简介:采用原位聚合法制备一组CoFe204含量不同的CoFe204/PA6磁性纳米复合材料并对其性能进行表征。TEM结果显示CoFe204在复合材料中分散达到纳米级,但是团聚现象比较严重;XRD结果表明随着CoFe204含量的增加复合材料中出现了CoFe204特征峰,另外CoFe204的加入对基体材料PA6晶型影响不大;VSM结果显示复合材料的饱和磁化强度和矫顽力随着CoFe204含量的增加而增加,样品5的比饱和磁化强度达到3.5eum/g左右;DSC结果表明CoFe204加入会阻碍PA67晶型的形成;CoFe204的含量越高复合材料的热稳定性越低。
简介:为了考察纤维类型对高强高延性水泥基复合材料(HS-HDCC)弯曲与拉伸性能的影响,选取了超高分子量聚乙烯(PE)纤维、聚乙烯醇(PVA)纤维和镀铜微细钢纤维3种纤维在体积掺量为2%时,研究不同类型纤维对HS-HDCC的弯曲与拉伸性能的影响.结果表明:PE,PVA和微细钢纤维单掺或PVA-PE混杂,均对HS-HDCC有增韧和提高抗拉强度的效果.在弯曲和拉伸过程中,HS-HDCC单掺微细钢纤维时呈应变软化破坏;单掺PVA纤维和PVA-PE混杂可在一定程度上实现多缝开裂和应变硬化,有一定的高延性特性;单掺PE纤维可明显实现多缝开裂和应变硬化,有显著的高延性特性.研究结果为HS-HDCC优选合适的纤维提供了依据.
简介:为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示:与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。
简介:智能家居是融合了多门学科知识,应用于家居的综合技术。它将家居设备组织协调起来构成一个完整的“生态圈”,能够智能且高效的管理住宅设施的联动与家居日常事务,提升生活的品质。本设计主要实现了语音识别技术与智能家居的结合,整套系统由手机语音识别APP和家居控制系统构成,通过语音实现对家居系统的控制,相信这种应用方式会在未来成为智能家居交互方式的一个潮流和发展趋势。