学科分类
/ 1
9 个结果
  • 简介:用非等温热重法研究了漆酚镍螯合高聚物的热分解反应动力,结果表明漆酚镍螯合高聚物热分解过程是一级反应,用Ozaw-(I)法和Reich法求得的热分解反应平均活化能分别是173.21KJmol-1和181.12KJmol-1。

  • 标签: 漆酚镍螯合高聚物 非等温热重法 反应级数活化能
  • 简介:受壁面作用和稀薄效应等的影响,微纳尺度通道内的气体流动有别于宏观流动现象.采用分子动力方法,研究纳米通道中气体的Poiseuille流动,主要对通道内气体黏度特性进行了分析.利用牛顿粘性定律,定义了气体的当地等效黏度.根据模拟结果,可将纳米通道内气体划分为中心区和近壁区两个部分,中心区气体当地黏度与宏观黏度一致,但是在近壁面区,气体受到壁面原子的作用,气体的当地黏度小于宏观黏度值.研究发现:1)不同的气体密度、流固作用势能以及温度下,通道中心区域的气体当地等效黏度均符合对应温度和压强条件下的气体宏观实测黏度值;2)在纳米尺度气体流动中,气体密度越小,稀薄程度越高,气体偏离热力学平衡态越远,所以壁面对气体等效黏度的影响随密度的减少而增大,壁面影响厚度也随之增大;3)气体黏度的壁面影响厚度在10nm量级,该厚度不随温度和流固作用势能的变化而变化,但是密度越小,壁面影响厚度越大.

  • 标签: 纳米通道 等效黏度 分子动力学 POISEUILLE流
  • 简介:肌音可用于跟踪局部肌肉疲劳引起的肌肉收缩性能的变化,之前相关的文献主要研究的是静力性运动疲劳的肌音特征.现在我们对动力性运动疲劳产生的肌音信号变化特征进行分析,提取腓肠肌坐姿负重提踵至疲劳所产生的肌音信号并进行分析,得到了肌音信号中值频率的变化规律.计算显示随着时间的延长和疲劳的加深,肌音信号的中值频率呈现增大的趋势,与静力性运动疲劳所得的结论有所不同.实验结果显示,肌音信号的特征受运动类型影响较大,静力性运动所得出的结论不能适用于动力性运动.

  • 标签: 动力性运动 疲劳肌音 中值频率
  • 简介:针对固体结构内部温度测量的工程需求,比较了目前工业中应用较多的热电偶测温法、光纤光栅测温法、中子共振谱法和超声测温技术,发现超声测温技术具有非接触式测量、测温范围广、响应速度快等特点而更适用于固体结构内部温度的测量.调研了超声测温技术的发展历史与国内外现状,重点对超声温度场重建方法进行了介绍与分析,发现现有的重建方法主要是针对一维温度场的而且都存在参数获取困难的局限性,导致重建方法的适用性较差并且重建精度较低.综述了超声测温技术在火灾损伤、医疗卫生、核力发电、冶炼制造等领域中的应用,讨论了超声测温技术在测温机理、声时测量算法和时间测量分辨率等方面存在的技术问题,总结了超声测温技术在今后发展中的重点研究方向并提出了展望.

  • 标签: 固体结构内部测温 超声测温技术 温度场重建
  • 简介:海绵是我国南海蕴藏着的一种非常丰富的生物,其中含较多具有生物活性的核苷类化合物;通过有机溶剂提取、柱层析分离纯化从海绵(Clathriafasciculate)中获得一个核苷化合物,利用现代波谱等技术鉴定其为腺嘌呤核糖核苷。

  • 标签: 海绵 腺嘌呤核糖核苷 结构鉴定
  • 简介:人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

  • 标签: 人群分析 主导者检测 时间滞后分析 结构化SVM
  • 简介:为了探索大功率器件热控系统采用毛细芯微槽蒸发器的结构优化方案,特建立了基于多孔介质模型的微小槽道蒸发器数值计算单元,采用CFD研究了储液腔布置位置、供液口位置对两相流动与传热过程的影响.仿真结果得到储液腔位置对于毛细芯微槽蒸发器的换热性能、均温性和进出口压降影响显著,其中底部布置储液腔的蒸发器更具优势;在底部布置储液腔情况下,不同供液口位置影响作用不明显.以上结论为提高毛细芯微槽蒸发器的流动传热特性提供了参考数据.

  • 标签: 毛细芯 两相冷却 数值模拟
  • 简介:串联谐振(LLC)变换器优于常规硬开关脉冲宽度调制(PWM)变换器,具有效率高、应用广泛等特点.文章提出一种LLC谐振变换器的磁集成拓扑结构的设计方法,即采用基波分析法分析所设计的磁集成电路电压增益关系,进行磁集成谐振网络参数设计和优化,并用Mathcad软件仿真.结果表明,采用磁集成技术对谐振电路效率的提高有一定的可行性和有效性,从而进一步减少谐振电路的体积和成本.

  • 标签: LLC谐振变换器 磁集成 谐振网络参数
  • 简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.

  • 标签: 目标显著性检测 矩阵分解 加权Schatten-p范数 树结构 拉普拉斯正则化