改性松香基非离子表面活性剂的合成及性能

以松香和聚甘油为原料,合成了一种松香基非离子表面活性剂,得到不同甘油聚合度的产物。得到的松香基非离子表面活性剂的表面物化性能为:表面张力44 2～49 6mN/m;临界胶束浓度8 0×10-4～25 6×10-4mol/L;钙皂分散指数13 5%～21 5%;界面张力11 7～18 9mN/m;乳化力44～85s;泡沫性能6～46mm;润湿力87～121s。并对甘油聚合度和产物表面性能的关系进行了考察。     

模糊WINGS视角下的ANP加权矩阵新构造方法

构造因素集加权矩阵是ANP系统未加权超矩阵到加权超矩阵转化的一个关键技术。然而从已有的三种构造方法看,两两比较法比较机理混乱,而等权矩阵假设构造法通常是无效的,并且基于DEMATEL（决策试行与评价实验室）的构造方法不仅存在忽视因素集自身强度的内在不足,而且也难以反映专家在对因素集之间影响关系判断时存在的“不精确性”。为克服上述缺陷,提出一种模糊WINGS（加权影响情景下的非线性测度体系）视角下的ANP因素集加权矩阵新构造方法。该方法一方面给出改进后的模糊DELPHI决策程序,充分考虑了专家判断过程中的“不精确性”。另一方面,系统提出模糊WINGS的方法思路,在系统因素集影响关系判别时充分考虑了因素集的自我影响强度,使因素集直接影响矩阵的构造更为合理。实例对比验证结果表明,该方法是科学合理的,有着较强的实践应用可操作性。     

电力营销计量改造中的重点与难点分析

随着电力系统规模和容量的不断扩大,电能作为一种商品走向经济市场已经成为现代电力营销的重点课题.供配电体制的改革,要求建立适应当代电能供需平衡管理要求,因此必须加强对客户供用电的综合管理工作,通过对应的工程技术改造、提升计量装置的计量准确性和高效经济性,以及供配电系统的防窃电能力,充分保障供用电双方的合理经济效益.笔者就以上一些问题和电力企业在电力营销计量改造中的重点与难点问题进行了探索和分析.     

松香基丙烯酸酯核-壳共聚压敏胶的研制

以丙烯酸酯类为原料,采用核壳共聚合成出压敏胶乳液,讨论了核、壳乳液配比、引发剂、乳化剂、相比等因素对乳液性能的影响,并用自制的松香酯乳液对压敏胶进行了改性,得出了松香酯乳液适宜的质量分数为20%。测定了改性后的压敏胶性能,其指标为:初粘力为12(球号),持粘力为7 h,180°剥离强度每25 mm为6 N,与同类压敏胶相比较,综合性能良好。     

冲压板料回弹中的失稳研究

回弹是材料成型结束后的一个复杂的弹塑性变形过程 ,它直接影响到冲压件的尺寸精度。本文采用随动强化材料模型考虑了Bauschinger效应 ,指出回弹卸载中可能会出现局部失稳的现象 ,并应用有限元方法和能量原理 ,提出了回弹失稳的临界应力计算方法 ,对于提高回弹的计算精度、改善冲压件的产品质量有重要意义。     

自动冲压线模具开发全过程仿真技术研究与应用

自动冲压线模具受设备的约束条件多,是设计难度最大的一类模具.借助CAE仿真技术,完成了从冲压工艺分析、优化到自动线结构设计和模具的制造,提高了自动冲压线的自主开发能力.介绍了自动冲压线全过程仿真的关键步骤和功能的实现,经应用效果很好.     

松香基咪唑啉的合成及其性能的研究

 以松香和多乙烯多胺为原料合成了松香基咪唑啉(ORI)。并通过正交实验，对影响反应的各个因数进行模拟回归，得出适宜的反应条件：反应温度在230℃～240℃，二乙烯三胺和松香的摩尔用量比为1.6∶1，反应时间为5小时，体系的真空度2.67 kPa～5.33 kPa.     

在Authorware中实现动态显示函数的图像

以实例说明制作能随参数改变而连续动态地显示函数图像的课件方法.     

用于MEMS传感器批量制造的微装配系统

手工操作限制了MEMS传感器的批量生产.为了降低生产成本,同时提高传感器的产品质量,研制了柔性自动阳极键合系统.该系统包括一系列功能模块,包括精密定位系统、显微视觉子系统、柔性微操作手、加热系统、键合夹具、物流系统以及其它的附属系统.通过模块重构和调整,可实现不同尺寸规格传感器的键合.基于显微视觉以及微装配系统的特性,提出了基于小波变换的自动调焦清晰度评价函数,同时提出了基于改进史密斯预估器的用于克服视觉延迟的伺服控制结构.集成一维微力传感器的微操作手可实现高精度和无损操作.为了实现自动化操作,开发了包括任务规划和实时控制功能的控制系统.试验验证了该系统的自动键合功能.     

流水线结构的维特比回溯算法及其实现

维特比解码中，在长约束长度或较深译码深度的情况下，内存管理回溯算法相对寄存器交换法有很大的优势。该文在一种现有的节省内存的内存管理算法的基础上，提出了新的流水线结构的内存管理回溯算法，可以自动处理连续输入的不同长度的帧。并且依据IEEE802.16的高速应用实例，在Xilinx的FPGA上实现了该算法。