3,5-(硝氨基)-1,2,4-三唑肼盐的热行为研究（英文）

利用TG-DTG、DSC技术详细研究了3,5-（硝氨基）-1,2,4-三唑肼盐（HDNAT）的热分解过程、分解反应动力学及其与HMX、RDX、NC、NG、吸收药（NC+NG）、DINA、DNTF和铝粉等含能材料的相互作用和相容性。研究结果表明,在160²30℃温度范围内,HDNAT的分解过程存在一主一次两个放热分解过程,在DSC曲线上表现为一个明显的放热峰和一个3肩缝;HDNAT的热分解符合"成核增长"历程,分解反应机理函数为dα/dt=10^19.8（1-α）[-ln（1-α）]^3/5 e^-22.2/T.,其分解反应活化能Ea=184.8kJ·mol^-1,指前因子A=1019.4s^-1;HDNAT与DINA和NDTF之间存在明显的相互作用,与之不相容;与RDX之间有微弱的相互作用,相容性较差;与HMX、NC、NG、（NC+NG）和Al之间不存在相互作用,相容性良好。     

3,6-双(1-氢-1,2,3,4-四唑-5-氨基)-1,2,4,5-四嗪-1,4-丁二胺盐的制备和热分解动力学及热安全性

利用3,6-双(1-氢-1,2,3,4-四唑-5-氨基)-1,2,4,5-四嗪(BTATz)和1,4-丁二胺,在DMSO中合成出了标题化合物。采用元素分析和红外光谱分析,测定了其结构。用DSC和TG/DTG热分析仪,对标题化合物进行了热分解行为及热分解动力学研究。结果表明,化合物的热分解过程只有一个放热阶段,该阶段的非等温热分解反应动力学方程的活化能和指前因子分别为92.95 kJ/mol和1016.58s-1。采用MicroDSCⅢ量热仪中的连续比定压热容测定模式,测定了化合物的比定压热容,比定压热容随温度呈现二次方关系,且298.15 K下的标准摩尔热容为443.22 J/(mol.K)。计算得到化合物的自加速分解温度(TSADT)、热爆炸临界温度(Tb)和绝热至爆时间分别为521.55、536.73 K和36.97 s。     

燃烧催化剂苯甲酸铜及其衍生物热分解研究Ⅰ──苯甲酸铜及其氨基衍生物的热分解机理

用TG和DSC方法研究了苯甲酸铜及其三种氨基衍生物的热分解历程，结果表明：它们分解反应能生成一种或两种较稳定的二聚体中间产物──双核铜络合物，脱羧和重排过程是分解的主要步骤，也是分解速率最快的过程。整个分解过程是吸热的，取代基及其在苯环上的位置都对分解历程有影响。此外，还测定了邻、间氨基苯甲酸铜的快速分解阶段的动力学参数。     

模块优化三防涂覆设计

本文介绍了几种三防涂料各官能团之间的关系及特性，并根据实际需要提出了合理优化三防涂覆的技术要求。     

喷嘴雾化研究

本文概括本试验室所完成的喷嘴雾化研究成果,重点放在最近几年来在国际学术性刊物上和国际学术会议上发表的研究文章,包括基础性的研究,如液滴尺寸分布、液雾特性随喷嘴下游空间的变化、初始雾化的研究;应用性的研究,如高反压下的喷嘴雾化、超音速气流中的雾化等;也包括激光测雾技术的研究。     

铅盐在HMX推进剂中催化作用的研究

本文考察了五种铅盐对HMX/AP/Al/HTPB推进剂凝聚相反应、气相反应和燃速的催化作用.实验结果表明,HMX/AP/Al/HTPB推进剂的燃速主要受气相反应速度控制;本研究所选用的铅的化合物在该推进剂系统中的主要催化部位不同.     

燃烧催化剂苯甲酸铜盐及其衍生物的热分解研究（Ⅱ）：双取代基苯…

羟基氢基苯甲酸铜，二羟基苯甲酸铜，二硝基苯甲酸铜和对硝基苯甲 ＤＳＣ和ＴＧ热分解研究表明，与苯甲酸铜一样，它们分解都生成一种稳定的二聚体中间产物－双核铜五元环络合物，前二者还能生成一种八元环二聚体强合物。     

2009-2018年新津机场低能见度和雾特征分析

利用2009-2018年新津机场气象台地面逐小时观测资料,结合新津机场飞行起降标准和气象预报需求,分别对能见度低于1.8 km、1 km和0.8 km 3个等级进行统计分析。结果表明:能见度低于1.8 km天气逐年减少,能见度低于1 km天气呈现3-4年周期性变化,能见度低于0.8 km天气年变化幅度小。各级低能见度冬季出现日数最多、持续时间长,其次为秋季和春季,夏季出现日数最少、持续时间最短。日变化呈现“先减少,后增加”,能见度低于1 km和0.8 km变化集中在08-13时。     

基于环境试验的某发动机舰面清洗时机影响分析

提出了一种基于环境试验的发动机舰面清洗时机研究方法。首先，通过海洋大气暴露试验，模拟某发动机部件典型材料在北方某海域服役的实际情况，并获取其盐沉积量与点蚀的变化规律，初步分析了这2个关键因素对于确定发动机舰面清洗时机的影响；然后，通过对比分析南方某海域与北方某海域的环境差异，综合给出某发动机在不同海域服役时舰面清洗时机的初步建议。     

利用无线通信链路进行基于深度学习的大雾天气监测

为了以低成本、高时空分辨率进行大雾天气监测，提出一种利用无线通信链路进行基于深度学习的大雾天气监测方法。由于信道中不同浓度的大雾天气在信号中留有的特征不同，采集了4种不同浓度大雾下的无线电信号，建立无线电大雾天气监测数据集；通过在传统ResNet50网络中引入注意力机制并进行特征融合，得到改进后的A-ResNet50模型。利用A-ResNet50网络提取接收信号中留有的不同浓度大雾天气的特征，对四类不同浓度大雾天气进行分类识别，达到监测大雾天气的目的。所提方法在建立的数据集上进行了验证，相较于其他传统分类算法，本方法性能最优，最终识别准确率达到86.18 %，结果证明了该方法的可行性和有效性。