碳化和纳米SiO2改性再生粗骨料混凝土抗硫酸盐侵蚀性能

分别使用加速碳化和纳米SiO₂溶液浸泡的方式,对由两种强度等级混凝土(C30和C60)获得的再生粗骨料(RCA)进行改性;制备得到不同方式改性的再生粗骨料混凝土(RAC),并进行硫酸盐侵蚀实验.运用抗压强度实验和分光光度计法,分析RAC的宏观力学性能和硫酸根侵蚀深度的变化.利用扫描电子显微镜(SEM)、 X射线衍射(XRD)、显微硬度和热重分析(TGA)手段,研究硫酸盐侵蚀后两种改性RAC的界面过渡区(ITZ)微观结构、化学组成和微观力学性能的变化特征.结果表明,RAC的力学性能随着硫酸盐侵蚀龄期的延长先增加后急剧降低.相比而言,纳米SiO₂的火山灰效应和填充效应使制备的RAC水泥水化更加充分,老骨料-老砂浆ITZ更加平整致密,表现出更好的抗硫酸盐侵蚀性能.     

滦河上游流域水质特征及污染源解析

滦河位于京津冀水源涵养功能区的核心区域,精准分析其水质演变特征及污染来源,对于流域水污染防治具有重要意义。本文通过对滦河上游流域19个监测断面、8个水质指标进行监测,采用对数型幂函数普适指数公式进行富营养化评价,运用主成分分析法结合多元线性回归源解析模型确定污染来源。结果表明：滦河上游流域属于弱碱性水体,大部分水体处于过饱和状态,高锰酸盐指数（CODmn）的数值丰水期变幅相对较大,年际超标率为7%,总氮（TN）浓度整体远大于氨氮（NH4+-N）浓度,且TN年际超标率高达94%,枯水期全样本超标,说明水体氮素污染较为严重。总磷（TP）全年均值为0.09mg/L,年际超标11%,整体浓度相对较低。滦河上流流域全监测区域处于富营养、中营养以及重富营养等不同程度富营养化,且处于富营养状态区域占比高达78.94%。其中丰水期富营养化程度较为严重,重富营养化均出现于丰水期。根据污染源贡献率解析可知,对水体TN、NH4+-N贡献最大的是农业非点源污染,支流还受到畜禽养殖及生活污水影响,干流TN有一部分潜在污染来源,TP和CODmn主要来自城市面源污染,五日生化需氧量（BOD5）支流主要来自于畜禽养殖、生活污水,干流区域来源相对较为复杂只受潜在污染源影响。     

高效液相色谱法测定猝灭剂与单重态氧反应速度常数

提出用反相高效液相色谱法测定文题常数。以十八烷基键合相为固定相,以甲醇作流动相,样品经光照处理,测定时无其它干扰。测定了五种不同类型猝灭剂与单重态氧的物理猝灭速度常数和化学猝灭速度常数。结果表明,猝灭剂猝灭单重态氧的过程中,物理猝灭过程是主要的。物理猝灭速度常数和总猝灭速度常数愈大,在一定范围内,品红甲亚胺染料的防褪色效果愈好。     

《线性代数》教学之我见

《线性代数》是工科各专业学生的一门重要基础课，同时，它也是一门不可缺少的工具课；如何使学生较好地掌握课程的主要内容，培养学生熟练的运算能力及严密的逻辑思维能力，是我们教学工作者日常教学活动中所面临的主要问题。本文针对《线性代数》的特点，并结合教学中的问题，浅谈对《线性代数》教学的几点看法。     

新型乳化剂DNS-330对VeoVa10/VAc乳液性能的影响研究

以醋酸乙烯酯(VAc)和叔碳酸乙烯酯(VeoVa10)为原料,酒石酸和双氧水为引发剂,在73℃下,通过乳液聚合法制备一系列VeoVa10/VAc乳液,研究了新型乳化剂乙氧基化烷基醇醚磺基琥珀酸酯二钠盐(DNS-330)的用量对乳液性能的影响,同时探讨了乳化剂DNS-330阴离子和非离子双重稳定基团对乳液的稳定机理.研究结果表明,用占单体总质量2.0wt%的DNS-330制备的VeoVa10/VAc乳液的表观粘度为4.724Pa.s、乳胶粒的D50为580nm、粒径分布较窄且稳定性良好.由于DNS-330的阴离子与非离子双重基团稳定的影响,乳胶粒子表面的界面强度增强,乳胶粒子间的斥力增加,故用其制备的VeoVa10/VAc乳液具有较好的流动性和较高的稳定性.     

对现代艺术设计教学的再思考

文章涉及到基础与技法、材料与表现、感性与理性以及电脑设计与徒手造型等诸多方面;力图从艺术设计教学理念上把握教学正确的思维方式与行为方式.     

一类中心商同构于第四十家族的LA-群

给出一类中心非循环且中心商同构于第四十家族的p-群,并利用自同构的性质证明了此类群是LA-群。     

一类高阶复线性微分方程的解

考虑形如f(k)+Ak-1(z)f(k-1)+…+A1(z)f′+A0(z)f=0的整函数系数的线性微分方程解的性质.如果其中某个系数被一个指数函数所控制,则方程有穷级解f的导数的模必被一指数函数所控制.     

线性极化法测量金属腐蚀速度的误差分析

根据Stern线性极化方程论证了线形极极化法测定金属腐蚀速度的适用条件:金属腐蚀速度自然腐蚀电位Ecorr与阴、阳极电极反应平衡电极电位Ee,c、Ee,a应满足条件:Ee,a+Rp,Mln100相似文献   

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak,CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering,DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%,在计算效率和精度方面均优于其他两种方法。