lubrizol Advanced Materials,Inc。(“ Lubrizol”)希望您找到了提供的信息,但是您警告您,该材料(包括任何原型公式)仅用于信息目的,并且独自负责自己对信息的适当使用进行评估。在适用法律允许的最大范围内,Lubrizol不做任何陈述,担保或保证(无论是明示,暗示,法定还是其他),包括对特定目的的适销性或适用性的任何暗示保证,或任何信息的完整性,准确性或及时性。lubrizol不能保证此处参考的材料将如何与其他物质一起执行,以任何方法,条件或过程,任何设备或非实验室环境中的任何方法,条件或过程。在包含这些材料的任何产品进行商业化之前,您应该彻底测试该产品,包括产品包装的方式,以确定其性能,功效和安全性。您对您生产的任何产品的性能,功效和安全性负责。lubrizol不承担任何责任,您应承担所有使用或处理任何材料的风险和责任。所有司法管辖区都不得批准任何索赔。任何与这些产品相关的索赔的实体均负责遵守当地法律和法规。您承认并同意您正在使用此处提供的信息自负。如果您对Lubrizol提供的信息不满意,则您的独家补救措施将不使用信息。未经专利所有人许可,本文中没有任何内容作为许可,建议或诱因,以实践任何专利发明,而您的唯一责任有责任确定是否存在与专利侵犯与所提供信息有关的任何组件的专利侵犯或组合组合有关的问题。
使命:开发技术基础,使 MSR 能够安全、经济地运行,同时保持高水平的抗扩散能力。1) MSR 可以提供美国到 2050 年实现净零碳排放所需的大部分能源;2) 在可预见的未来,全世界都需要丰富的能源。
摘要。交通摄像头的视频供稿对于许多目的都是有用的,其中最关键的是与监视道路安全有关。车辆轨迹是危险行为和交通事故的关键要素。在这方面,至关重要的是要脱离那些异常的车辆轨迹,即偏离通常的路径的轨迹。在这项工作中,提出了一个模型,以使用流量摄像机的视频序列自动解决该模型。该提案通过框架检测车辆,跨帧跟踪其轨迹,估计速度向量,并将其与其他空间相邻轨迹的速度向量进行比较。可以从速度向量的比较中,可以检测到与相邻的trajectories非常不同(异常)的轨迹。实际上,该策略可以检测错误的轨迹中的车辆。模型的某些组成部分是现成的,例如最近深度学习方法提供的检测;但是,考虑了几种不同的选择和分析车辆跟踪。该系统的性能已通过各种真实和合成的交通视频进行了测试。
摘要:随着社会经济的发展,机械工程、航空航天等行业对能够高效利用金属材料并获得良好性能的表面处理技术的需求日益增加。激光金属沉积(LMD)熔覆技术因其稀释率较低、热影响区较小、涂层与基体之间冶金结合良好等特点成为近年来的研究热点。本文综述了LMD技术中与缺陷形成直接相关的熔池晶粒生长机制、温度和应力分布的模拟技术,同时介绍了LMD技术中缺陷的抑制方法和熔覆层性能的提升方法。最后指出根据所需性能主动选择材料,结合可控加工工艺,形成相应的组织结构,最终主动实现预期功能,是LMD技术未来的发展方向。
氯化物盐具有在高达 800 C 的极高温度下使用的巨大潜力(例如 MgNaK//Cl 混合物),但也可用作低熔点 HTF,例如共晶 ZnNaK//Cl(T m = 200 C)的情况。[12] 由于具有足够的热容量,氯化物盐是熔融盐催化转化过程中最有前途的 HTF。 尽管如此,其化学性质也带来了技术挑战。 在热能存储领域,由于氯化物盐在高温下对金属合金的腐蚀性质,人们对其进行了深入研究。 人们普遍认为,腐蚀机理受许多参数的影响,主要是温度、盐纯度以及主要基于氧和/或水分的杂质的存在(例如,参见 Ding 关于熔融氯化盐腐蚀的综述 [12])。在未来的热能存储中发挥重要作用的MgCl 2基熔盐中,主要的腐蚀性杂质已被鉴定为羟基氯化物(MgOHCl),并且假定它是水合MgCl 2水解的产物。 [12,13]可以使用不同的方法显着降低杂质水平,例如电解盐净化[14]或添加牺牲剂,例如元素Mg,[15]与杂质反应形成惰性MgO。以类似的方式,添加固体氧化物(例如ZnO和CaO)可显着减少
我们工作的重点是改善气候模型中异常的解释性,并促进我们对北极熔体动态的理解。北极和南极冰盖正在迅速融化并增加了淡水径流,这显着导致了全球海平面上升。了解在这些地区驱动融雪的机制至关重要。ERA5是极地气候研究中广泛使用的重新分析数据集,可提供广泛的气候变量和全球数据同化。但是,其融雪模型采用了一种能量不平衡的方法,可能会过度简化表面熔体的复杂性。相反,冰川能量和质量平衡(GEMB)模型结合了其他物理过程,例如积雪,FIRN致密化和融化液化/重新冻结,提供了表面熔体动力学的更详细的表示。在这项研究中,我们专注于分析格陵兰冰盖的表面融雪材料,并使用ERA5和GEMB模型中异常熔体事件的特征归因。我们提出了一种新型的无监督归因方法,利用反对解释方法来分析ERA5和GEMB中检测到的异常。我们的异常检测结果通过模仿地面真实数据进行验证,并针对既定的特征排名方法进行了评估,包括XGBoost,Shapley值和随机森林。我们的归因框架标识了每种模型背后的物理和气候特征驱动熔体异常的特征。这些发现证明了我们的归因方法在增强气候模型中异常的解释性并促进我们对北极熔体动力学的理解方面的实用性。