水性聚氨酯用于发泡合成革的制造研究

以聚醚二元醇、异氟尔酮二异氰酸酯(IPDI)、1,4-丁二醇(1,4-BDO)、2,2-二羟甲基丙酸(DMPA)等作为主要原料,合成硬段含量适中的水性聚氨酯。在其中加入发泡剂、有机硅流平剂、有机硅消泡剂等,获得了适合合成革发泡用浆料。研究了不同发泡剂对发泡后合成革的微观结构、厚度、密度、透气性、透水汽性、比表面积等因素的影响。结果表明:AC发泡剂经改性后,分解温度降低,并与树脂的熔融温度(160～180℃)匹配,发泡后的合成革的密度下降,比表面积增大,泡孔均匀、细密。发泡后合成革厚度最高达到0.895mm,透气渗透系数良好,透湿性能最高为327.622mg/cm2·24h。     

赛贝斯：服务就是竞争力

获奖理由：赛贝斯软件（中国）有限公司是中国数据库软件与服务的中坚力量，十几年来。以雄厚的技术实力与优质的服务水平．推动着中国信息管理服务的发展．现在又在移动信息服务方面引领潮头。     

基于博弈论的建设工程投标报价研究

为使建设工程投标者能够中标并获得较高收益，就要讲究投标报价的策略和技巧。在与传统投标报价模式的比较之下，文章把博弈论运用到投标报价的决策中，建立了非合作性博弈模型和静态贝叶斯博弈模型，提出了投标者应采取的最优报价水平，进而得出了博弈思想的运用使报价更具动态性，更符合招投标实际操作的结论。     

改进贝叶斯滤波模型井下人员定位算法的研究

研究矿井采矿过程监控问题,由于矿井自身的局限性和环境参数的复杂性,无线传感器网络节点定位技术被广泛应用在矿井作业过程中.为确保通信数据的可靠性和有效性,保证提高定位精度,提出多通道传输数据机制,实现对数据信息进行实时有效的采集.通过对传统定位算法原理和误差来源进行分析,结合贝叶斯滤波概率模型对Euclidean定位算法进行改进,使接收信号强度指示器随机波动得到有效的抑制.通过对节点之间坐标区域范围的修正,使信号强度最终达到平衡.实验证明,提高了可靠性,改进后算法具有更高的定位精度,表明算法的有效性和正确性.     

锁定坚朗

正锁是什么?《辞源》曰:"锁,古谓之键,今谓之锁。"《辞海》解释为:"必须用钥匙方能开脱的封缄器"。钥匙与锁从来都是一对好情人,但是想必大家总有遇到过忘了带钥匙的情况,一旦这对情人见不了面,那可能没有了喜笑颜开,看着本来应该是抵御"外敌"的门将自己挡在了外面,越是坚固的门越是让人无可奈何。然而坚朗推出的海贝斯智能锁却彻底改变     

基于非线性贝叶斯理论和BIC准则的防渗墙高精度瑞雷波反演研究

横波速度和厚度的反演精度是决定瑞雷波法能否应用于防渗墙检测的关键因素,同时也是瑞雷波反演的难点。为获得高精度的防渗墙横波速度和厚度,采用BIC准则和非线性贝叶斯理论,通过理论模型与实测数据相结合的方式,对与防渗墙结构相似的三层含硬夹层模型和防渗墙瑞雷波数据进行反演,并将反演所确定的模型与已知模型进行对比分析,从而验证反演方法的有效性和准确性。结果表明:非线性贝叶斯方法能够有效优化硬夹层模型和防渗墙数据,通过频散曲线反演,能够获得高精度的横波速度和厚度反演结果;将BIC准则应用到硬夹层模型和防渗墙数据,确定硬夹层和防渗墙最佳参数化模型分别为3层和8层,该模型与实际情况最为吻合,频散曲线反演精度最高。研究成果对提高防渗墙无损检测精度、确保堤坝安全运行具有重要意义。     

发泡剂对水性聚氨酯合成革贝斯性能的影响研究

以高固含量水性聚氨酯为树脂浆料,偶氮二甲酰胺(AC)为发泡剂,采用发泡工艺制备了透气性优异的合成革基革(贝斯)。通过扫描电镜和Image-Pro Plus软件表征了发泡贝斯的微观结构形态,研究了AC用量对合成革贝斯形态结构和性能的影响规律。结果表明,配合发泡助剂尿素一起使用,发泡剂AC的分解温度可以降低到聚氨酯树脂的干燥温度范围,AC经乳化后可以均匀地分散在水性树脂浆料中;当发泡剂AC质量分数为0. 3%(基于树脂固体分)时,胶膜具有透气性和强度的良好平衡,胶膜的比表面积为1. 09 m2/g,约为发泡前的33倍;且泡孔大小相当,分布均匀,合成革贝斯具有良好的透气性能和较高的拉伸强度。     

基于Box算法的无功优化配置

Box算法是工程优化设计中一种重要的直接搜索算法，适用于无法给出目标函数显式 数学表达式的优化问题求解。针对无功优化配置问题非线性、非连续性及目标函数与控制变量的隐式关系等特点，提出了基于Box算法的无功优化配置模型及相应求解步骤，利用罚函数处理函数约束、重复迭代及采用贝斯-德拉姆洗牌与组合方法产生随机数均能改善收敛性。对IEEE 6，14和30节点以及实际大规模系统的数字仿 真结果表明，所提出的模型及算法用于实际电力系统的无功优化配置是可行的。     

Word Sense Disambiguation based on improved Bayesian classifiers

Word Sense Disambiguation (WSD) is to decide the sense of an ambiguous word on particular context. Most of current studies on WSD only use several ambiguous words as test samples, thus leads to some limitation in practical application. In this paper, we perform WSD study based on large scale real-world corpus using two unsupervised learning algorithms based on ±n-improved Bayesian model and Dependency Grammar (DG)-improved Bayesian model. ±n-improved classifiers reduce the window size of context of ambiguous words with close-distance feature extraction method, and decrease the jamming of useless features, thus obviously improve the accuracy, reaching 83.18% (in open test). DG-improved classifier can more effectively conquer the noise effect existing in Naive-Bayesian classifier. Experimental results show that this approach does better on Chinese WSD, and the open test achieved an accuracy of 86.27%.     

基于Box算法的无功优化配置

Box算法是工程优化设计中一种重要的直接搜索算法,适用于无法给出目标函数显式 数学表达式的优化问题求解。针对无功优化配置问题非线性、非连续性及目标函数与控制变量的隐式关系等特点,提出了基于Box算法的无功优化配置模型及相应求解步骤,利用罚函数处理函数约束、重复迭代及采用贝斯-德拉姆洗牌与组合方法产生随机数均能改善收敛性。对IEEE 6,14和30节点以及实际大规模系统的数字仿 真结果表明,所提出的模型及算法用于实际电力系统的无功优化配置是可行的。