摘要：化工原理是化工类专业的一门重要的技术基础课,它以单元操作为研究对象,以引导学生由纯理论学习转向实践性和工程性学习。化工原理内容多、理解抽象晦涩,学生学习效率低。微课作为一种新型的授课方式,以“短、小、精、趣”的特征,在教育行业受到广泛认可。笔者结合自身教育实际情况,探讨了化工原理的微课设计和化工原理的微课制作,为改善化工原理课程的教学效果提供参考。

摘要：为了有效提高膜分离技术对CO2/CH4混合气的分离效果,以2-双(3,4-二羧基苯基)六氟丙烷二酐(6FDA)为二酐单体、2,4,6-三甲基-1,3-苯二胺(TMPDA)和2,6-二氨基甲苯(2,6-DAT)为二胺单体,制备新型6FDA型聚酰亚胺共聚物6FDA-TMPDA/2,6-DAT。将金属有机骨架(MOF)材料MIL-101(Cr)纳米晶体掺杂到6FDATMPDA/2,6DAT中制备混合基质膜(MMMs)。考察MIL-101(Cr)纳米晶体掺杂量和操作压力对混合基质膜分离CO2/CH4混合气的分离性能和抗塑化性能的影响。此外,还研究了进料总逸度对混合基质膜塑化性能的影响。结果表明:在35℃、0.2 MPa下进料时,掺杂20%MIL-101(Cr)纳米晶体的混合基质膜CO2的渗透通量和CO2/CH4的分离系数分别为1.29×10^-8 cm^3·cm/(cm^2·s·kPa)和49。该混合基质膜对CO2/CH4的气体分离性能和抗塑化性能相比于纯6FDA-TMPDA/2,6-DAT膜有所提高,说明MIL-101(Cr)/共聚酰亚胺混合基质膜在CO2/CH4气体分离方面具有广泛的应用前景。

摘要：变异测试是一种有效的软件测试技术,通过生成变异体来模拟软件缺陷,帮助提升现有测试套件的缺陷检测能力.变异体的质量对于变异测试的有效性具有显著影响.传统的变异测试方法通常采用人工设计的基于语法规则的变异算子生成变异体,并已取得一定的研究成果.近年来,许多研究开始结合深度学习技术,通过学习开源项目历史代码生成变异体.目前,该新方法在变异体生成方面取得了初步的成果.基于语法规则和基于学习的两种变异技术,其机理不同,但其目标均是通过生成变异体来提高测试套件的缺陷检测能力,因此,全面比较这两种变异技术对于变异测试及其下游任务至关重要.针对这一问题,设计实现了一项针对基于语法规则和基于学习的变异技术的实证研究,旨在了解不同机理的变异技术在变异测试任务上的性能以及生成的变异体在程序语义上的差异性.具体地,以Defect4J v1.2.0数据集为实验对象,比较以MAJOR和PIT为代表的基于语法规则的变异技术和以DeepMutation、μBERT和LEAM为代表的基于深度学习的变异技术.实验结果表明:基于规则与学习的变异技术均可有效支持变异测试实践,但MAJOR的测试效果最优,能够检测85.4%的真实缺陷.在语义表示上,MAJOR具有最强的语义代表能力,基于其构造的测试套件能够杀死其余变异技术生成的超过95%占比的变异体.在缺陷表征上,两类技术均具有独特性.

摘要：鉴于越来越多的注塑部件应用于汽车设计,而注塑产品的熔接线通常是强度最薄弱的区域,因此对熔接线的预测和优化非常重要。以某汽车前端模块为实例,阐述借助Moldflow快速找到改善熔接线质量的解决方案。经Moldflow分析发现,当浇口位置和数量不变时,优化产品的局部料厚可以明显提高熔接线的质量。

摘要：上夹头的开裂导致轿车玻璃升降器失效。为防止此缺陷的发生,针对零件的材料进行工艺设计排查,并进行了CAE模流分析验证及试验验证。通过对比分析,找出了零件开裂的相关原因并制定相应措施,有效解决了上述问题。