结构吸波材料 SiC-C纤维的研究

本文用聚碳硅烷(PCS)与煤沥青(P)共混,制得PCS-P 共混物,再经纺丝、氧化、高温烧成,制成了SiC-C 纤维。该纤维电阻率随碳含量的增加而减少,强度和模量随碳含量的增高而降低,而且该纤维与环氧树脂复合制得的层合板材,具有良好的吸收电磁波性能。     

复合材料专题-Si(Al)C纤维先驱体聚铝碳硅烷的合成*

采用低分子量固态聚碳硅烷(PCS)和乙酰丙酮铝([Al(acac)3])为原料,利用Si-H与[Al(acac)3]之间的交联反应合成适于多孔连续熔融纺丝的聚铝碳硅烷(PACS)。研究了反应条件对产物数均分子量、软化点和组成结构的影响及交联反应程度和可纺性之间的联系。结果表明,随着反应温度的升高和时间的延长,反应程度提高,残余乙酰丙酮基减少,Si-O-Al交联支化结构增多,分子量和软化点增大,可纺性随之下降。当[Al(acac)3]投料比为8wt%时,在370°C下反应4-6h,可得到软化点为206~221°C,Alwt%=0.68%,具有良好可纺性的PACS     

聚碳硅烷纤维的空气不熔化反应动力学研究

以高压法聚碳硅烷(Polycarbosilane,PCS)纤维的空气不熔化为例,采用多曲线积分法研究了PCS纤维空气不熔化反应动力学。结果表明,高压法PCS纤维的空气不熔化反应活化能约60~70 kJ/mol。通过研究不同的机理函数的对数与温度倒数的关系,结果表明,PCS纤维空气不熔化过程由随机成核和生长机理(n=3)的表面反应控制,根据该反应机理,同样得到高压法PCS的空气不熔化反应活化能约60~70 kJ/mol,指前因子A约为77.64。     

聚碳硅烷——沥青共混体流变性与纺丝研究

聚碳硅烷和沥青分别是转化ＳｉＣ纤维和碳纤维的先驱体,两者共混或共聚就可以得到一种新功能纤维──ＳｉＣ－Ｃ纤维的先驱体。该先驱体的可纺丝性直接与聚碳硅烷和沥青的性质相关,只有两组份的可纺丝温度区间交叉才可能得到可纺性好的聚碳硅烷──沥青共混先驱体。该研究结果对于制备ＳｉＣ－Ｃ纤维时选择组份材料和共混工艺有指导意义。     

PDMS直接裂解重排合成PCS

聚二甲基硅烷 (PDMS)高温裂解制备的聚碳硅烷 (PCS)是陶瓷材料的良好先驱体。本文在现有液态聚硅烷 (LPS)间接合成PCS工艺的基础上 ,直接由固态PDMS高温裂解重排制备PCS ,利用正交设计的方法研究了不同合成条件对PCS结构、分子量及分子量分布的影响 ,得出了最佳合成条件 ,即反应温度 45 5℃ ,裂解温度 5 40℃ ,保温时间 6h。     

聚钛碳硅烷的结构与性能研究

通过聚碳硅烷与四丁氧基钛的反应。可以制得含钛碳化硅纤维的先驱体聚钛碳硅烷。反应物配比(Ti(OBu)_4)/PC 将直接影响产物的结构与性能。随这一比例的增加,聚钛碳硅烷的可纺性与熔点将有规律地变化。这可归因于以—Ti—O—为桥的交联结构和以—Ti(OBu)_3为侧基的悬挂结构的形成。本文研究了聚钛碳硅烷的结构与性能的关系,并以具有良好成丝性的PTC-0.02与PTC-0.04为先驱体,制得了含钛碳化硅纤维。     

PDMS/PVC制备低电阻率碳化硅纤维先驱体聚碳硅烷

由聚二甲基硅烷(PDMS)与3%～7%wt聚氯乙烯(PVC)共热解反应生成的聚碳硅烷(PC P),是制备力学性能优良的低电阻率碳化硅纤维的先驱体。研究了PC P先驱体的合成条件,利用GPC、IR、XPS、元素分析等手段对PC P先驱体的组成与结构进行了分析,并初步探讨了PDMS与PVC反应机理。     

聚二甲基硅烷高压合成聚碳硅烷的组成与结构分析

以聚二甲基硅烷(PDMS)为原料,在高压釜内450℃下反应6h,制备了聚碳硅烷(PCS)先驱体。对其组成及结构进行了表征,推测了PCS的大致结构模型。研究表明,PCS分子包含Si CH3、Si CH2 Si、Si H组成的SiC4、SiC3H等结构单元,实验式为SiC1.87H7.13O0.03。与常压高温裂解制备的软化点相近的PCS相比,二者的元素组成基本一致,高压合成的PCS具有较高的分子量和硅氢含量,但支化度略高。     

沉淀分级法调制纺丝级高熔点聚碳硅烷

作为碳化硅纤维先驱体的聚碳硅烷应当具有较高的熔点与良好的可纺性 ,但是提高熔点对合成条件提出了苛刻要求。为了解决这一矛盾 ,首先通过沉淀分级获得了高熔点 (>2 80℃ )的聚碳硅烷组分 ,然后再加入 10 - 30wt%低熔点组分来调节其纺丝性能 ,成功地调制出了高熔点 (>2 5 0℃ )、具有良好纺丝性的聚碳硅烷先驱体     

高含钛量碳化硅纤维的研制

本文采用一种聚钛硅氧烷与聚碳硅烷反应,制得了Ti/Si摩尔比为0.10的聚钛碳硅烷。该聚合物具有良好的成丝性与稳定性,经熔融纺丝,再经不熔化处理后,在氮气气氛保护下1300℃热处理后制得了高含钛量的碳化硅纤维。文中对聚钛硅氧烷的合成与结构,它与聚碳硅烷的反应过程及聚钛碳硅烷的热分解特性进行了分析与研究。     

条带式合成孔径雷达数字聚束算法

与聚束工作模式的合成孔径雷达 (SAR)相比 ,条带式SAR能够在相同时间内对更大范围的区域进行微波成像。但是在分析条带式SAR图像时 ,往往需要着重分析某些局部热点区域 (ROI ,Region-Of-Interest) ,而ROI外散射体的回波会降低ROI图像的对比度。本文的数字聚束 (Digitally -Spotlight)算法可以在成像前将ROI外的回波“过滤” ,实现等效的的聚束工作模式 ,从而提高SAR对比度。仿真验证了该算法的有效性。     

Si(Al)C纤维先驱体聚铝碳硅烷的合成

采用低分子量固态聚碳硅烷和乙酰丙酮铝为原料,利用Si-H与乙酰丙酮铝之间的交联反应合成适于熔融纺丝的聚铝碳硅烷。研究了反应条件对产物数均分子量、软化点和组成结构的影响及交联反应程度与可纺性之间的关系。实验结果表明:随着反应温度的升高和反应时间的延长,反应程度提高,残余乙酰丙酮基减少,Si-O-Al交联支化结构增多,分子量和软化点增大,可纺性随之下降。当乙酰丙酮铝投料比为8%时,在370℃下反应4~6 h,可得到软化点为206~221℃,Al wt%=0.68%,具有良好可纺性的聚铝碳硅烷。     

结合峰值检测的高噪声图像快速聚类分割方法

针对高噪声污染图像,提出一种结合峰值检测算法的快速聚类分割方法(FC-ImSeg)。根据平行线投影分割算法将二维直方图映射到一维空间,利用峰值检测算法检测图像像素点的聚类结果,调整映射模型的平行线宽度,使直方图符合双峰分布特性,最后利用加权模糊c均值聚类算法实现图像的分割。实验结果证明了该方法是快速有效的。     

基于动态时间规整下密度聚类的轨迹识别研究

为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算法的参数对分类效果的影响,发现数据规模越大,DBSCAN预分类的DBSCAN改进DTW聚类算法的优势越明显.通过仿真得到了使DBSCAN预分类的DBSCAN改进DTW聚类算法发挥最高效率的参数.     

聚甲基丙烯酰亚胺的制备研究

以甲基丙烯腈(MAN)、甲基丙烯酸(MAA)和甲基丙烯酰胺(MAM)为主要单体原料,过氧化物引发共聚制得甲基丙烯腈-甲基丙烯酸-甲基丙烯酰胺(MAN-MAA-MAM)共聚物.详细研究了所制备共聚物的高温环化反应,以及所生成的聚甲基丙烯酰亚胺(PMI)的耐热性能.结果表明,MAN-MAA-MAM 共聚物的环化温度为160℃,所制备的聚甲基丙烯酰亚胺(PMI)在空气中可耐280℃的高温.     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。     

聚甲基丙烯酸甲酯-氧化锆复合材料的制备

将氧化锆纳米粉体冷等静压成型,经部分烧结制备成具有多孔网状结构的部分烧结体,然后经真空浸渍,将预聚甲基丙烯酸甲酯渗透入部分烧结体的开孔中,原位聚合,制备出聚甲基丙烯酸甲酯—氧化锆有机—无机复合材料。结果表明:预聚甲基丙烯酸甲酯经真空浸渍能完全浸入部分烧结陶瓷的开孔中并固化。当部分烧结体相对密度为63%~82%时,复合材料的弯曲强度为154~287MPa、断裂韧性为3.68~4.81MPa.m1/2;与部分烧结体比较,有明显提高。该复合材料经牙科CAD/CAM系统切削加工,可制作牙科修复体。     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

从LPS馏分出发合成先驱体聚碳硅烷

采用将液态聚硅烷(LPS)蒸馏分级的方法,从各个馏分出发合成制备了先驱体聚碳硅烷(PCS)。运用GPC等分析测试手段考察比较了各个馏分的差异对在相同条件下所合成聚碳硅烷的分子量及其分子量分布特性的影响。研究表明:在同等条件下,采用以LPS蒸馏分级的方法再从各个馏分出发合成制备先驱体聚碳硅烷的总平均收率比未从经分级处理的LPS出发合成先驱体PCS的收率高35%左右;从200℃以下馏分出发可以合成制备超高分子量的先驱体PCS。