摘要：介绍了聚丙烯成核剂中β晶成核剂种类及结构特点,着重介绍了几类β晶成核剂目前国内外的应用研究状况,并就其在我国发展状况提出了建议。

摘要：研究了成核剂HB2002的用量对聚丙烯性能的影响,并与国内外同类成核剂进行了对比。结果表明,当成核剂HB2002的用量为0．25％时,聚丙烯的综合性能最好,透光率高达77．2％, 雾度低至11．3％,与不加成核剂时相比,聚丙烯的拉伸强度提高了8．6％,冲击强度增加了42％, 最高结晶温度提高了4℃。对比试验结果表明,成核剂HB2002对聚丙烯综合性能的改善效果与国内外同类成核剂相当或更好。

摘要：为了解决克氏原螯虾加工过程中手动送料劳动强度高、效率低、虾肉易被污染等问题,该研究设计了一种克氏原螯虾头尾自动定向装置。通过统计分析克氏原螯虾样本的体型特征参数,阐述定向装置实现克氏原螯虾连续自动送料和头尾定向的工作原理,并设计电磁振动机构、螺旋轨道和头尾筛选结构等关键部件。以定向装置作业效率和头尾定向准确率为优化目标,选取工作振幅、频率和筛选口数量为主要影响因素,利用EDEM软件实现克氏原螯虾在定向装置中的运动仿真;通过仿真试验结果分析得到,影响作业效率的3个因素主次顺序为频率、筛选口数量、振幅;影响定向准确率的3个因素主次顺序为筛选口数量、频率、振幅。利用Design-Expert 11软件确定影响因素的最优参数组合:当振幅为0.3 mm,频率为65.16 Hz,筛选口数量为2个时,作业效率为1.88只/s,头尾定向准确率为92.52%。对比样机试验与仿真优化结果,仿真试验的作业效率和头尾定向准确率的相对误差为9.04%和2.45%,验证了该定向装置的可行性和有效性。该研究可为研发克氏原螯虾机械加工装备提供技术参考。

摘要：用一种简单的方法合成了 3,5 ,6 三氯吡啶 2 酚及其钠盐。三氯乙酰氯和丙烯腈在催化剂CD 存在下 ,以硝基苯作溶剂 ,回流下连续完成加成与环化 ,再芳构化 ,得 3,5 ,6 三氯吡啶 2 酚或其钠盐。三氯乙酰氯 91 0 g、丙烯腈 34 5 g、硝基苯 2 0 0mL及催化剂CD1 4 g加热回流约 4h至 14 5℃ ,恒温 5h。得三氯吡啶酚钠 77 8g(收率 70 6 % )或得三氯吡啶酚 71 5 g(收率72 1% )。w(三氯吡啶酚 ) =95 8%。

摘要：针对二维不规则零件下料生产线原材料利用率不高、作业效率较低等问题,提出一种复杂下料工艺约束下的二维不规则零件优化排样方法。以最大化原材料利用率为优化目标,建立了二维不规则零件下料问题的数学模型,利用一种图形碰撞算法实现零件的定位,提高了原材料利用率。通过零件图形的平移、旋转、镜像等操作动态构造排样单元,提高了连续切割和零件自动码垛的作业效率。算例对比分析验证了该方法的可行性和有效性。

摘要：故障样本获取困难导致的训练样本不均衡严重影响故障诊断模型的可用性及准确率,因此提出一种基于自适应辅助分类器生成式对抗网络的故障样本生成模型,通过度量判别器与生成器的相对性能自适应地调节生成器损失值,使训练收敛更快、生成数据质量更好。将所提方法、辅助分类器生成式对抗网络方法生成的数据,以及未经处理的试验原始数据作为BP分类模型的输入数据进行试验,结果表明所提方法生成数据训练的模型更优。所提方法与1D-CNN、e2e-LSTM、CFVS-SVM和FFT-CNN等方法的对比结果表明,所提方法的故障诊断准确率、信息处理时间均最优。

摘要：为了进一步提升油茶果壳籽分选效率,该研究采集油茶果脱壳后经过初步筛分的果壳与茶籽图像,构建壳籽分类图像数据集,以VGG16为基础网络,通过深度可分离卷积模块和全连接层神经元数目优选等方式缩小模型规模,采用跨层特征融合机制与引入指数线性单元(exponential linear units,ELU)激活函数优化网络结构,提出一种适用于油茶果壳籽分选的卷积神经网络模型。结果表明,跨层特征融合机制加强了深层网络特征的有效信息表达能力,相比于未融合时的模型精度得到了明显提升,并且三次跨层特征融合总体优于一次与二次融合方式。ELU激活函数加快了模型收敛速度,同时缓解了梯度爆炸,提高了模型鲁棒性。当全连接层神经元个数减少为128时模型得到进一步压缩,并且拟合程度较好。改进模型在油茶果壳籽图像分类上的验证集准确率为98.78%,模型的占存仅需8.41MB,与未改进的VGG16模型相比,准确率提高了0.84个百分点,模型占存减少了519.38MB,并且改进模型的性能相比于AlexNet、ResNet50与MobileNet_V2等其他网络更具优势,同时在测试试验中该模型分选准确率达到了98.28%,平均检测时间为85.06 ms,满足油茶果的壳籽在线快速分选要求。该研究提出的改进卷积神经网络模型具有较高的准确率与较强的泛化能力,可为深度学习运用于油茶果壳籽实时分选提供理论参考。

摘要：为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder,SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode,DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。

摘要：由2,2’-亚甲基-二-(4,6-二叔丁基苯基)磷酸酯、三氯化铝和氢氧化钠合成了二[2,2'-亚甲基-双- (4,6-二叔丁基苯氧基)磷酸]羟基铝,产率超过90％;将该铝盐和有机羧酸盐复配,得到有机磷酸盐类成核剂HBP。通过对聚丙烯的改性表明,当成核剂HBP的添加量为0．2份(质量份,下同)时,制品的弯曲强度、弯曲模量、热变形温度和结晶温度可提高20％-30％,而制品的雾度则降低60％。

摘要：根据我省精细化工现状及资源特点，结合存在的问题和有利条件，提出了我省“九五”期间传统领域和新领域精细化工发展重点，以及精细化工原料、中间体和重大技术的发展导向。