科教融合下高分子材料阻燃性能提升实验教学拓展探索

来源 :实验室研究与探索 | 被引量 : 0次 | 上传用户:godman007
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
拓展科教融合的实验教学有助于培养学生的创新能力.结合高分子材料科研方向,凝练出聚氨酯高分子材料阻燃性能提升的实验教学内容.学生通过查阅文献,分析不同材料的阻燃效果、实现的难易程度,选择添加型阻燃剂来提升聚氨酯高分子材料的阻燃性能.为达到最佳的阻燃效果,最终采用无机—有机协同添加的方式对聚氨酯高分子材料进行改性.实验测试了材料的热释放速率、热重与氧指数,得出材料阻燃性能的提升程度.这种“科研—教学—思辨—实验”的四位一体化的实验教学拓展方式,使学生对高分子材料理论知识有了更深层次的理解和认识,切实提高学生的思辨和创新能力.
其他文献
围绕新一代科技和产业革命浪潮下轨道交通产业升级发展的数字化、网络化、智能化需求,西南交通大学与卡斯柯信号有限公司充分发挥各自的行业和品牌优势,探索轨道交通产教融合、协同育人新模式.双方以校企战略合作协议为保障,依托西南交通大学大数据、云计算、人工智能、VR等领域的重点规划与建设:从学科专业建设、人才培养顶层设计出发,构建起涵盖“本科生-研究生-技术攻关”全链条的深度产教融合协同育人新模式.实践表明:该模式兼顾了学生、学校、企业三方利益,明显提升了行业人才的培养质量和声誉,并进一步促进产业升级和发展.该探索
针对水驱油藏传统优化方法过于依赖人为经验及顺序优化难以求得全局最优解等问题,提出一种基于机器学习的井位及注采参数联合优化方法.基于水驱油藏特征,利用随机森林算法筛选影响注水开发效果的主控因素,以井网形式、产量和注采比等作为输入参数,累计产油量为输出参数,通过流线数值模拟方法构建机器学习预测样本集,综合径向基函数神经网络预测水驱开发效果.基于粒子群算法建立优化数学模型,以最大化产油量作为目标对井网形式和注采参数进行联合优化求解.结果表明,与传统优化方法相比,联合优化方法能够自动同步优化井网形式、井位和注采比
随着国家对安全重视程度的提升,高校不断加强实验室安全管理工作,并形成了一些管理体系.为了防止体系固化带来的问题,不断提升实验室安全管理水平,使安全管理更好地支持科研发展和人才培养,亟需从安全管理的本质和内涵出发,对实验室安全管理理念进行科学系统的总结,以此来指导高校实验室安全管理整体工作.在调研欧、美、亚世界一流大学实验室安全管理的基础上,从实验室安全文化、安全管理方式、机构及队伍建设、教育培训及准入等方面对实验室安全管理理念进行了阐述.同时,以清华实验室安全管理理念及实践作为例子,以期为高校实验室安全管