机器学习势在含能材料分子模拟中的研究进展

归纳了机器学习势模型的发展历程、构造方案和训练集搭建策略。机器学习势模型利用第一性原理计算精度的势能面,通过机器学习算法进行重建,已成功用于含能材料燃烧爆炸的分子模拟研究,包括硝胺类含能材料(RDX、CL-20、ICM-102)、氧化剂(AP)和高能颗粒(Al、B)等,并总结了机器学习势在碳氢燃料燃烧方面的研究进展,展望了机器学习势在含能材料分子模拟中所面临的挑战和未来发展前景。指出以深度势(Deep Potential)模型为代表的机器学习势具有高精度、高效率的特点,充分发挥了基于数据驱动的模型训练策略,在保持第一性原理计算精度的同时,可以实现百万原子的分子模拟,具有广阔的应用潜力。提出未来含能材料机器学习势函数的开发将面临如下挑战:(1)如何对极端条件下复杂反应势面进行充分采样;(2)如何提高机器学习势训练集的精度。附参考文献91篇。

4A分子筛对膨胀型木材阻燃涂料阻燃性能的影响

以三聚氰胺改性脲醛树脂(MUF)为基料,添加聚磷酸铵(APP)和4A分子筛制备膨胀型木材阻燃涂料,利用锥形量热仪研究阻燃涂料涂饰杨木Populus spp.的燃烧性能。结果表明:1MUF中加入质量分数为50.00%的APP能延长杨木的点燃时间(TTI),降低杨木的热释放速率(HRR),总热释放速率(THR)和质量损失速率(MLR),提高杨木的火灾性能指数(FPI)(处理2为1.07),但会增大总发烟量(ISR)。2在阻燃涂料中加入少量的4A分子筛即可显著降低木材的热释放速率峰值(pk1-HRR,pk2-HRR),推迟峰值出现时间,降低木材有焰燃烧阶段的热释放速率和质量损失率,提高木材的火灾性能指数(处理3和4分别为1.26,1.38)。加入质量分数为1.00%的分子筛(处理3)可平衡由于50.00%APP存在增加的发烟量,加入质量分数为3.00%的分子筛(处理4)材料燃烧前400 s内基本无烟产生,总发烟量显著降低。

浅述水性木器涂料的研究进展

水性涂料是绿色环保性涂料,是木器涂饰的必然选择。笔者主要介绍了水性涂料的起源和发展历程,详细阐明了水性涂料的分类,分析了水性涂料相比溶剂型涂料的特点和优势。重点总结了水性涂料的涂饰工艺,指出了水性涂饰的缺陷,并对其发展趋势进行了展望。

丙烯酸水性漆的涂饰工艺及其对漆膜性能的影响

以樟子松为基材,采用丙烯酸水性底漆和面漆对其进行涂饰,研究了木材粗糙度及底、面漆的涂布量对漆膜的附着力、硬度、耐热以及耐水性能的影响。研究认为,木材的表面粗糙度对漆膜附着力有较大的影响,而底面漆的涂布量对漆膜的附着力、漆膜硬度、耐热性及耐水性影响较小。综合各方面因素,得出了最佳涂饰工艺:底漆与底漆、面漆与底漆、面漆与面漆之间均用600目的砂纸进行打磨,采用两底两面的涂饰方法。此时,木材的表面粗糙度Ra为2.19μm,最终漆膜硬度为HB,附着力、耐热、耐水性均高达1级。

基于RLC谐振电路研究非接触弹性摆受迫振动的运动特性

实验通过电磁激振方式驱动弹性摆作受迫振动,并巧妙利用RLC谐振电路中电容值在适当频率范围内的微小变化会导致电阻R上产生较大压降变化这一现象,把弹性摆与电容特性联系起来,间接得到电压变化与弹性摆运动变化的关系,进而实现通过改变激振频率来研究摆受迫振动的幅频特性与相频特性的研究目的.

木材阻燃涂料

木材属于易燃材料,使其在应用上受到限制。本文主要论述了膨胀型阻燃涂料主要成分。