阻燃增强PA66的研制

以阻燃剂FRM、MCA,增效剂Sb_2O。为阻燃体系,以玻璃纤维作增强剂,采用ZSK双螺杆挤出机制备阻燃增强PA66。其阻燃性能可达UL94V—0级,力学性能也有显著提高,本文还对三种改性PA66的性能作了比较,同时阐述了阻燃增强PA66的加工机理及应用前景。

阻燃增强PA66的开发与加工

以阻燃剂FRM、McA,协效剂Sb_2O_3为阻燃体系,玻璃纤维作增强剂,采用ZSK型双螺杆挤出机制备阻燃增强PA66,阻燃性能可达UL94 V—O级,力学性能也有显著的提高。本文还对三种改性PA66的性能作了比较,同时阐述了阻燃增强PA66的加工机理及应用前景。

阻燃PP塑料的研制

以八溴醚作主阻燃剂、三氧化二锑作协同剂、宁热101、102、103作热稳定剂,采用高速混合和双螺杆挤出造粒工艺制备阻燃PP塑料。通过试验确定了几种阻燃PP塑料的配方。其中以PP100份、八溴醚7份、Sb_2O_33份、宁热1016份,宁热1025份、宁热1033份组成的配方物,其阻燃性能达到V—0级,拉伸强度32.1MPa,弯曲强度47.2MPa、缺口冲击强度7.1 kJ/m^2。由于采用了上述三种热稳定剂组成的热稳定剂体系,克服了传统阻燃PP塑料加工时阻燃剂易于分解的缺点,并避免了模具、设备的腐蚀、产品发黄等现象。

基于图卷积集成的网络表示学习

针对现有网络表示学习方法泛化能力较弱等问题,提出了将stacking集成思想应用于网络表示学习的方法,旨在提升网络表示性能。首先,将3个经典的浅层网络表示学习方法DeepWalk、Node2Vec、Line作为并列的初级学习器,训练得到三部分的节点嵌入拼接后作为新数据集;然后,选择图卷积网络(graph convolutional network,GCN)作为次级学习器对新数据集和网络结构进行stacking集成得到最终的节点嵌入,GCN处理半监督分类问题有很好的效果,因为网络表示学习具有无监督性,所以利用网络的一阶邻近性设计损失函数;最后,设计评价指标分别评价初级学习器和集成后的节点嵌入。实验表明,选用GCN集成的效果良好,各评价指标平均提升了1.47~2.97倍。