以淀粉、丙烯酰胺、丙烯酸为共聚单体,硝酸铝为交联剂,过硫酸钾为引发剂,Span-60/Tween-60为复合乳化剂,采用反相悬浮聚合法合成了一种新型暂堵剂淀粉-丙烯酰胺-丙烯酸共聚物,并采用SEM和FTIR技术对共聚物进行了表面形貌分析和结构表征...以淀粉、丙烯酰胺、丙烯酸为共聚单体,硝酸铝为交联剂,过硫酸钾为引发剂,Span-60/Tween-60为复合乳化剂,采用反相悬浮聚合法合成了一种新型暂堵剂淀粉-丙烯酰胺-丙烯酸共聚物,并采用SEM和FTIR技术对共聚物进行了表面形貌分析和结构表征;考察了硝酸铝用量、丙烯酸中和度和淀粉用量对暂堵剂吸水性能的影响。实验结果表明,暂堵剂的最佳合成条件:丙烯酰胺5.00 g、环己烷60 mL、0.80 g Span-60、0.40 g Tween-60、丙烯酸中和度80%、淀粉1.50 g、硝酸铝0.02 g、70℃、3 h;在该条件下合成的暂堵剂的吸水倍率最大,且具有适中的强度。展开更多
随着公众环保意识的提升,高压输电线路周围的电磁环境问题受到越来越多地关注,关于电磁污染引起的一些纠纷及案件也日益增加。而确定线路下方电场效应、无线电干扰和可听噪声等电磁环境参数是输电线路设计的关键问题之一。文中针对电磁...随着公众环保意识的提升,高压输电线路周围的电磁环境问题受到越来越多地关注,关于电磁污染引起的一些纠纷及案件也日益增加。而确定线路下方电场效应、无线电干扰和可听噪声等电磁环境参数是输电线路设计的关键问题之一。文中针对电磁环境中的4个主要电磁参数进行了研究,并基于对这些参数的分析确定了线路的设计方案。文中以陕西某条设计中的330 k V同塔双回交流输电线路为研究对象,详细分析研究其电磁参数。计算了腰型和紧凑型2种塔型下的导线表面电场强度、无线电干扰、可听噪声等电磁参数,对同相序和异相序2种情况下的各参数进行对比分析后,给出了最佳设计方案,为实际线路设计提供了有效的参考依据。展开更多
针对传统智能照明安全控制系统中由于声纹特征提取单一而影响识别准确率的问题,文章提出融合梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)与伽马通频率倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC)特征参...针对传统智能照明安全控制系统中由于声纹特征提取单一而影响识别准确率的问题,文章提出融合梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)与伽马通频率倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC)特征参数,采用费希尔准则对融合后的特征参数进行降维,利用卷积神经网络(Convolutional Neural Networks,CNN)构建智能照明系统声纹识别模型,通过搭建实验环境对改进后的方式进行测试。实验结果表明,改进后的方式能够有效提升系统声纹识别的准确性,提升系统整体的安全性。展开更多
文摘以淀粉、丙烯酰胺、丙烯酸为共聚单体,硝酸铝为交联剂,过硫酸钾为引发剂,Span-60/Tween-60为复合乳化剂,采用反相悬浮聚合法合成了一种新型暂堵剂淀粉-丙烯酰胺-丙烯酸共聚物,并采用SEM和FTIR技术对共聚物进行了表面形貌分析和结构表征;考察了硝酸铝用量、丙烯酸中和度和淀粉用量对暂堵剂吸水性能的影响。实验结果表明,暂堵剂的最佳合成条件:丙烯酰胺5.00 g、环己烷60 mL、0.80 g Span-60、0.40 g Tween-60、丙烯酸中和度80%、淀粉1.50 g、硝酸铝0.02 g、70℃、3 h;在该条件下合成的暂堵剂的吸水倍率最大,且具有适中的强度。
文摘随着公众环保意识的提升,高压输电线路周围的电磁环境问题受到越来越多地关注,关于电磁污染引起的一些纠纷及案件也日益增加。而确定线路下方电场效应、无线电干扰和可听噪声等电磁环境参数是输电线路设计的关键问题之一。文中针对电磁环境中的4个主要电磁参数进行了研究,并基于对这些参数的分析确定了线路的设计方案。文中以陕西某条设计中的330 k V同塔双回交流输电线路为研究对象,详细分析研究其电磁参数。计算了腰型和紧凑型2种塔型下的导线表面电场强度、无线电干扰、可听噪声等电磁参数,对同相序和异相序2种情况下的各参数进行对比分析后,给出了最佳设计方案,为实际线路设计提供了有效的参考依据。
文摘针对传统智能照明安全控制系统中由于声纹特征提取单一而影响识别准确率的问题,文章提出融合梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)与伽马通频率倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC)特征参数,采用费希尔准则对融合后的特征参数进行降维,利用卷积神经网络(Convolutional Neural Networks,CNN)构建智能照明系统声纹识别模型,通过搭建实验环境对改进后的方式进行测试。实验结果表明,改进后的方式能够有效提升系统声纹识别的准确性,提升系统整体的安全性。
