ETFE管关键属性

  ETFE 是一种含氟聚合物,在化学和结构上与聚烯烃(如聚乙烯)相似,因此比其完全氟化(全氟聚合物)对应物 - PTFEFEPPFA具有更高的耐磨性、抗冲击性和抗压性。

  ETFE 管通常用于线束、需要耐候性的外膜应用,以及需要特定耐化学性和耐磨性的储罐内衬。它在 25°C 下的高拉伸强度也导致在该温度下更高的工作压力。ETFE 的机械和化学性能曾经(现在仍然)如此强大,以至于它被选为奥运会的材料!为 2008 年夏季奥运会而建造的北京国家游泳中心是最大的由 ETFE 复合膜制成的建筑。

关键属性

  • 1.高耐磨性,同时保持化学惰性
  • 2.在 25 摄氏度时具有比 PTFE、FEP、PFA 更高的拉伸强度和工作压力
  • 3.比 PTFE、FEP 和 PFA 更有限的耐化学性
  • 4.非常适合机械、电气、建筑和航空航天应用
  • 5.最高使用温度 300 F (~150 C)
  • 6.天然ETFE是半透明的
  • 7.技术资源中的更多信息

 

  *由经验丰富的含氟聚合物制造商 Fluorotherm™在美国制造,ETFE 管在颜色和伽马、蒸汽、气体或化学消毒方面是半透明的。

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值