配位硅改性聚丙烯酰胺的合成与絮凝效果探究.doc

配位硅改性聚丙烯酰胺的合成与絮凝效果探究 1、相关定义 1.1、TOPSIS法的概念 TOPSIS法全称是逼近于理想解的排序方法(Technique for Order Preference by Similarity to Ideal Solution),它是一种基于方案对比的方法,其关键点是通过评估 方案的测度——多维属性空间的欧式距离来度量各方案的优劣评估值 [66]。干扰方 式的优选采用TOPSIS法也是可行的。将干扰性能的结构划分为系列的评估指标后 (扁平化指标),各指标提炼多个属性来表达其内涵,进而把这些属性按照指标列 表构成评估矩阵。而在实际的优选算法中,其指标的属性值大部分是仿真采集并 计算出来的基础指标值,另外部分定性指标是由专家经验与偏好判断给出。于是 效能的评估问题可转化为一个多属性的评估问题,评估属性一般按方案×属性二维 国防科学技术大学研究生院硕士学位论文 第 66 页 形式,如下 表 4. 3 所示: 表 4. 3 效能评估方案属性表 效能评估方案 属性 1 属性 2 属性 n 干扰方案 1 C11 C12 C1n 干扰方案 n Cn1 Cn2 Cnn 其中,Cij 代表第 i 个干扰方案的第 j 个属性,一般由仿真中采集得到或者由 专家给出。 1.2、灰度共生矩阵的定义 灰度共生矩阵是在图像二阶组合条件概率密度函数的基础上建立的。假设待 分析的纹理图像为矩形,图像的水平方向为 X 轴,设该方向上有数量为N x个像素 点数,图像的垂直方向为Y 轴,设该方向上有数量为N y个像素点数,N g代表图像 的灰度级数。记水平空间域为 L x {1,2, Nx},垂直空间域为 L y {1,2, Ny},量 化灰度级为 G {1,2, ,Ng}。图像像元集可以用L x Ly表示,那么图像可以表示为 一个函数,其形式为: f: Lx Ly G。在图像纹理中,在某个方向上间隔一定距 离的两个像元灰度出现的统计规律,从一定程度上是由这个图像的纹理特征决定 的。可以用矩阵表示这个统计的规律,那么这个矩阵就是灰度共生矩阵。 灰度共生矩阵描述图像中的一对像素点,设两者之间的距离为d,在图像中任 意取一点 ( k ,l)和另一个点 ( m ,n)组成一个点对。令i 为点 ( k ,l)的灰度值, j 为点 的灰度值,则该点对对应的灰度值为 ( i ,j)。通过移动图像上的点 ,就可 以获到不同的灰度值。设G 为图像灰度级数,那么 和 共有G 2种组合。统计每一 种组合出现的频度,记为 P (i ,j,d, ),则 [ P (i,j,d, )]就是灰度共生矩阵,它的数 学表达式为: P(i ,j,d, ) {[(k,l),(m,n)] (Lx Ly) (Lx Ly)|d, ,f(k,l) i,f(m,n) j}(4-15) 角度 为正向的0 ,45 ,90 ,135 ,对特定的 ,45 ,90 ,135 灰度共 生矩阵的表达式如下: P(i,j,d,0 ) {[(k,l),(m,n)] (Lx Ly) (Lx Ly)| k m 0,|l n| d,f(k,l) i,f(m,n) j}(4-16) P(i,j,d,45 ) {[(k,l),(m,n)] (Lx Ly) (Lx Ly)| (k m d,l n d)or(k m) d,l n d),(4-17) f(k,l) i,f(m,n) j} 36 干涉合成孔径雷达成像及其遮盖式干扰技术研究 P(i,j,d,90 ) {[(k,l),(m,n)] (Lx Ly) (Lx Ly)|8) |k m| d,l n 0,f(k,l) i,f(m,n) (4-1j} P(i,j,d,135 ) {[(k,l),(m,n)] (Lx Ly) (Lx Ly)| (k m d,l n d)or(k m d,l n d),(4-19) f(k,l) i,f(m,n) j} 1.3、阻燃剂的定义和分类 1.3.1 阻燃剂的定义1.3.1 阻燃剂的定义 阻燃剂(Flame Retardant,简称 FR)是一种可以改善材料抗燃性能的助剂,可以阻 止材料的持续燃烧和抑制火焰向四周传播[16,17]。主要用于阻燃天然高分子材料与有机合 成高分子材料。 1.4、弹性涂料的定义及功能 弹性涂料是以合成树脂乳液为基料,颜料、填料及助剂配制而成,施涂一定 厚度(干膜大于等于150μm)后,能覆盖基材伸缩运动而产生的细小裂纹。它不 仅具有普通涂膜的特性,而且能在较大的温度范围内,保持一定的回弹性、柔韧 性及优良的伸长率,从而可以弥补建筑物表面产生的裂纹,使涂膜保持完整[6]。 弹性涂料的性能主要受弹性乳液的性能和用量的影响。普通的乳液玻璃化温度一 般较高,在高于环境温度时,聚合物进入玻璃态,涂膜