桐油聚酰胺——酰亚胺结构与性能的研究

本文采用红外光谱分析，元素分析、X-射线衍射，差示扫描量热分析（DSC）、热重分析（TG）等测试技术。研究了不同温度下缩聚产物的结构与性能，结果表明，高温溶液缩聚反应得到的产物。分子量高，溶解性好，耐热性高。     

饮酒过量伤身体

酒是人们的生活嗜好品,每逢节日,亲朋聚会往往以酒表示欢庆,可为无酒不成宴。 饮酒可以增进食欲,加强血液循环,酒对一些特殊职业的人,例如井下工作人员、森林作业人员、出海渔民和海员,又是必不可少的劳动保护食品。另外,白酒还可用来浸泡中草药,增强药效,纯酒精还有助于减少冠心病引起死亡的危险。     

试油层产液性质的多参数综合判别方法研究

准确地判断储层的产液性质,是试油选层和试油方案优化的重要依据,目前常用的判别方法是基于电测解释结论的多因素经验判别,有较大的人为性和随意性,致使正判率和符合率相对较低,一方面增加了无效的试油工作量,另一方面,增加了漏试油气层的风险.为解决这一问题系统收集和统计了塔里木油田碎屑岩地层反映产液性的录井、测井资料和试油成果资料,通过综合分析对比,提出了预测储层产液性质的新方法--综合权值法.该方法通过一定的规则给电测解释结论、岩心含水迹象、滴水试验、含油饱和度、孔隙度、原油粘度等与产液性相关的因素赋以权值,从而求得综合权值,进而对储层产液性质进行综合判别.综合权值法明显优于单纯的电测解释,使油气水层解释的平均符合率和平均正判率都提高了20%.利用该方法判断储层产液性质具有操作简单、判别率高等优点,对于更合理地优选试油层位和优化试油方案具有重要的实际应用价值.     

基于KSOM-Elman网络的配电网故障定位方法

针对配电网分支较多、故障数据特征不明显引起的故障定位困难的问题,提出了一种基于行波测距和核自组织特征映射网(kernel self-organizing feature maps,KSOM)-Elman神经网络的故障定位方法.首先利用行波法和小波变换进行故障测距,搜寻故障可疑分支;其次在传统自组织特征映射网神经网络中引进高斯核函数,构建KSOM网络聚类器,将无标签故障样本数据分组,并结合Elman神经网络对聚类数据进行监督训练和学习,从而判断故障分支,精确定位故障点位置;最后将KSOM-Elman神经网络与其他神经网络的定位结果对比.经过仿真验证,该方法可靠有效,定位效果优于其他网络.     

再生PP/沙柳复合材料成型及力学性能研究

以沙柳和再生聚丙烯(PP)为原料,采用模压法制备木塑复合材料(WPC),研究了沙柳木粉和硅烷偶联剂KH550对WPC成型及力学性能的影响。结果表明:随着沙柳木粉用量的增加,WPC的熔体流动速率(MFR)显著下降,成型性能变差,弹性模量呈上升趋势,静曲强度、拉伸强度和冲击强度随之降低;随着KH550用量的增加,WPC的MFR小幅上升,静曲强度和拉伸强度逐渐提高,弹性模量呈先升后降趋势,冲击强度变化不明显;沙柳木粉用量50份、KH550用量3份时,WPC的成型和力学性能相对较佳。     

纳米氧化铝粉体的特殊液相沉淀法制备

本文通过液相反应胶粒析出机理分析，首次采用快速高强度机械混合液相沉淀法技术制备了小粒径(平均2nm)无定型氢氧化铝纳米粉体。经1250℃焙烧，获得α相纳米氧化铝。在制备过程中，采用适当的混合强度和反应液浓度可加强浆料过滤性，从而大大节省时间，得到小粒径高温相纳米氧化铝粉体。     

基于预测滤波器的数字降噪耳机研究

通常数字降噪耳机采用的自适应滤波器,一般基于LMS、NLMS等算法,但是由于A/D转换存在一定的延迟,导致实际降噪效果降低,故降噪耳机上的主动降噪系统需要对噪声进行预测.通过线性预测算法和改进滤波器,对已经采样的噪声信号进行算法分析,预测下一时刻的噪声信号,在Matlab中实现对飞机引擎噪声进行预测,并将降噪效果与LMS自适应滤波器的降噪效果进行比较.仿真结果表明,在处理低频噪声时,预测滤波器效果要优于LMS自适应滤波器.     

基于自适应特征融合的粒子滤波目标跟踪算法

提出了一种基于自适应特征融合的粒子滤波跟踪算法,用于解决传统的粒子滤波跟踪方法在复杂背景下容易跟踪失败的问题。该算法选取颜色特征和边缘特征来描述目标,并通过粒子滤波进行特征融合,根据可靠性因子调整各特征的权值系数;在跟踪过程中,随着目标自身形变,自适应更新目标模板。实验结果表明,在复杂背景下以及受到遮挡时,本算法能够准确稳健地跟踪目标。     

民航安全词典构建研究

针对航空安全报告中结构化属性和非结构化属性共存、人工分析耗时耗力的现状,本文提出结合领域专家知识,采用基于切分单元的最大匹配算法得到候选集,利用互信息对其进行筛选,建立了专用的航空安全词典.为进行更进一步的数据分析、数据挖掘和识别隐藏在航空安全数据中未知的、潜在的问题、提高航空安全性能提供了基础.