排序方式: 共有75条查询结果,搜索用时 15 毫秒
21.
在含有苯胺(PANI)、硝酸(HNO3)和硝酸钴[Co(NO3)2·6H2O]的溶液中,采用循环伏安法(CV)在不锈钢基底表面制备PANI/Co2+复合薄膜。利用傅里叶红外光谱(FT-IR)、X射线衍射(XRD)等手段对其结构和形貌进行表征。在0.5mol/L H2SO4中,通过循环伏安测试(CV)、交流阻抗(EIS)、塔菲尔(Tafel)曲线对PANI/Co2+复合薄膜的耐腐蚀性能进行了研究。结果表明,不锈钢表面覆盖掺杂态聚苯胺膜后,其腐蚀电位比纯聚苯胺膜时提高,可以显著降低腐蚀电流密度,并且Co2+浓度会影响掺杂态膜的耐腐蚀性。 相似文献
22.
23.
24.
在101.325 kPa下用沸点仪测定了二甲基硫醚-吡啶、二甲基硫醚-N,N-二甲基乙酰胺、吡啶-N,N-二甲基乙酰胺3个二元体系以及二甲基硫醚-吡啶-N,N-二甲基乙酰胺三元体系不同液相组成时的汽液平衡数据,3个二元体系活度因子分别用Wilson、NRTL、Margules、van Laar和UNIQUAC模型进行关联,用最小二乘法求出了它们的液相活度因子模型参数,用这些模型参数计算它们的汽相组成。根据过量Gibbs自由能函数,采用间接法由Tpx预测了3个二元系的汽相平衡组成。用所得的液相活度因子计算3个二元体系的过量Gibbs自由能。3个二元体系的Wilson、NRTL、Margules、van Laar和UNIQUAC模型参数分别对所测的三元体系数据进行关联,建立该系统汽液平衡的热力学模型并计算平衡时的汽相组成和泡点温度。分别由Herington法和McDermott-Ellis法对3个二元体系和三元体系进行热力学一致性检验,结果表明这些相平衡数据满足热力学一致性。 相似文献
25.
对铸态合金进行了均匀化处理、挤压、固溶处理和时效处理,通过分析合金的化学成分,观察合金在不同状态的显微组织及析出相透射电镜(TEM)形貌,测试合金在热处理后的硬度和拉伸性能,研究了向7056铝合金中加入质量分数0.2%的Sc对合金组织和性能的影响.实验结果表明,Sc元素的加入可以明显细化组织晶粒,铸态晶粒由100~500 μm下降到50 μm左右;Sc元素的加入对合金的塑性有大幅度提高,时效处理后,合金的断后伸长率从10.82%增加到了13.60%;但屈服强度却由668 MPa下降到657 MPa.通过综合计算晶粒大小、析出相强化等因素,详细分析了Sc元素加入引起7056铝合金峰时效态屈服强度下降的原因.理论计算显示,向合金中加入质量分数0.2%的Sc元素时,峰时效处理后,合金的强度值会下降12.005 MPa,与试验值11 MPa接近.研究得到7056铝合金最佳的单级时效制度为120℃+16 h,峰值硬度和强度为195.2 HV和714 MPa,此时合金中主要强化相为圆盘状和短棒状的MgZn2相,大小约为4~6 nm,同时存在球状的Al3Zr相,大小约为20 nm. 相似文献
26.
为研究整车热管理技术,从整车角度优化设计一款电磁离合器水泵及其控制策略,通过整车试验验证电磁离合器水泵及其控制策略优化前后对整车热管理和经济性的影响.试验结果表明:优化后的电磁离合器水泵及其控制策略能够满足整车热管理需求,在保证发动机可靠性的同时,整车平原高速百km油耗降低了1%左右. 相似文献
27.
乙唑螨腈与乙螨唑混配对柑橘全爪螨的防治效果 总被引:1,自引:0,他引:1
[目的]明确乙唑螨腈与乙螨唑混配对柑橘全爪螨的室内联合生物活性以及对柑橘全爪螨的田间防治效果。[方法]主要采用喷雾法测定了乙唑螨腈与乙螨唑混配对柑橘全爪螨的室内联合生物活性,并在田间完成了乙唑螨腈与乙螨唑桶混防治柑橘全爪螨的田间药效试验。[结果]乙唑螨腈与乙螨唑在1:4~4:1的混配比例下对柑橘全爪螨成螨的CTC值在110.64~129.25之间,对柑橘全爪螨螨卵的CTC值在118.73~162.06之间。在广西和四川进行的2点乙唑螨腈和乙螨唑桶混防治柑橘全爪螨田间验证试验结果表明:乙唑螨腈与乙螨唑混配防治柑橘全爪螨,药后3 d防效达86%以上,速效性与乙唑螨腈单剂对照相当;药后20 d防效达73%以上,持效性略高于单剂对照。[结论]室内联合生物活性测定结果表明:乙唑螨腈与乙螨唑在1:1~2:1的比例范围内混配,对柑橘全爪螨表现出一定的增效作用。田间药效试验结果表明:乙唑螨腈和乙螨唑桶混对柑橘全爪螨具有较好的防治效果,推荐桶混剂量为乙唑螨腈100 mg/L与乙螨唑55.0 mg/L。 相似文献
28.
29.
30.
基于深度学习的海底观测视频中鱼类的识别方法 总被引:2,自引:0,他引:2
针对海底环境恶劣、海底观测视频品质差导致视频中的海洋鱼类识别难的问题,提出一种基于深度学习的海洋鱼类识别方法。首先,将海底观测视频分解为图片,由于海底观测视频中存在较大比例的空白数据,使用背景差分法过滤不包含鱼类的图片,缩短处理全部数据的时间;然后,考虑到海底拍摄环境亮度低、场景模糊的实际情况,对图片基于暗通道先验算法进行预处理提高品质;最后,以卷积神经网络(CNN)为基础构建深度学习模型,并且提出了权重化特征的卷积过程,提高模型的鲁棒性。实验结果表明:面对较差品质的海底观测视频图片,在深度学习模型结构相同的条件下,与普通卷积神经网络模型相比,使用权重化卷积作为隐层并且加入预处理过程后,对海洋鱼类识别准确率的提升幅度达到23%,有助于实现对海底观测视频图片中海洋鱼类的精准识别。 相似文献