自动控制原理考试系统的设计与实现

对基于Visual Basic 6．0开发的自动控制原理考试系统的系统结构做了阐述，并简要介绍了该系统的设计思想、主要功能及实现方法。     

重油隧道窑的红外温度测量

在分析重油隧道窑工况的基础上，分析了窑内烟气、燃烧物发射率、窑墙效应、环境温度对红外测温的影响以及热电偶测温的缺点，采取了相应的措施。利用中国发现专科实现了传感器输出信号的一致性。给出了传感器在重滑隧道窑现场使用２．５年后的复校数据。最后，估算出了用红外温度计替代热电偶测窑温产生的经济效益。     

新型聚丙烯酸酯类柴油降凝剂分子模型的建立及验证

在前期工作得出的正构烷烃含量与浊点、冷滤点、凝点的定量关系模型基础上，选择柴油降凝剂的基团对柴油降凝剂分子结构进行了设计，得出了设计模型。结果表明，将含氮基团引入柴油降凝剂可以显著提高柴油降凝剂的性能。根据设计模型合成了一系列聚丙烯酸单酯和混合酯柴油降凝剂，并通过对柴油降凝剂的性能测试结果和自行设计的计算程序对设计模型进行了验证，结果表明，从柴油正构烷烃含量对柴油降凝剂的配比进行设计是可行的。     

ICP发射光谱法对氮化钛和钛材体内埋置试验有关生物样品中钛的测定

氮化钛材是我国首创的人工关节材料,它具有质轻、硬度大、耐磨等适宜的机械性能和生物适应性,是一种较理想的人工关节材料。但对其在体内的腐蚀、吸收和移行等情况过去还未进行过研究。初步研究证明,钛经离子氮化工艺处理后,其硬度成倍提高,耐磨性良好,而且体内耐腐蚀性也明显增强,同时又保留了钛材的基本优点。本实验通过对氮化钛和钛材体植入的动物实验,采用ICP发射光谱法测定了大白鼠的     

乙酰化淀粉的塑化和性能研究

以乙酰化改性淀粉为基体,甘油为增塑剂,利用哈克旋转流变仪密炼制备热塑性乙酰化淀粉.实验结果表明制备热塑性乙酰化淀粉的甘油/乙酰化淀粉配比应大于30/100(W/W),且随甘油含量增加,热塑性乙酰化淀粉的脆性降低.动态机械热分析(DMTA)显示热塑性乙酰化淀粉包含富甘油和富淀粉两相,乙酰化淀粉和甘油为部分互溶.流变学分析显示淀粉分子间作用力非常强,表现为类固态行为.同时本文对材料的热稳定性进行了初步研究.     

关于超高分子量聚丙烯超拉伸膜的结构性能的研究——Ⅱ.形态结构变化对力学性能的影响

 用X-射线衍射、动态力学测定等手段研究了不同拉伸倍数的超高分子量聚丙烯薄膜的力学性能的变化.以X-射线衍射法并基于串联力学模型的假设得到的各样品的表观晶区模量E_c^app约为34-38GPa.样品模量E_b随拉伸倍数增加而逐渐增大,其变化趋势与非晶区取向因子的变化相类似,说明非晶区取向是左右样品模量的重要因素.室温下,69倍拉伸样品的模量为27GPa,约为表观结晶模量的3/4,且其值在-150-160℃的温度范围内没有急剧变化,说明超拉伸明显改善了材料的力学性能及热稳定性.在各拉伸样品中,考虑伸直链结晶生成的可能性,利用并串联力学模型对伸直链结晶的体积分数做了估算,并对X-射线衍射法所得表观结晶模量进行了修正,认为室温下聚丙烯的真正晶区模量约为47GPa.     

关于超高分子量聚丙烯超拉伸膜的结构性能的研究——Ⅱ.形态结构变化对力学性能的影响

用X-射线衍射、动态力学测定等手段研究了不同拉伸倍数的超高分子量聚丙烯薄膜的力学性能的变化.以X-射线衍射法并基于串联力学模型的假设得到的各样品的表观晶区模量E_c~(app)约为34-38GPa.样品模量E_b随拉伸倍数增加而逐渐增大,其变化趋势与非晶区取向因子的变化相类似,说明非晶区取向是左右样品模量的重要因素.室温下,69倍拉伸样品的模量为27GPa,约为表观结晶模量的3/4,且其值在-150-160℃的温度范围内没有急剧变化,说明超拉伸明显改善了材料的力学性能及热稳定性.在各拉伸样品中,考虑伸直链结晶生成的可能性,利用并串联力学模型对伸直链结晶的体积分数做了估算,并对X-射线衍射法所得表观结晶模量进行了修正,认为室温下聚丙烯的真正晶区模量约为47GPa.     

基于软模法制备1-3型压电复合材料及高频医用超声换能器

高频医用超声成像技术因其高空间分辨率而被广泛应用于人体组织的精细结构观察,其中高频超声换能器的核心材料是1-3型压电复合材料。采用软模板法直接烧结了锆钛酸铅(PZT)压电微柱阵列,进而制备PZT/环氧1-3型压电复合材料,并对其进行了微观结构观察和电学性能表征。材料微观结构完整,机电耦合系数达到0.64。采用此复合材料制备了中心频率为20 MHz的高频超声换能器。采用脉冲回波法对换能器进行了性能和声场测试,并利用其对人体皮肤进行了超声成像,换能器的插入损耗、带宽分别为13.1 dB和84.2%。结果表明,软模法制备的1-3型压电复合材料能使高频超声换能器兼具低插入损耗和大带宽,这为高性能高频医用超声换能器提供了一种低成本、高效率的商业化制备方法。     

基于深度学习和灰度纹理特征的铁路接触网绝缘子状态检测

铁路接触网绝缘子状态检测对铁路行车安全有着 重大的意义,为解决目前人工对绝缘 子图像检测结果的不确定性,提出一种深度学习结合灰度纹理特征的检测方法。首先使用 Faster R-CNN (faster region-based convolutional neural network)目标检测算法对图像中绝缘子精确识别,再通过灰度共生矩阵对绝缘子纹理 特征进行分析提取,之后结合支持向量机将绝缘子分为正常绝缘子和异常绝缘子,实验数 据结果证明使用能量、熵、相关度3种纹理特征进行绝缘子状态分类时对实验数据中的正 常状态绝缘子的分类精度可达100%,异常状态绝缘子的分类精度达97.5%,最后依据绝缘 子图像灰度分布的周期性特点,利用灰度积分投影将异常绝缘子分为破损绝缘子和夹杂异 物绝缘子。实验结果表明所提方法可以有效对绝缘子状态进行检测分类。