【摘 要】
：
超疏水材料在金属防腐领域具备巨大的潜在应用前景.为得到疏水性能及防腐性能俱优的纳米TiO2/环氧树脂复合涂层材料,首先以三甲氧基十七氟癸基硅烷和γ-氨丙基三乙氧基硅烷(KH550)对纳米TiO2表面功能化;以全氟辛基甲基丙烯酸酯对固化剂二乙烯三氨(DETA)进行氟化;最后通过一步共混法和两步喷涂法分别制备出两种复合涂层.利用FTIR、XPS、1HNMR分析氟化固化剂(F-DETA)和氟化纳米TiO2(f-TiO2)的物相组成和组织结构.接触角测试仪和静置实验表明,当三甲氧基十七氟癸基硅烷和γ-氨丙基三乙氧
【机 构】
：
湖南科技大学 材料科学与工程学院,湘潭 411201;湖南科技大学 材料科学与工程学院,湘潭 411201;清华大学 摩擦学国家重点实验室,北京 100084;高温耐磨材料及制备技术湖南省国防科技重点
论文部分内容阅读
超疏水材料在金属防腐领域具备巨大的潜在应用前景.为得到疏水性能及防腐性能俱优的纳米TiO2/环氧树脂复合涂层材料,首先以三甲氧基十七氟癸基硅烷和γ-氨丙基三乙氧基硅烷(KH550)对纳米TiO2表面功能化;以全氟辛基甲基丙烯酸酯对固化剂二乙烯三氨(DETA)进行氟化;最后通过一步共混法和两步喷涂法分别制备出两种复合涂层.利用FTIR、XPS、1HNMR分析氟化固化剂(F-DETA)和氟化纳米TiO2(f-TiO2)的物相组成和组织结构.接触角测试仪和静置实验表明,当三甲氧基十七氟癸基硅烷和γ-氨丙基三乙氧基硅烷的摩尔比为1:15时f-TiO2的性能最佳,所制备的复合涂层接触角达到164.9°.SEM表征结果显示通过两步法制备的f-TiO2/环氧树脂复合涂层具备更均匀的粗糙表面、涂层内部孔隙率较低且环氧树脂层与f-TiO2层具备梯度结构.摩擦实验证明两步法制备的f-TiO2/环氧树脂复合涂层的超疏水性具备较好的机械稳定性.Tafel极化曲线和电化学阻抗谱(EIS)研究表明,通过两步法制备的f-TiO2/环氧树脂复合涂层具有优异的防腐性能,其腐蚀抑制效率高达99.99％.
其他文献
异质信息网络表示学习在节点分类、链接预测、个性化推荐等多个领域上被广泛应用.现有的异质信息网络表示学习方法大多集中在静态网络,忽略网络中时间属性对节点表示的影响.为了解决该问题,文中提出基于元路径和层次注意力的时序异质信息网络表示学习方法.利用元路径捕获异质信息网络中的结构和语义信息.通过时间衰减注意力层,捕获不同元路径实例在特定时间对目标节点的影响.通过元路径级别注意力,融合不同元路径下的节点表示,得到最终表示.在DBLP、IMDB数据集上的实验表明,文中方法在节点分类和节点聚类任务上均可达到较优效果.
深度学习尤其卷积神经网络为精确目标检测提供可能,推动三维目标检测在自动驾驶、机器人等领域发挥重要作用.文中综述基于卷积神经网络的三维目标检测研究进展.首先总结三维目标检测的应用价值、基本流程及存在的挑战.再介绍卷积神经网络基本原理、典型的二维目标检测网络结构、常用的开源数据集及点云表示形式等相关基础知识.然后介绍卷积神经网络在三维目标检测中的应用进展,根据不同数据模态及方法共性对方法进行梳理.最后对当前三维目标检测研究存在的问题进行论述,对未来的研究发展趋势进行展望.
已有的图核大多关注图的局部属性,利用局部的拓扑特征构建图的相似性度量,忽略图的层次结构信息.为了解决这个问题,文中提出基于最优传输的层次化图核.首先,将每个图表示成层次化的图结构.在层次化图结构构建过程中,利用K-means聚类算法构造每层图的节点,节点间的概率连接作为图的边.然后,利用带有熵约束的最优传输计算两图的层次结构上每层图之间的最优传输距离.最后,基于最优传输距离计算基于最优传输的层次化图核.在6个真实图数据集上的实验表明,文中方法可提升分类性能.
现有的在线流特征选择算法通常选择一个最优的全局特征子集,并假设该子集适用于样本空间的所有区域.但是,样本空间的每个区域都使用独有的特征子集进行准确描述,这些特征子集的特征和大小可能有所不同.因此,文中提出基于最大决策边界的局部在线流特征选择算法.引入局部特征选择,在充分利用局部信息的基础上,设计基于最大决策边界的特征衡量标准,尽可能分开同类样本和不同类样本.同时,使用最大化平均决策边界、最大化决策边界和最小化冗余3种策略选择合适的特征.针对局部区域选择最优的特征子集,然后使用类相似度测量方法进行分类.在1
作为粒计算研究方向的核心概念和关键技术,多粒度计算强调对现实世界问题多视角、多层次的理解和描述,可获得合理、满意的求解结果.为了深化多粒度计算与决策分析的有效融合,更好地满足人们的实际决策需求,文中首先介绍多粒度粗糙集、多尺度数据分析、序贯三支决策、分层分类学习四类多粒度计算模型,并阐述各自的主要特点及发展过程.进而从属性约简、规则提取、粒度选择、信息融合、群决策、多属性群决策、分类决策、动态决策等方面总结基于多粒度计算模型的决策分析方法研究现状.最后,对大数据时代智能决策领域中若干具有挑战性的研究方向进
在持续学习多任务过程中,持续零样本学习旨在积累已见类知识,并用于识别未见类样本.然而,在连续学习过程中容易产生灾难性遗忘,因此,文中提出基于潜层向量对齐的持续零样本学习算法.基于交叉分布对齐变分自编码器网络框架,将当前任务与已学任务的视觉潜层向量对齐,增大不同任务潜层空间的相似性.同时,结合选择性再训练方法,提高当前任务模型对已学任务判别能力.针对不同任务,采用已见类视觉-隐向量和未见类语义-隐向量训练独立的分类器,实现零样本图像分类.在4个标准数据集上的实验表明文中算法能有效实现持续零样本识别任务,缓解
目前存储和计算成本严重阻碍深度神经网络应用和推广,而神经网络量化是一种有效的压缩方法.神经网络低比特量化存在的显著困难是量化比特数越低,网络分类精度也越低.为了解决这一问题,文中提出基于指数移动平均知识蒸馏的神经网络低比特量化方法.首先利用少量图像进行自适应初始化,训练激活和权重的量化步长,加快量化网络收敛.再引入指数移动平均(EMA)知识蒸馏的思想,利用EMA对蒸馏损失和任务损失进行归一化,指导量化网络训练.在ImageNet、CIFAR-10数据集上的分类任务表明,文中方法可获得接近或超过全精度网络的
在分布式存储系统中,当节点发生故障时局部修复码(LRC)可以通过访问少量其他节点来恢复数据,然而LRC的局部度不尽相同,该文构造了短码长且局部度较小的四元LRC.当码长不超过20,最小距离大于2时,若四元距离最优线性码的生成阵维数不超过校验阵维数,可利用其生成阵给出LRC,否则利用其校验阵给出LRC.对已构造的LRC的生成阵或校验阵,利用删除、并置等方法得到新矩阵,从而构造出190个码长n·20,最小距离d?2的LRC.除12个LRC外,其他LRC是局部度最优的.
使用由双酚AF和4,4-二氟二苯甲酮缩聚而得的含氟聚芳醚酮(FPAEK)为树脂基体,以疏水气相SiO2和碳纳米管(CNT)为无机掺杂纳米粒子,采用一步喷涂法在铝板表面制备了一种SiO2-CNT/FPAEK超疏水涂层.研究发现,当SiO2和CNT掺杂量都为1wt％时,所得涂层的超疏水性能最好,其水接触角WCA可达到167°,滚动角SA为3°.该涂层的玻璃转化温度和初始分解温度分别达到170℃和480℃,热稳定性优异.将该涂层分别在pH=1的HCl溶液、pH=13的NaOH溶液和质量分数为3.5wt％的NaC
芳纶纳米纤维(ANF)具有大长径比、高比表面积、丰富的表面酰胺官能团和优异的力学性能,是制备高强度纳米复合材料的理想构筑单元.本文开发了一种新颖的水凝胶加工策略,用于制备ANF增强聚乙烯醇(PVA)复合薄膜,逐步优化了ANF的含量、水凝胶的预拉伸比和PVA组份的化学交联,表征分析了复合薄膜中ANF的分散、取向、PVA的交联形式及ANF与PVA之间的界面氢键作用,当ANF的质量分数为25wt％、水凝胶的预拉伸比为55％和采用氯化铜交联PVA基体时,复合薄膜的力学性能最优,其杨氏模量和拉伸强度分别高达(14.