【摘 要】
：
为探究玻璃纤维增强环氧乙烯基酯树脂基复合材料(GF/EVE)在120℃高温环境下不同老化时间后的低速冲击特性,采用人工加速老化试验和低速冲击试验,基于扫描电镜(SEM)、红外测试
【出 处】
：
新疆大学学报:自然科学版(中英文)
【基金项目】
：
国家自然科学基金(51465055).
论文部分内容阅读
为探究玻璃纤维增强环氧乙烯基酯树脂基复合材料(GF/EVE)在120℃高温环境下不同老化时间后的低速冲击特性,采用人工加速老化试验和低速冲击试验,基于扫描电镜(SEM)、红外测试(FTIR)和XPS表征手段研究了GF/EVE复合材料的老化机制.研究发现:树脂基体发生了热氧老化降解;高温老化造成树脂分子链的断裂,树脂交联密度降低,导致树脂初始分解温度下降;其次随老化时间增加试样冲击凹坑深度逐渐增大;同时测得了不同老化时间下不同冲击能量的冲击载荷-时间曲线,发现GF/EVE试样所承受的最大冲击载荷随老化时间的增加而下降,并且随着冲击能量的增大,同等老化条件下试样所承受的最大冲击载荷增大.
其他文献
本文利用广义奇异值的方法给出了与半有限冯·诺依曼代数中算子的Heinz均值相关的log-次优化不等式,将相对应的一些矩阵形式的不等式推广到了算子的情形,并得到了如下结论:Λh(f(x)g(y)+f(y)g(x))≤Λ1/2 h((f(x)2+f(y)2)(g(x)2+g(y)2)),其中0≤x,y∈M,h>0,f和g都是算子凹函数.同时我们还得到了一些与Heinz均值相关的其它形式的log-
为了利用机器学习算法快速筛查出葡萄膜炎,本文分别选取了健康人和葡萄膜炎患者的眼底OCT(Optical Coherence Tomography,OCT)图像,提取图像的形态特征、灰度差分统计特征、灰度梯度共生矩阵和小波变换等多种特征,将特征串行融合;随后用Lasso算法特征提取,用多种机器学习算法进行分类研究.结果显示:基于Medium Gaussian核函数的支持向量机(Support Vector Machine,SVM)获得了90.3%的分类准确率,其受试者工作特性曲线(Receiver Oper