外给电子体CMMS、DCPMS制备高结晶度聚丙烯的研究

CMMS、DCPMS外给电子体分别与CS 1型、CS 2型聚丙烯主催化剂进行丙烯聚合评价,结果表明DCPMS是高效催化剂的有效助催化剂,能够有效提高聚丙烯的真实等规度、结晶度,DCPMS更适宜制备相对高结晶性聚丙烯。

外给电子体CMMS和DCPMS制备PP树脂性能及结构研究

对DCPMS和CMMS生产的聚丙烯树脂基本物理性能和结构进行了分析研究,结果表明DCPMS作为外给电子体合成的聚丙烯树脂等规度提高,乙丙橡胶组成改善,这是其综合性能高于CMMS生产的PP的根本原因。

CMMS和DCPMS在丙烯聚合中的应用

将CMMS(环己基甲基二甲氧基硅烷)和DCPMS(二环戊基二甲氧基硅烷)外给电子体分别与CS 1型和CS 2型聚丙烯主催化剂进行丙烯聚合评价,结果表明CMMS和DCPMS是高效催化剂的有效助催化剂,它们能够提高聚丙烯的真实等规度。它们提高聚丙烯真实等规度的能力为DCPMS>CMMS>DDS。

DCPMS作为外给电子体生产低熔融指数聚丙烯

二环戊基二甲氧基硅烷(DCPMS)作为外给电子体,在12 m3反应釜中采用间歇式液相本体法聚丙烯生产工艺,通过控制氢气钢瓶压降为0.1 MPa或绝氢及主催化剂用量为53 g生产熔融指数在0.2-0.3 g/10 min之间的低熔指聚丙烯。与甲基环已基二甲氧基硅烷(CMMS)生产低熔指聚丙烯相比,单釜主催化剂用量由78 g降至53g,并在绝氢状况下熔融指数更易控制在0.2-0.3 g/10 min之间。

不确定情况下DCPM的应用

简要介绍了决策关键线路法(DCPM),探讨了决策网络计划中在工期和费用不确定的情况下,根据已知各种可能发生的概率,应用DCPM

DCPM网络图的简化方法

以现有的简化方法为基础 ,研究了决策选项具有相同的紧前、紧后关系的一类 DCPM网络图的简化方法 。

基于网络环境下的JPEG2000算法研究

人们从网上获取信息,其中相当数量的是图像信息,并且图像信息的需求越来越大,由于网络带宽的有限,对这种需求造成了极大地限制,为此人们想到了对图像进行压缩。笔者研究的JPEG2000标准就是一种静态图像的压缩标准。在了解了标准的基础上,采用了差值脉冲编码调制法(DPCM),然后熵编码的方法,实现JPEG压缩。这种方法除了可进行无损压缩外,由于原理简单,易于实现,有进一步改进的潜力。我们并在预测编码部分进行了一定地改进。改进方法简单,不需要采用一些如自应的方法,但能较有效地解决这种方法中出现的一些问题。

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.

决策关键线路法(DCPM)的改进算法

根据实际应用,本文在原DCPM的基础上,提出一种改进算法。该算法把传统的单代号DCPM网络图改用双代号表示;并且对原试探法从三个方面进行了改进:①在关键线路压缩阶段考虑采用时间更短、费用更高的选择;②无论是在关键线路压缩阶段,还是在非关键线路上的决策工序二次决策阶段,始终把决策工序的费用和P_1作为一个条件进行决策;③决策工序各选择的数据可按任意的顺序输入。这样不仅给实际应用带来了方便,而且增加了最优解的可靠性。

基于双支路特征融合的MRI颅脑肿瘤图像分割研究

针对磁共振成像(magnetic resonance imaging, MRI)颅脑肿瘤区域误识别与分割网络空间信息丢失问题,提出一种基于双支路特征融合的MRI脑肿瘤图像分割方法。首先通过主支路的重构VGG与注意力模型(re-parameterization visual geometry group and attention model, RVAM)提取网络的上下文信息,然后使用可变形卷积与金字塔池化模型(deformable convolution and pyramid pooling model, DCPM)在副支路获取丰富的空间信息,之后使用特征融合模块对两支路的特征信息进行融合。最后引入注意力模型,在上采样过程中加强分割目标在解码时的权重。提出的方法在Kaggle_3m数据集和BraTS2019数据集上进行了实验验证,实验结果表明该方法具有良好的脑肿瘤分割性能,其中在Kaggle_3m上,Dice相似系数、杰卡德系数分别达到了91.45%和85.19%。

双代号DCPM问题的动态规划算法

本文在单代号 DCPM(Decision Critical Path Method)的基础上,提出双代号 DCPM 问题及求解双代号 DCPM 问题的数学方法——动态规划法。通过分析建立了动态规划模型,给出了求解的基本过程及其计算框图,并且编制了电算程序。由于动态规划法是严格地按着数学逻辑进行计算,因此为得到最优解提供了可靠的保证。

用试探法求解DCPM问题的一种新算法

试探法是解决决策关键路问题的一种直观推断方法。本文在原有试探算法的基础上,提出了一种改进算法。它先求出时间-费用权衡曲线,然后求出奖罚费用,最后作出最优决策。在进行工期压缩时,它对存在多条关键路的情况给予了重视,认为各条关键路必须同时受到压缩,并优先压缩它们的公共工序。

用遗传算法求解DCPM问题

本文将遗传算法引入网络计划技术领域 ,详细分析了如何用遗传算法求解决策关键路线法( DCPM)问题 ,并给出了一种求解算法的具体步骤。该算法不用基于领域知识的规则 ,具有很强的通用性与鲁棒性。通过实例试算验证了该算法的有效性。

用正交试验法求解DCPM问题

用正交试验法求解ＤＣＰＭ问题李随成（陕西机械学院，西安７１００４８）ＳｏｌｖｅＤＣＰＭｗｉｔｈＥｘｐｅｒｉｍｅｎｔａｌＤｅｓｉｇｎＬｉＳｕｉｃｈｅｎｇ（ＳｈａａｎｘｉＩｎｓｔｉｔｕｔｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ＇ａｎ７１００...