【摘 要】
：
利用高钛型高炉渣和废玻璃粉作为主要原料,采用发泡和析晶同步进行的“一步烧结法”制备微晶泡沫玻璃,可实现高钛型高炉渣高附加值整体利用且经济环保.分别采用缓冷、水淬两
【机 构】
：
四川大学机械工程学院,四川成都610065
论文部分内容阅读
利用高钛型高炉渣和废玻璃粉作为主要原料,采用发泡和析晶同步进行的“一步烧结法”制备微晶泡沫玻璃,可实现高钛型高炉渣高附加值整体利用且经济环保.分别采用缓冷、水淬两种高钛型高炉渣为原料制备微晶泡沫玻璃,对比研究了高钛型高炉渣添加量对微晶泡沫玻璃微观结构和性能的影响.研究结果表明:两种高钛型高炉渣添加量对微晶泡沫玻璃的影响规律类似,即随高炉渣添加量增加,微晶泡沫玻璃的孔径逐渐减小,孔隙率降低,体积密度和抗压强度逐渐增大;但是这两种高钛型高炉渣制备的微晶泡沫玻璃在微观形貌上有较大的差异,采用缓冷高钛型高炉渣制备的试样中含有较多不规整形状的连通孔,保温性能较差,降噪系数比水淬渣体系高29％,可用作轻质高强的吸声材料;而水淬高钛型高炉渣制备的微晶泡沫玻璃试样中多为较为圆整的闭孔,降噪系数较低,导热系数较缓冷渣体系低17％,用作轻质高强的保温隔热材料前景广阔.
其他文献
红外系统的探测距离是光电系统的关键指标之一,决定了系统的整体性能.在实验室条件下评估红外系统的探测距离,不受天气、场地限制,具有实际意义.从探测器的输出信号与黑体目
随着新概念武器及信息化弹药的研制进展,海上射击试验对弹着点的测量精度要求逐渐提高,针对该现状提出了基于海上模拟靶区利用无人机摄录,完成对弹着点的精确测量。通过对计算过程分析,并对弹着点分布对弹着定位精度的影响进行仿真计算,结果表明测量精度在100 m范围内可满足优于5 m的需求,证明了测量原理的可行性,对海上弹着点测量方案设计具有指导意义。
目前通过卷积神经网络(CNN)进行监督式学习已经在计算机视觉领域得到了广泛应用,而采用CNN的无监督学习则受到的关注较少。针对这一问题,利用深度卷积生成对抗网络(DCGAN)的方法,该网络由卷积神经网络构成,通过生成对抗网络对现有的人脸数据集进行数据训练,生成对抗网络学习了生成器和判别器中对图像局部特征到整体场景的表示层次,输出由各人脸特征组合而成的新人脸数据。通过在各种图像数据集上进行训练,弥补
以海上目标的红外、可见光图像为数据源,针对海上目标尺度多样、数据源多波段信息丰富的特点,基于YOLOv3原型网络架构,根据FPN原理将4倍降采样获取的第11层底层特征图与第103层深层特征图进行融合,实现对网络尺度的扩展,并通过K-means聚类算法得到更为精细化尺度下的先验框;同时将红外、可见光图像根据目标特点按比例进行组合,形成图像源的物理层融合,进而构建混合数据集进行多波段协同模型训练。实验