淀粉基生物降解塑料的应用研究现状及发展趋势

简述了开发淀粉塑料的意义及研究发展趋势,指出含淀粉量低的填充型淀粉塑料由于其组分大部分为非降解树脂,难以符合环保要求,发展的趋势是开发含淀粉量在80%以上(其余组分均可降解)能完全降解的所谓全淀粉或基本全淀粉热塑性塑料,蒙脱土为增强相的热塑性淀粉纳米复合材料是研究的热点。     

飞灰在单纤维上形成颗粒链的生长和形貌

为了深入研究静电对纤维滤料过滤过程的影响,利用显微镜与CCD摄像技术,实时观测对比了体积平均直径为1.4μm飞灰颗粒在自然、极化和荷电条件下,被直径为20μm的单纤维捕集的过程。自然条件下,迎风面颗粒沉积形成“灌木丛”状颗粒链,并按照纤维捕捉、纤维和颗粒链共同捕捉与颗粒链单独捕捉3个阶段持续增长;背风面初始阶段形成4μm左右的链后便停止增长。极化条件下,形成分叉较少的直链,并具有10μm左右的较均匀间距,直链在平均链长20μm左右开始倒伏;倒伏并顺风拖曳在纤维背风向的长链仍具有较强的颗粒捕捉能力。荷电条件下,虽也能形成直链,但其分布相对不均匀,具有一些分叉;当平均长度为10μm左右颗粒链开始倒塌和断裂,倒塌于迎风面的颗粒链减弱了继续形成直链的能力。     

基于声发射检测的岩石材料非均质性评价与分类研究

对于深部岩石力学和地下工程而言，准确表征与评价岩石的非均质性，对于研究岩石在深部复杂环境下物理力学性质的变异性至关重要。由于岩石成分的复杂性和矿物分布的随机性，采用传统的图像观察方法难以准确的表述岩石的非均质性，因此，亟需寻找一种科学、实用的试验方法对岩石的非均质性进行表征评价。本文假设同种岩石具有相同的矿物几何特征及边界特征（即岩石的微观基质相同），岩石在破坏过程中强相矿物破坏的声发射信号相比于弱相矿物破坏的声发射信号较多。岩石巴西劈裂过程中轴线上的破裂可以近似的认为岩石内部强弱相矿物的依次破裂，通过统计不同应力阶段岩石的声发射信号特征可以间接的分析岩石内部强弱相矿物的差异性。基于此，通过定义岩石强弱相矿物占比及矿物空间分布的均匀性表征出了岩石的非均质性。之后选取不同特征变辉长岩和花岗岩验证了分析方法的科学性和实用性。最后，本文在岩石非均质性评价的基础上探究了岩石宏观力学参数与岩石非均质特征的相关性。单轴和三轴试验表明，岩石的峰值强度和弹性模量不仅仅与岩石强弱相矿物占比有关，也与岩石矿物空间分布的均匀性相关。     

基于深度学习的SSL VPN加密流量的分类识别

随着虚拟专用网技术的广泛使用，VPN加密流量的分类识别对于网络安全管理的重要性愈发明显，而传统流量分类技术在提取特征和关键协议字段时效率较低.因此，本文提出一种基于卷积神经网络的深度学习模型，用以实现SSL VPN加密流量的分类识别，并减少特征工程中的人力成本.首先，将流量区分为VPN加密流量和非VPN加密流量，并且确定出这两类流量所属的服务类型；然后对所有流量进行分类，识别出产生流量的应用类型.考虑到网络流量中存在的时序关系，采用一维卷积神经网络作为深度学习的模型，通过构建Pytorch的实验环境，采用ISCX2016数据集，实现对VPN加密流量的分类任务.通过参数优化，除数据量较小的数据类型外，应用识别的平均F1-score为91.73%,流量识别的平均F1-score为91.13%.实验结果表明，基于一维卷积神经网络的深度学习方法对于识别SSL VPN流量是可行和有效的.