2 印度 Bhimavaram SRKR 工程学院土木工程系 电子邮件:a、* jagadeep.kankatala@gmail.com(通讯作者),b senaadheva@gmail.com,c siva_1667@yahoo.com,d jee.ezhiljodhi@gmail.com 摘要。本研究旨在检验沸石(Z)和氧化石墨烯(GO)对自密实混凝土(SCC)效率的影响。采用常规测试来评估变化对微观结构、力学性能和耐久性的影响。研究重点是废物排出的持久性。选择用于研究耐久性的测试包括快速氯化物渗透试验 (RCPT)、回弹锤试验、耐酸、耐碱和耐硫酸盐试验、超声波脉冲速度 (UPV) 试验、矿物成分和微观结构的 SEM 和 XRD 检查。经鉴定的最佳混合物 Z10G2(沸石 10% 和氧化石墨烯 0.02%)与传统混凝土 (CC) 相比表现出优异的耐化学性和机械完整性。这增强了材料的微观结构和物理特性。基于这些发现,经鉴定的混合物似乎能够提高混凝土结构的有效性和耐久性。总体结果表明,将经鉴定的混合物引入混凝土混合物中有可能提高各种环境条件下的耐久性和性能。为了准确评估提高混凝土结构寿命的潜在好处,需要进一步研究对这些结构的长期影响。关键词:沸石、氧化石墨烯、快速氯化物渗透试验、超声脉冲速度、SEM 和 XRD。
摘要。对微型化,高功率密度和高频电子设备的需求不断增长,突显了具有高电磁干扰(EMI)屏蔽的聚合物复合材料的重要性。这些复合材料对于维护设备,减少沟通错误和保护人类健康至关重要。在这项研究中,我们通过静电相互作用和热压缩技术开发了一种机械压力的聚苯乙烯,MXENE和硝酸硼纳米片(BNNS)的复合材料。在复合材料中构建3D填充网络导致了显着的EMI屏蔽效果,尤其是在低频范围内。此外,观察到与非涂层样品相比,BNNSS包被的样品促成了优质EMI屏蔽效率。这表明BNNSS通过在复合材料中提供其他接口来提高EMI屏蔽效果,并有助于防止MXENE降解。我们希望我们的研究能够为复合材料中3D结构化填充网络的发展提供宝贵的见解,同时有助于改善导热性和EMI屏蔽性能。
在纽约州对液压压裂的历史禁令近十年后,一家最近成立的州外公司试图利用法律A中的漏洞来制定危险,奇异且深远的计划,以在南部地区与液体二氧化碳(CO 2)一起在南部地区使用液体二氧化碳(CO 2)。该技术具有传统压裂的许多气候和环境问题,以及CO 2独有的危险。社区和环境拥护者正确地意识到,这种新计划仅是一种拼命而可疑的尝试,将压裂带到传统压裂是非法的地区。国家领导人不必以一种新的危险形式的化石燃料生产形式开放,而是必须弥合法律漏洞,拒绝碳捕获碳占领,并致力于为所有人生产清洁,负担得起的能源。
■ 如果您提供最少努力的提示,您将获得低质量的结果。您需要改进提示以获得良好的结果。这需要努力。■ 不要相信它说的任何话。如果它给您一个数字或事实,除非您知道答案或可以向其他来源核实,否则假设它是错误的。您将对该工具提供的任何错误或遗漏负责。它最适合您理解的主题。■ AI 是一种工具,但您需要承认使用它。请在任何使用 AI 的作业末尾附上一段,解释您使用 AI 的用途以及您使用什么提示来获得结果。不这样做违反了学术诚信政策。■ 请仔细考虑此工具何时有用。如果它不适合案例或情况,请不要使用它。
图 6:欠压保护时序图(高侧) Fig 6:Undervoltage protection sequence diagram (High side) b1 : 电源电压上升:当该电压上升到欠压恢复点,在下一个欠压信号被执行前该线路将启动运行。 b1: Power supply voltage rise: When the voltage rises to the undervoltage recovery point, the line will start running before the next undervoltage signal is executed. b2 : 正常运行 : MOSFET 导通并加载负载电流。 b2: Normal operation: MOSFET is turned on and load current is applied. b3 : 欠压检测 (UV BSD ) 。 b3: Undervoltage detection (UV BSD ). b4 : 不管输入是什么信号, MOSFET 都是关闭状态。 b4: No matter what signal is input, MOSFET is off. b5 : 欠压恢复 (UV BSR ) 。
自从 20 世纪中叶麦卡洛克-皮茨神经元 1 和感知器 2 模型诞生以来,人工智能 (AI) 或人工神经网络 (ANN) 在很大程度上仍然是一个计算机科学术语。由于计算能力不足,本世纪后期的进展受到阻碍。1980-2000 年期间的集成电路制造无法在单个处理器和内存芯片上高密度集成晶体管。因此,在深度神经网络 (DNN) 或深度卷积神经网络 (DCNN) 3 上运行模拟并存储指数级累积的数据在时间和能源成本方面是不切实际的,尽管当时 ANN 模型已经相对完善 4-10 。随着芯片密度的提升以及对摩尔定律的追求带来的图形处理单元 (GPU) 等多核处理器的出现,再加上更高效的 ANN 算法 3,11,12,计算能力瓶颈在本世纪初得到成功解决。2012 年,具有十亿个连接的 DNN 被证明能够识别猫和人体等高度概念化的物体 13。同年,DNN 被证明在图像分类准确率方面与人类不相上下(基于 MNIST 数据库),甚至在交通标志识别方面也超越了人类 14。脉冲神经网络 (SNN) 由 Maass 于 1995 年提出 15,16,它采用脉冲
Borealis 为公用事业和可再生能源应用提供行业领先的中压电力电缆化合物。我们的树木阻燃交联聚乙烯 (TR-XLPE) 绝缘材料 (Borlink™ LE4212) 已在 20 多年的使用历史中证明是可靠的。采用 Borealis 绝缘材料和半导体屏蔽层制造的电缆在北美各地的每家 TR-XLPE 电缆制造商中均有使用,通过公用事业电网和可再生能源为家庭和企业提供可靠的电力输送。
GERHARD SALGE – 所谓的“电流战争”已经过去一个多世纪了,爱迪生成熟的直流 (DC) 配电技术与西屋电气(后来成为 ABB 家族的一部分)等公司倡导的新型交流 (AC) 方法展开了较量。最初,直流电是美国中压 (MV) 配电的标准方法,但随着时间的推移,交流技术赶上并超过了直流电:实用的交流电机被开发出来;交流输电线路被证明效率更高;交流变压器被发明,可以进行简单的升压和降压——这是直流电的致命弱点。在直流电被淘汰后的 120 年里,交流技术已经发展到今天的中压配电网络与早期的先驱者截然不同的程度:现在,许多复杂的技术被用于电流传导、电气绝缘、开关操作、保护、控制和中断。现代 MV 分发产品提供商必须掌握所有这些。
底座宽度 18.6 (472) 18.6 (472) 底座深度 24.8 (631) 24.8 (631) 底座高度 4.6 (117) 4.6 (117) 柱高 44.6 (1132) 26.5 (674) 最大高度 70.1 (1780) 39.9 (1013) 外壳宽度 5.2 (132) 5.2 (132) 4.0 (102) 4.0 (102) 17.2 (436) 外壳高度 38.0 (968) 38.0 (968) 27.2 (691) 27.2 (691) 12.6 (320) 外壳深度 13.2 (336) 13.2 (336) 7.1 (181) 7.1 (181) 3.5 (88) 可用喉口 3.94 (100) 8.2 (209) 3.38 (86) 8.3 (210) 行程 5.50 (140) 5.50 (140) 3.50 (88) 3.50 (88) 重量 74 磅 (33 Kg) 250 磅 (114 Kg) 25 磅 (11.4 Kg) 230 磅 (105 Kg) 20 磅 (9 Kg) 最大焊接力 550 磅 (2447 N) 550 磅 (2447 N) 150 磅 (667 N) 150 磅 (667 N)