针智能视觉检测与筛选系统研究

为了解决一种电源方针外观缺陷人工检测效率低、一致性差的问题,设计一种基于机器视觉和深度学习相结合的智能视觉检测系统。首先,采用KNN实现颜色分类;其次,利用sobel算子实现轮廓差异检测;最后,利用Googlenet网络进行划痕、麻点等缺陷分类。通过实际筛选试验,将本文提出的方法与标准Googlenet模型检测结果进行对比,本文提出的方法对于不可接受缺陷检出率高达100%,提升了3%,有效地实现了电源方针智能检测与筛选,具有良好的推广价值。