Cu2O/TiO2-Bi2WO6三元复合催化剂的制备及光催化性能研究

采用水热法制备花状Bi2 WO6,并利用超声分散法制备了Cu2 O/TiO2-Bi2 WO6复合光催化剂,通过FESEM、XRD、XPS、FI-IR、UV-vis DRS和PL对光催化剂进行了分析和表征.表征结果证明:花状Bi2 WO6表面负载着碎片状的TiO2和立方体Cu2 O形成Cu2 O/TiO2-Bi2 WO6复合光催化剂;以短链脂肪酸(SCFAs)为牺牲剂,考察复合光催化剂的光催化产生氢气和烷烃的性能.实验结果表明:Cu2 O/TiO2-Bi2 WO6复合光催化剂以乙酸为牺牲剂,主要产氢气和甲烷,降解率高达91.82;;以丙酸为牺牲剂,产物主要是乙烷和丁烷,降解率高达90.70;;以丁酸为牺牲剂,除了氢气,甲烷,乙烷,丙烷,丁烷外,气体产物还含有一定量的戊烷,其降解率高达91.50;.结合反应液中间产物的成分进行检测,由此推断出光催化反应的可能机理.     

用标准件对梯度磁场定标

就标准厚度卡片在霍尔传感器的定标方面的应用作了有益的探讨。在纵向测量微小长度时,霍尔片处于磁场边缘位置,其对磁场的梯度更大,即灵敏度更高,且靠中心位置的线性更好。     

煤直接液化油中混合酚的分离研究

利用分子筛择形特点，对煤直接液化油中的混合酚实施高效分离。本研究选取间甲酚和对甲酚作为分离煤直接液化油馏分段混合酚的模型化合物，采用化学液相沉积法对HZSM-5吸附剂的孔口结构进行改变，分析分子筛硅铝比及颗粒粒径对模型化合物间甲酚和对甲酚吸附分离性能的影响，以获得高性能固相吸附剂，并将其应用于180-190℃馏分段混合酚分离。结果表明，当分子筛硅铝比为25、粒径为3-5 μm时，分子筛的孔口结构调节效果最优；当正硅酸乙酯的最小用量为0.2 mL/g时，固相吸附剂的吸附量为0.03 g/g，对甲酚选择性高于95%。由于外表面沉积物对吸附剂的孔口结构变化，导致对甲酚选择性的提高。进一步采用HZSM-5（1）吸附剂对真实煤直接液化油混合酚的分离中发现，苯酚和对甲酚的选择性均达到100%。     

单晶硅晶格间距的测量技术进展及应用

单晶硅晶格间距是许多重要物理常数测量的基础。本文介绍了硅晶格间距测量技术的发展历程,包括X射线干涉仪直接测量和晶格比较仪间接测量两种方法,以及影响测量结果不确定度的关键因素。得益于晶格间距测量的进展,在纳米尺度,硅晶格间距被国际计量局(BIPM)批准成为新的米定义复现形式。最后介绍了硅晶格在计量学中的应用,以及基于硅晶格实现纳米几何量测量的溯源体系的研究趋势。     

化学法改性煤沥青脱除苯并芘的研究

在管式反应器中采用苯甲酸、聚乙二醇、固体古马隆树脂（S）、液体古马隆树脂（L）为添加剂来降低煤沥青中有害物质苯并芘的含量，以期使得煤沥青可绿色化应用。采用紫外-可见分光光度计分析煤沥青中苯并芘含量。考察了反应温度、反应时间、添加剂添加量、催化剂等工艺条件对添加剂脱除煤沥青中苯并芘的影响。结果表明，不同工艺条件能降低煤沥青中苯并芘的含量。在优化条件下，不同添加剂对苯并芘脱除率由高到低依次为：液体古马隆树脂、聚乙二醇、苯甲酸和固体古马隆树脂。分析其反应机理，这与催化剂的酸性相关，发生亲电取代反应。结果表明，液体古马隆树脂（L）在催化剂存在下对煤沥青中苯并芘脱除率可达73.0%，显示了良好的应用前景。     

新型含吡啶基团二羧酸配体的合成及单晶培养

以1，4-二溴-2，5-二甲基苯和4-吡啶硼酸为原料，经两步合成了一种新颖的含吡啶基团的二羧酸配体。通过核磁共振氢谱及傅里叶变换红外光谱对配体结构进行表征，通过热重分析对配体的热稳定性进行了测试；通过溶剂热法对配体的单晶进行培养，并考察反应温度、时间、pH和溶剂等条件对单晶培养的影响。结果表明：在反应温度为80 ℃，反应时间为12 h、溶剂为蒸馏水、溶液pH=5的条件下可获得高质量单晶。该配体为单斜晶系，属于C2/c空间群，结构中含有4个氧原子和2个氮原子，可为金属离子的配位提供足够的位点，有望应用于配合物的设计或催化、吸附和医药载体等行业。     

Photodegradation mechanisms of acyclovir in water and the toxicity of photoproducts

Journal of Radioanalytical and Nuclear Chemistry - In the present work the final products of coumarin radiation chemical transformation are investigated by chromatography. During radiolysis of...     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。