LDA/APP对聚醚聚氨酯弹性体性能的影响

以聚氧化丙烯二醇 (N2 2 0 )、甲苯二异氰酸酯、一缩二乙二醇等为主要原料 ,以联二脲 (LDA)、聚磷酸铵(APP)作为阻燃剂 ,研制了聚醚聚氨酯弹性体。研究了LDA/APP含量对弹性体的物理力学性能和阻燃性能的影响。结果表明 ,LDA与聚醚聚氨酯弹性体的相容性较好 ,可以大幅度提高其物理力学性能 ,APP的相容性则相对比较差。两者都可以提高材料的阻燃消烟性能 ,当LDA/APP以 3 0 / 3 0比例混合时 。

LDA/APP对聚醚聚氨酯弹性体性能影响研究

以聚氧化丙烯二醇和甲苯二异氰酸酯、一缩二乙二醇等为主要基体材原料,以联二脲(LDA)、聚磷酸铵(APP)作为阻燃剂,制作了聚醚聚氨酯弹性体。研究了LDA/APP质量比对弹性体力学性能和阻燃性能的影响。测试了配方的力学性能,可见光的透过率,燃烧性能。结果表明,LDA与聚醚聚氨酯弹性体的相容性比较好,可以大幅度提高其力学性能,APP的相容性则相对比较差。两者都可以提高材料的阻燃消烟性能,当LDA/APP以30 0/30 0比例混合时,可以获得较佳的阻燃消烟效果。

LDA/APP对丁腈橡胶力学性能影响

为了研究阻燃剂LDA、APP对丁腈橡胶力学性能的影响 ,将LDA、APP单独或混合应用于丁腈橡胶配方中 ,测试了试样的拉伸强度 ,定伸应力和伸长率。结果表明 ,LDA、APP具有较好的补强效果 。

融合主题模型和卷积神经网络的APP推荐研究

[目的/意义]将主题模型与卷积神经网络进行结合,以实现APP的个性化推荐,并缓解评分数据稀疏性问题。[方法/过程]提出TMCNN模型,针对文本内容,通过用户和APP双通道的卷积神经网络获取卷积语义特征,同时使用LDA模型获取主题特征,并与用户和APP的数值特征组合,从而预测用户对APP的评分,进而推荐。[结果/结论]通过360手机助手数据集的测试,从RMSE,召回率,NDCG三个指标进行分析,TMCNN模型不仅具有良好的评分预测效果,而且APP的推荐结果也相对较好。同时,TMCNN模型也丰富了APP推荐的研究方法。[局限]没有考虑APP的权限信息,评论信息的有用性,以及TMCNN模型的优化函数有待改进。

APP用户差评行为影响因素研究

差评行为会对APP应用下载量产生影响。通过对抓取的APP用户差评进行文本分析,探究开发者推出的增值服务是否会对消费者差评行为产生影响,分析导致消费者差评行为的因素,为APP开发者提供建议。利用Python爬取评论,采用逻辑回归模型进行分类,挖掘评论中的差评信息;利用LDA模型对预处理后的数据进行主题分析,并对结果进行可视化解读。研究表明,开发者上架试用版本一段时间后推送增值服务的行为会引发用户的差评行为,增值服务的质量、功能和开发者推送付费版本的频率对差评行为起到一定的调节作用。基于研究结论,建议开发者在推出增值服务时采取合理的方式,并注意推送频率。

用聚磷酸铵和联二脲来提高绝热层材料耐烧蚀性能的研究

论述了固体火箭发动机用绝热层材料的烧蚀过程以及提高耐烧蚀性能的功能添加剂的种类和作用。在以聚醚型聚氨酯为基体材料的绝热层配方中,添加聚磷酸铵和联二脲,测试其质量烧蚀率和线烧蚀率。试验结果表明,聚磷酸铵和联二脲都能够提高绝热层的耐烧蚀性能,尤其在聚磷酸铵和联二脲以一定比例复配时效果最好。