含磷固化剂及固化环氧树脂的合成及表征

以4,4′-二氨基二苯基甲烷(DDM)、苯甲醛和亚磷酸二乙酯为原料,合成了两种含磷固化剂PM1和PM2,用红外光谱、核磁共振氢谱对PM1和PM2的结构进行了表征。用DDM,PM1,PM2分别固化双酚A型(DGEBA)环氧树脂,得到DGEBA-DDM,DGEBA-PM1,DGEBA-PM2树脂,采用示差扫描量热法、热重分析(TGA)和极限氧指数(LO I)对DGEBA-DDM,DGEBA-PM1,DGEBA-PM2树脂的玻璃化转变温度(Tg)、反应活性、热稳定性和阻燃性能进行了表征。实验结果表明,PM2的反应活性比PM1低;DGEBA-DDM,DGEBA-PM1,DGEBA-PM2树脂的Tg分别为178,112,145℃;TGA结果表明,700℃时DGEBA-PM1和DGEBA-PM2树脂的成炭率分别为29%和35%,而700℃时DGEBA-DDM树脂的成炭率只有19%;DGEBA-PM1和DGEBA-PM2树脂的LO I值由DGEBA-DDM树脂的24%分别增至30%和35%,且阻燃性能大幅度提高。     

电子电路最优化设计

简述了电子电路最优化设计的数学模式，并介绍了几种优化算法。     

基于云模型的图像区域分割方法

基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于贝叶斯正则化BP神经网络的超临界二氧化碳流动阻力特性预测

超临界二氧化碳（S-CO2）流动摩擦阻力特性尚不明晰,现有阻力预测公式泛化能力不强。对S-CO2在垂直上升光滑圆管中进行湍流流动的阻力特性进行了实验研究,系统分析了不同质量流速、压力和热流密度对S-CO2流动摩擦阻力的影响,实验参数范围为质量流速750~ 2 200 kg/(m2·s),流体压力10~20 MPa,热流密度200~340 kW/m2以及主流温度60~500 ℃（远离拟临界点）。实验结果表明:S-CO2流动摩擦阻力随热流密度的增加而减小,这有利于 S-CO2发电的大规模工程应用;S-CO2流动摩擦阻力随压力的增加而减小,主要原因在于压力增加导致CO2流体密度增加。根据实验数据,构建了贝叶斯正则化BP神经网络模型,实现了对S-CO2流动摩擦阻力的有效预测。预测值与实验值的相关系数R=0.998 6,超过98%的预测值均在10%的误差范围内,表明该模型拟合精度高,具有较好的泛化能力。     

基于生命期引导的生态进化模型

进化算法的一个很大的不足是个体进化本身没有一个明确的引导趋势.该文借鉴个体进化的生命周期性,提出了一种基于生命期引导的生态进化模型.基于此模型的算法在个体生命期的各个阶段设置了相应的引导算子,使个体在整个生命期都基于其生态特征而被引导进化.实验结果验证了其优越性.     

基于嵌入式网关的光伏微网自控系统的研究

以光伏发电为主体的微电网具有绿色、可持续性强等优势,是国家大力支持的能源方式.在国家大力推行城镇化建设的同时,微网更成为一种有效的电力供应方式.在分析微网结构的基础上,以嵌入式作为核心,以无线传感网为依托,构建了光伏微网自动控制系统,保证了数据传递的及时性,提高了太阳能系统的稳定性.     

滚动轴承滚动体配合间隙对载荷分布的影响

根据滚动轴承载荷分布理论,采用新算法取代传统轴承载荷分布计算方法,并用该方法计算法滚动轴承的载荷分布,得出轴承在不同滚动体配合间隙的条件下其载荷分布规律。     

固体充填综采地表沉陷规律研究

结合固体充填综采原理,分析了等价采高与充填体压实率的关系。并根据某矿工程地质条件,利用FLAC2D数值计算软件,系统分析了充填体压实率、采高对地表沉陷的影响规律,得出当充填体压实率为50%、60%时,地表沉陷值较大,下沉系数分别为0.687及0.583,当充填体压实率为75%、90%时,地表沉陷明显减小;随着采高的增加,地表沉陷峰值逐渐增大,且基本呈现线性规律。     

整体协调·功能复合·文脉传承——西安高新技术产业开发区公共中心城市设计策略思考

西安高新技术产业开发区公共中心是未来集中培育打造的重要功能区域,是"六位一体"的国际化服务型都心,采用整体协调、功能复合及文脉传承的城市设计策略,形成由高新路和唐延路共同构建的"Y"字型城市生活服务双轴线,承担行政办公、商业购物、商务会展、文化娱乐、体育健身、休闲游憩和居住生活等多种职能,实现城市历史与现代文化特色的有机生长。