【摘 要】
：
基于分子动力学模拟，研究了不同温度下集料（玄武岩、石灰岩）与SBS改性沥青界面的黏附性能，计算了界面能、黏附功、剥落能和能量比。研究结果表明，范德华力对SBS改性沥青-集料的黏附性能起主要作用；不同温度下SBS改性沥青-CaO的界面能、黏附功、剥落能和能量比均高于SBS改性沥青-Si O2界面，其水稳性能更优；随温度升高，SBS改性沥青-集料的能量比先减小后增大，在40℃时达到最小值；SBS改性沥
论文部分内容阅读
基于分子动力学模拟，研究了不同温度下集料（玄武岩、石灰岩）与SBS改性沥青界面的黏附性能，计算了界面能、黏附功、剥落能和能量比。研究结果表明，范德华力对SBS改性沥青-集料的黏附性能起主要作用；不同温度下SBS改性沥青-CaO的界面能、黏附功、剥落能和能量比均高于SBS改性沥青-Si O2界面，其水稳性能更优；随温度升高，SBS改性沥青-集料的能量比先减小后增大，在40℃时达到最小值；SBS改性沥青-石灰岩集料的黏附性优于SBS改性沥青-玄武岩集料。
其他文献
为优化改性沥青的相容性评价方法，首先通过配比设计建立不同的丁苯橡胶/聚丙烯（SBR/PP）复合改性沥青测试样本，根据改性沥青线性粘弹性范围内的松弛及蠕变特性，采用高温频率扫描试验的复数模量构建改性沥青的Cole-Cole曲线，并基于DTW算法优化Cole-Cole曲线评价方法，提出不同复合改性沥青的相对相容性指数（RCI）。结果表明：随着橡塑比的增加，聚合物与沥青的相容性逐渐降低，而相容剂可以促进
以厨余废豆油为改性剂，以70#和90#基质沥青为原材料制备了废豆油改性沥青，并在此基础上制备了废豆油改性沥青混合料。通过间接拉伸试验、弹性模量试验、蠕变试验、车辙试验以及疲劳试验等研究了废豆油对沥青混合料力学性能的影响。结果表明，废豆油的掺入降低了混合料的间接拉伸强度、弹性模量、流动次数以及动稳定度，延长了沥青混合料的疲劳寿命。废豆油掺量为2%～6%时，掺量越高，废豆油对沥青混合料的改性效果越明显
在语言的接触、竞争与融合历史上,全球化范围的拉丁化浪潮延续持久并日益强烈。从罗马时代的欧洲开始掀起到第二次世界大战之后,拉丁化浪潮席卷了南北美洲、大洋洲、非洲、西亚和东南亚。随着全球化进程的不断加进,国家社会经济快速发展,对外交往日益密切,以拉丁字母为文字符号的英语已成为事实上的国际共同语,成为新时代下的国际通用语言。在一些主流新闻媒体上也会出现字母词,如APEC、GDP、CEO、MTV、DVD以
超级电容器由于功率密度大,充放电时间快,工作温度范围广等优点越来越受到人们的青睐,但能量密度低,循环稳定性差等缺点限制了其实际应用。研究发现,在发生电极氧化还原反应时,硼掺杂的化合物所转化的阴离子具有独特的缺电子结构,可以促进反应过程中氢氧根的吸附作用,有望解决上述问题,实现优化超级电容器性能的目标。基于此,本论文围绕硼化物,偏硼酸盐等含硼化合物中阴离子对电极材料反应过程中发挥的作用展开了详细的探
本文通过真空烧结和氮气分压烧结制备了超细Ti（C,N）基金属陶瓷,借助扫描电镜、能谱仪、X射线衍射仪、金相显微镜、拉伸试验机、维氏硬度计等仪器进行分析测试,系统地研究了超细Ti（C,N）基金属陶瓷的组织与性能。研究了超细Ti（C,N）-Ni金属陶瓷硬质相的长大特性。超细粉比微米粉有更明显的长大现象,超细Ti（C,N）粉制备的陶瓷晶粒尺寸是原始粉料粒径的5-10倍,而微米粉制备的陶瓷晶粒尺寸与原始粉
随着5G通信、物联网、人工智能、云计算等技术的飞速发展和普及,人们对于更大容量更快速度的通信有了更大的需求,光纤通信网络是发展上述诸多技术的基础设施和前提。光收发机作为光纤通信系统的核心芯片,具有广泛的市场需求和研究前景,受到国内外各界的广泛关注。基于锗硅异质结的SiGe BiCMOS工艺因其高速率、低噪声的性能优势,实现了性能和成本的较好平衡,成为高速芯片设计的主流工艺。为满足国产高速光电芯片巨
近年来,超声波技术因其绿色高效且无污染的优点被广泛应用于食品工业中。鹰嘴豆蛋白的功能性质因受到自身原有的蛋白质组成和化学结构的影响而在实际生产应用中受到限制。因此有必要寻求一种合适的改性方法使其蛋白质组成及化学结构发生变化,进而改善其功能性质。本研究以鹰嘴豆蛋白（CPI）作为研究对象,对超声波修饰的鹰嘴豆蛋白化学结构、功能特性及体外消化进行分析研究,并结合果胶添加对鹰嘴豆蛋白乳液稳定性进行探究,研
近十年,机器学习和人工智能发展迅速,给人类生活各方面带来了翻天覆地的变化。特别是,人工神经网络在诸如图像识别、语音处理和智能决策等领域取得了前所未有的成功。随着网络规模的增加,神经网络训练与推理的计算复杂度不断提升,对硬件算力提出了更高的要求。但是,传统冯诺依曼架构的处理器（如CPU和GPU）不可避免地会遇到存算分离的数据搬移瓶颈。为了解决内存墙问题,基于非易失存储器的存内计算架构成为了近年的研究
为利用机器学习方法预测改性沥青黏弹性，分析不同预测模型适用性和预测精度，测试了胶粉（CR）改性沥青、SBS改性沥青和废旧塑料（PE）改性沥青不同温度和频率下的复数模量.选择人工神经网络（ANN）、稳健线性回归（RLR）、线性支持向量回归（LSVR）、决策树回归（DTR）、高斯回归（GPR）和集成回归（ER）6种机器学习方法预测三种改性沥青复数模量.结果表明：预测结果散点图中，ANN和ER模型预测精