单组分聚氨酯乳液胶粘剂的制备与性能研究

来源 :广州化工 | 被引量 : 0次 | 上传用户:sl604
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
采用分子量为1000的聚丙二醇与甲苯二异氰酸酯反应制得一定异氰酸酯基含量的预聚体,然后加入亲水扩链剂进行扩链,最后加水乳化中和后得到单组分聚氨酯乳液胶粘剂.研究了异氰酸酯指数(R值)、亲水扩链剂和中和剂对聚氨酯乳液胶粘剂性能的影响.当R=3.5,亲水扩链剂用量为7%,中和度为100%时,单组分聚氨酯乳液胶粘剂综合性能较优.
其他文献
目的:观察脑出血患者术后早期吞咽障碍的早期康复护理效果.方法:选取本院2020年1月到2021年1月期间收治的100例脑出血合并早期吞咽障碍患者,随机将这100例患者两组,分为对照组(50例)和观察组(50例).其中,对对照组实施常规性护理干预,观察组则在常规护理的基础上增加康复护理干预,通过两种不同的护理方式,对比分析患者的并发症情况和护理满意度.结果:观察组患者的护理满意度和并发症情况明显优于对照组,数据间呈现的差异明显,有统计学意义(P<0.05).结论:对脑出血合并术后早期吞咽障碍的患者进行康复护
针对鲸鱼优化算法(WOA)在解决高维复杂问题时存在收敛速度慢、全局搜索能力不足的问题,提出一种最优最差个体混合反向学习的WOA(M WOA).首先,引入一种自适应惯性权重,用于调节寻优前期的步长和寻优后期的种群多样性;其次,提出一种混合反向学习策略并将其融入WOA,以提高算法的收敛精度;最后,引入一种参数非线性衰减策略,以提高其在高维度以及复杂问题上的探索开发能力和收敛速度.将MWOA与WOA、MS-WOA、IWOA对10个基准函数的优化效果进行比较,结果表明M WOA在收敛速度、优化精度上相较对比算法均
采用超高效液相色谱串联三重四级杆质谱法,建立了磷酸肌酸钠中潜在遗传毒性杂质磷酸甲酯含量测定方法.经方法学验证,方法简便、高效、灵敏,可用于磷酸肌酸钠中磷酸甲酯的检测.
针对由数据表述产生的不确定性模糊系统的模型检测问题,给出模糊计算树逻辑模型检测算法.首先,引入模糊决策过程作为此类系统的模型,其最大特点是在迁移过程中对动作的不确定性选择和状态表述的模糊性.然后,在模糊决策过程基础上,给出模糊计算树逻辑的语法和语义.最后,给出模糊计算树逻辑模型检测算法,该算法是将模糊计算树逻辑模型检测问题转换为模糊矩阵的合成运算,其优势是时间复杂度低、计算过程较为简洁.
在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据.生成对抗网络为扩增训练样本提供了可行的解决办法.在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型,将正向生成器生成的图像,输入到反向生成器,保持样本整体轮廓的同时,增加了差异性.将改进的CycleGAN模型与其他GAN模型在SSD目标检测方法中进行比较,结果表明改进的CycleGAN扩增数据集的方法相较于其他扩增方法在绝缘子掉串检测识别率上有明显提升.
时间序列数据通常是指一系列带有时间间隔的实值型数据,广泛存在于煤矿、金融和医疗等领域.为解决现有时间序列数据分类问题中存在的含有大量噪声、预测精度低和泛化性能差的问题,提出了一种基于正则化极限学习机(RELM)的时间序列数据加权集成分类方法.首先,针对时间序列数据中所含有的噪声,利用小波包变换方法对时间序列数据进行去噪处理.其次,针对时间序列数据分类方法预测精度低、泛化性能较差的问题,提出了一种基于RELM的加权集成分类方法.该方法通过训练正则化极限学习机(RELM)隐藏层节点数量的方法,有效选取RELM
从当前的人口增长形势来看,我国已经进入老龄化社会,这一社会形势对养老制度提出了更为严苛的要求.2020年,新冠肺炎席卷全球,对我国社会经济发展全局乃至国际形势造成了翻天覆地的影响,同时也造成了国民养老理念的变化.在新冠肺炎已得到基本控制的后疫情时代,如何根据现阶段的实际情况对养老制度进行完善和优化,是当前社会所需解决的首要任务之一.
目的 分析高危产妇剖宫产防治中欣母沛与缩宫素联合用药的临床效果和用药安全性.方法 选取2019年10月~2020年9月高危剖宫产产妇85例,按照用药分组,A组(欣母沛+缩宫素)42例,B组(缩宫素)43例,比较出血量、安全性.结果 出血量比较,A组不同节点出血量较少(P<0.05);安全性比较,A组[11.90%(5/42)]与B组[11.63%(5/43)]差异无统计学意义(P>0.05).结论 在缩宫素治疗基础上以欣母沛联合用药,可有效预防和治疗高危剖宫产产妇产后出血,促进安全分娩,疗效和安全性较好.
针对区块链环境中海量高维的数据使得推荐性能低下的问题,通过对局部敏感哈希算法的优化,降低其在近邻搜索过程中带来的额外计算和存储开销.利用数据分布的主成分减少传统LSH中不良捕获的投影方向,同时对投影向量权重进行量化,以减少哈希表和哈希函数的使用;通过对哈希桶的间隔进行调整,并且根据冲突次数的大小进一步细化查询结果集,以显著降低距离计算的时间开销;最后采用加权平均策略进行评分预测并产生推荐列表.实验表明:与其他算法相比,优化后的LSH仅需要少量的哈希表和哈希函数就可以获得较为精确的近邻搜索结果,且搜索效率有
属性网络嵌入旨在学习网络中节点的低维表示,具有拓扑和属性相似的节点在嵌入空间彼此接近.注意力机制能有效学习网络中节点与其邻居的相对重要性并基于邻居重要性聚合节点表示.据此,提出一种在属性网络中融合双层注意力机制的节点嵌入算法NETA,可以有效地实现属性网络嵌入.该算法首先从拓扑结构捕获直接邻居,基于属性关系捕获间接邻居,并在此过程中考虑节点邻居的相对重要性.具体地,首先捕获节点的直接邻居和间接邻居,然后设计节点级注意力分别聚合直接邻居表示和间接邻居表示,最后设计语义级注意力对2种嵌入表示融合得到最终嵌入.