大型空间环境模拟器真空系统配置技术研究

分别对国内外大型空间环境模拟器的真空系统配置进行了介绍,并对真空系统各个子系统的配置与技术特点进行了分析,重点针对大型空间环境模拟器真空系统中所需的真空抽气策略进行了研究,为后续超大型环境试验设备的研制和试验测试提供了参考。     

提升汇流环湿热环境适应性方法研究

目的提高汇流环在湿热环境下的适应能力。方法实物解剖,观察汇流环绝缘材料损坏情况、碳粉堆积情况,在不同温度、湿度下测试绝缘材料绝缘度、抗电强度,碳粉堆积和导电情况,比对不同绝缘材料性能,并找出最适合的绝缘材料,比对滚动汇流环、碳刷组件、刷丝组件,找到解决碳粉堆积的方法。结果汇流环受湿热影响会从接缝处和电缆连接处进入湿气,温度、湿度的上升会使得原绝缘材料性能下降,长时间使用汇流环,碳粉会在汇流环内堆积并受到湿热的影响而导电,局部密封汇流环可以减少湿气进入。PPO材料性能优异,可以替换原绝缘材料从而减少湿热的影响,使用刷丝组件替代碳刷可以避免碳粉的产生。结论综合运用局部密封、绝缘材料改进、碳刷组件改进三种措施,可以有效提高汇流环在湿热环境下的适应能力。     

海洋环境低水位加速腐蚀研究进展

以海洋环境中一个非常重要的局部腐蚀形式——低水位加速腐蚀(ALWC)为对象,自其检测、发生原因、防护三个方面就国内外的文献报告进行综述分析。在检测方面,首先介绍了常用的宏观观察这一被动形式,并突出其特征,然后介绍了利用海水中可溶性无机氮含量作为ALWC发生概率预测这一主动形式,分析其优势与不足。在发生原因方面,在对将ALWC认定为一种典型的微生物腐蚀(MIC)形式的认知过程进行介绍之后,重点分析了微生物对ALWC作用机制不清晰的原因,并建议在后续研究中突出动态演变过程,结合高通量测序等分子生物学技术,确定在不同的阶段影响ALWC的关键微生物,且进一步在大气-海水体系下研究典型菌株及其协同作用的影响,提出微生物对ALWC的作用机制。在防护方面,根据新建和已建钢结构设施分别对传统和针对ALWC所具有的MIC与局部腐蚀特性的新型高效防护方法进行了介绍,并分析了防护方法的优缺点。     

一种模拟动力学边界条件的环境振动试验方法研究

目的提高环境振动试验的可靠性。方法以某典型钛合金蜂窝夹芯壁板试验件为例,提出一种模拟试验件动力学边界条件的试验方法,在试验件周围引入弹性连接件,再通过刚性转接工装与振动台台面连接,以试验件在试验安装状态下的共振频率及振型节线位置为优化目标,以弹性连接件的外形尺寸及厚度为优化变量,对弹性连接件进行优化设计,从而模拟试验件真实的动力学边界条件。结果弹性连接件的优化设计使得试验件在试验安装状态下前两阶共振频率与试验要求相差小于8%,而且振型节线位置与试验要求基本重合,达到了模拟试验件真实动力学边界条件的设计目标。结论对于壁板类试验件,在传统刚性夹具的基础上引入弹性连接件的试验方法,可以较好地模拟试验件真实动力学边界条件,提高环境振动试验的可靠性,并且这种方法对试验费用及试验周期影响较小,具有良好的工程应用前景。     

环境升温过程对常温固化环氧树脂热力学性能的影响

目的提高常温固化环氧树脂体系的高温使用性能。方法采用常温固化剂T31、中温固化剂IPDA以及高温固化剂DDM作为混合固化剂,对E-44型和AG-80型混合环氧树脂体系进行常温固化反应,并分析环境升温过程对固化物热力学性能的影响。通过DMA分析、热变形测量、固化度测试,分别评价室温固化环氧树脂在环境升温过程前后的玻璃化转变温度、热变形量及体系内部的固化反应程度变化,并通过吸水率测试和弯曲强度测试对玻璃纤维布增强常温固化环氧树脂基复合材料的耐湿热性能以及高温条件下的力学性能进行分析。结果环氧树脂常温固化物的tg为85.21℃,经1.5℃/min的平均升温速率加热至90℃之后,该环境升温过程使固化物的固化度增大至92%以上,tg增长为132.06℃的同时热变形温度增大。其复合材料耐湿热性能提高,且100℃时弯曲强度的保持率为65%,对于加热至120℃的环境升温过程,固化物的固化度接近96%,tg增长为144.45℃的同时热变形温度进一步提高,其复合材料耐湿热性能改善程度更加明显,且130℃时弯曲强度保持率仍接近60%。结论常温、中温、高温混合固化剂的合理复配有助于环氧树脂体系在环境升温变化的诱导条件下发生梯度式固化反应,使体系内部的交联固化程度迅速升至较高水平,可以有效提高其玻璃化转变温度,显著改善常温固化环氧树脂体系在高温条件下的热力学性能。     

污染物在地下水毛细饱水带的运移规律浅释

分析了毛细饱水带的水动力学特性，指出在地下水污染研究中，污染物在毛细饱和水带和潜水怪具有相同的水平运动规律，并以实例分析说明该带对污染物运移的重要性。建议在研究和一非饱和条件地下水及污染物运动问题时把毛细饱水带与潜水含水层统一为饱马毛细饱水带顶面作为饱水面。     

Laboratory and Field Assessment of Arsenic Testing Field Kits in Bangladesh and West Bengal, India

High concentrations of arsenic in ground waters in West Bengal and Bangladeshhave become a major cause for concern in recent years. Given the enormity and the severity of the problemof arsenic poisoning, a task of evaluating the commercially available arsenic detection field kits for their capabilities was undertaken. In the light of the findings, generic specificationswere recommended which could form the basis forindigenous manufacture of these kits in the arsenic affected countries. This article presents the results of the laboratory and fieldevaluation conducted in Bangladesh and West Bengalof five arsenic testing field kits. The salient features of the kits, their merits and limitationshave been brought out. Based on the criteria of kitdesign, quality of chemicals used, colourcomparator charts, detection range, time required for analysis, cost etc., a comparative ranking ofthe kits has been made to facilitate the choice of the kit to meet specific requirements.     

红壤丘陵区典型流域地表水水环境特征研究——以浏阳河流域为例

选取浏阳河流域为例,根据近十年河流断面监测数据,采用改进的综合污染指数法来评价水质污染程度,研究了该红壤丘陵区典型河流水质的时空变化特征,并结合土地利用和土壤特征等分析地表水质变化原因。结果表明,改进的综合污染指数法有较好的适用性;从时间特征上看,由于面源污染加剧,使得浏阳河近十年的水质污染呈增长趋势;从空间特征上看,浏阳河从上游到下游,河流污染呈增长趋势,上游水质较好,中游表现为重金属铅和汞的污染较大,而下游则是氨氮污染加剧。     

大气环境质量综合评价加权灰色关联模型的建立与应用

利用灰色理论建立大气环境质量综合评价加权灰色关联模型 ,运用污染贡献率确定权重系数。与其它评价模型相比 ,加权灰色关联模型还具有排序功能 ,实例表明该模型是简便有效的     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.