全钢载重子午线轮胎内衬层复合气泡的改善

分析全钢载重子午线轮胎内衬层复合气泡产生原因并提出相应的解决措施。通过增大复合压辊角度、硬度和压力及在气密层复合前增加位移传感器以减小气密层拉伸,使其与过渡层复合后收缩率一致,解决了内衬层复合气泡问题,提高了轮胎质量和企业经济效益。     

导电轮胎烟囱胶缺陷的原因分析及解决措施

分析导电轮胎烟囱胶缺陷的产生原因并提出相应的解决措施。主要缺陷是烟囱胶被胎冠胶覆盖而不能外露从而无法形成贯穿胎面的导电通路。预口型形状设计不合理、口型板底板倒角宽度设计偏大、烟囱胶预口型出口宽度设计不合理、烟囱胶门尼粘度偏低、现场管控不到位等均会导致烟囱胶不外露。通过调整烟囱胶口型和预口型形状、改善胶料的门尼粘度、加强现场管控等措施,可解决烟囱胶不外露问题。     

蛋白质-RNA对接中打分函数设计及RNA结合位点识别研究进展

分子对接是目前研究蛋白质-RNA相互作用与识别的有效方法之一.其中,打分函数的合理设计与分子结合位点的准确识别对成功预测蛋白质-RNA复合物结构至关重要.结合小组的工作,对用分子对接方法预测蛋白质-RNA复合物结构中所涉及2个关键性问题(即分子对接打分函数的设计和RNA结合位点的预测)及研究进展进行了回顾,并对几种常用的方法进行了比较.最后分析了这两方面研究目前所存在的主要问题,并对未来的发展方向进行了展望.     

碳材料在金属化合物固态储氢中的应用

氢的安全、经济和高效储运是制约燃料电池-氢能推广应用的重大障碍.金属化合物固态储氢因理论质量储氢密度高、体积占比小、储氢压力低和安全性高,是以潜艇为代表的密闭空间场合用燃料电池的首选氢源,但热力学稳定和动力学释放氢缓慢等问题限制了其性能的发挥.碳材料因强结构设计性、独特的电子性质和高导热性,在金属化合物储氢中的研究日益广泛.基于此,从纳米结构约束、催化剂和添加剂三个角度,对金属化合物储氢中碳材料的应用进行了归纳,阐述了金属化合物/碳复合材料的制备和结构以及碳发挥有益效果的作用机制.     

氧化石墨烯/羧基丁腈橡胶纳米复合材料的制备及其耐有机溶剂渗透性能的研究

采用改进Hummers法制备氧化石墨烯（GO）,并以聚乙烯亚胺为“桥接分子”制备GO/羧基丁腈橡胶（XNBR）纳米复合材料,考察GO/XNBR纳米复合材料的微观形貌、力学性能和耐有机溶剂渗透性能。结果表明：GO与XNBR基体结合良好且分散均匀;GO/XNBR纳米复合材料的拉伸强度由纯XNBR胶料的3.9 MPa提高到7.2 MPa(GO用量为0.7份),提高了约1.8倍;随着GO用量增大,GO/XNBR纳米复合材料对有机溶剂的耐渗透时间明显延长。     

液体发射药迫击炮内弹道燃烧稳定性

为研究液体发射药迫击炮内弹道特性,搭建60 mm液体发射药迫击炮瞬态测试系统,对其燃烧室压力变化与迫击炮弹初速进行测试。在试验基础上,基于非定常欧拉-拉格朗日模型和液体发射药蒸发-燃烧模型建立带燃烧反应的液体发射药迫击炮两相流计算模型,对内弹道过程中的反应流场进行模拟,分析复杂气相流场与液体发射药喷射燃烧间的耦合关系及压力振荡形成机理。结果表明：60 mm液体发射药迫击炮燃烧稳定性好,具有工程化潜力;数值模拟与试验结果吻合度较高,且可以复现压力振荡现象,计算模型具有合理性;液体发射药的喷射与燃烧均受燃烧室内气涡的影响;反射波引发的液体发射药集中燃烧使压力表现为一种振荡发展。     

肿节风治疗猪肺疫的临床疗效观察

1993年4月下旬,南宁市郊某个体养猪专业户饲养的肉用仔猪相继发病,我们应邀诊治。     

减小半钢子午线轮胎硫化氮气消耗量的措施

分析半钢子午线轮胎氮气硫化氮气消耗量大的原因,并提出相应解决措施。轮胎氮气硫化过程中氮气消耗量大的主要原因是氮气硫化系统管路(包括硫化机氮气系统管路)存在泄漏问题,尤其是管路连接处、控制阀密封处和密封圈等密封不良,通过采取防止氮气泄漏、增大氮气回收量、减小定型氮气消耗量等措施,有效减小了氮气消耗量。     

隐私保护下的车辆轨迹联邦嵌入学习与聚类

智能网联汽车的高维轨迹数据被广泛用于从车辆的行驶轨迹中发现不同运动模式,从而降低交通风险、提高通行效率. 然而,数据利用过程中的隐私问题日益受到关注,如何在隐私保护的前提下进行算法的研究和应用是当前面临的一大挑战. 针对车辆轨迹数据分散在不同持有方且出于隐私保护无法共享数据的背景,利用差分隐私联邦学习框架来构建序列自编码网络提取轨迹序列的低维表示,并进一步利用轨迹的低维空间向量来发现不同时段下车辆的频繁路线. 提出的框架既通过本地训练避免了用户隐私数据的分享,又能通过高斯差分隐私机制防止模型信息的泄露. 该框架在真实的轨迹数据集上进行了验证,利用LSTM自编码作为嵌入学习网络,与非联邦、非差分加密的模型进行了对比分析,最后对三种得到的轨迹嵌入通过聚类分析发现该框架下学习的模型在充分尊重了隐私保护的前提下,仍然能够找出有效的频繁轨迹.