O(1D)和CD4反应的准经典轨线

在新的全域势能面上, 用准经典轨线方法细致地研究了O(¹D)+CD₄多通道化学反应的动力学．这个势能面是用交换不变多项式方法基于MRC+Q/aug-cc-pVTZ从头算点拟合得到的．通过计算得到了产物OD+CD₃、D+CD₂OD/CD₃O和D₂+DCOD/D₂CO的分支比、平动能分布以及角度分布,结果显示理论与实验吻合得较好, 从而说明了这个反应的同位素取代效应很小． 研究表明,O(¹D)+CD₄反应是经过陷入的抽取机理发生的： 最初主要通过D原子的抽取,并不是之前人们认为的直接C-D键的插入形成CD3OD中间物后再进而解离成各个产物通道．     

基于联合变换相关的机载航空相机像移测量

为了提高像移测量精度,针对机载航空摆扫相机提出一种坐标变换法和图像相关法相结合的像移测量方法。利用坐标变换法得到初始像移速度,利用图像联合变换相关法对像移速度残差进行补偿。联合图像通过一个面阵CCD获得,该面阵CCD放置在相机焦平面上并与成像线阵TDI CCD平行,其输出的当前图像与参考图像合并构成联合图像进行二维空间联合变换相关运算,得到像移修正矢量。对该矢量分别在相机摆扫方向和载机飞行方向进行分解,从而得到摆扫像移和前向像移的修正量。仿真实验结果表明,在输入图像信噪比为4 dB时,像移测量误差在0.1 pixel以内。     

玉米粕蛋白质提取工艺的响应面法分析

探讨提取玉米粕蛋白质的最佳工艺条件。在单因素试验的基础上,选取料液比(g·mL-1)、温度、NaoH浓度为响应因子,玉米粕蛋白质的提取率为响应值,实施3因素3水平的响应面分析,建立数学模型,得出最佳工艺条件。试验结果表明,玉米粕蛋白质的最佳提取条件为:料液比1:6.89(g·mL-1)、温度44.92℃、NaoH浓度0.078mol·L-1,在此工艺条件下玉米粕蛋白质的提取率可达到40.57%。     

固体异质结界面结构预测方法及AutoInterface程序实现

预测材料异质结的界面原子结构对于理解界面对性能的影响至关重要. 目前, 从理论上预测材料界面结构仍具有极大挑战, 主要是缺乏普适有效的理论计算方法. 本文介绍了本课题组在异质结界面结构预测方面取得的最新进展. 结合马氏体相变唯象理论、 图论和随机表面行走算法, 提出了界面结构的一种有效预测方法, 可以实现自动化的计算预测. 通过GaP/TiO₂半导体异质结等展示了该方法的有效性和在催化等领域的应用前景.     

碳量子点在八面双锥和纳米片TiO2上的光催化

依次用溶剂热法和水热法制备得到暴露(101)晶面的八面双锥体二氧化钛OBP-TiO2和不同碳负载量的N-CDs/OBP-TiO2复合催化剂,以及暴露(001)晶面的纳米片二氧化钛TNS和不同碳负载量的N-CDs/TNS复合催化剂。利用TEM、XRD、XPS等表征手段对这2类复合催化剂的形貌结构、化学成分等作了鉴定。系统研究了碳量子点负载量对可见光降解RhB的光催化性能影响。实验发现,由于N-CDs的加入,均能较大提高2类复合催化剂的光催化性能。(101)高裸露晶面N-CDs/OBP-TiO2比(001)高裸露晶面N-CDs/TNS的光催化活性高。     

高指数晶面纳米催化剂的电化学制备及应用

催化剂的性能与其表面结构及组成密切相关,高指数晶面纳米晶的表面含有高密度的台阶原子等活性位点而表现出较高的催化活性. 本文综述了电化学方波电位方法用于Pt、Pd、Rh等贵金属高指数晶面结构纳米晶催化剂的制备、形成机理及其电催化性能的研究. 针对贵金属利用率问题,还着重介绍了具有较高质量活性的小粒径Pt二十四面体的制备. 在此基础上,还介绍了电化学方波电位方法用于低共熔溶剂中制备高指数晶面纳米晶,以及高指数晶面纳米催化剂的表面修饰及应用;最后对高指数晶面纳米催化剂的发展做出了展望.     

基于恒等映射多层极限学习机的高速列车踏面磨耗预测模型

针对高速列车车轮踏面磨耗单一模型无法对各种复杂工况下列车车轮踏面磨耗进行定量计算的问题, 提出一种基于恒等映射多层极限学习机的高速列车车轮踏面磨耗测量方法. 首先将恒等映射引入到多层极限学习机中, 提出一种基于恒等映射的多层极限学习机模型(identity multilayer extreme learning machine, I-ML-ELM), 采用机器学习公共数据集对该模型进行性能验证, 数值结果表明I-ML-ELM模型具有较好的准确性与泛化性; 然后基于车辆-轨道耦合动力学理论建立高速列车的车辆-轨道耦合动力学模型, 模拟列车运行的不同工况, 观测和分析高速列车的车轮踏面磨耗情况, 并通过I-ML-ELM预测模型对高速列车车轮踏面磨耗量进行学习及预测; 最后应用高速列车车轮踏面磨耗的实际测量值对I-ML-ELM预测模型进行进一步的验证, 结果表明: I-ML-ELM预测模型的各项性能参数指标在整体上优于以下五种网络: ELM, FLN, ML-ELM, ML-KELM和DLSFLN, 通过高速列车线路实测数据的进一步验证表明, 本文提出的基于I-ML-ELM的高速列车车轮踏面磨耗预测模型能较好地反映不同参数对高速列车车轮踏面磨耗值的影响规律.      

不同细料含量土石混合料塑性行为离散元模拟

土石混合料是指由大粒径的块石和作为填充成分的细粒土组成的二元混合料, 其塑性行为与细料含量密切相关. 目前对细粒含量如何影响土石混合料塑性行为及其细观机制的研究尚不充分, 为此本文开展了不同细料含量土石混合料的二维离散元数值模拟, 基于二阶功失稳准则与细观力学理论, 探究了细料含量对石料骨架土石混合料失稳特性与非关联流动特性的影响, 并揭示了细料含量影响土石混合料塑性力学行为的细观机制. 研究结果表明, 细颗粒可通过限制集合体塑性变形从而起到促进集合体整体稳定的作用; 细颗粒控制颗粒集合体塑性变形的方向(即塑性势面法方向), 随着细料含量增大, 土石混合料的塑性势面法方向和屈服面法方向之间的夹角减小, 非关联流动性减弱, 材料分岔失稳区域变窄; 尽管加入到石颗粒中的部分细颗粒与石颗粒共同承担骨架作用, 但是细颗粒的加入不影响颗粒集合体的力学状态, 不改变材料屈服面法方向. 相关研究结果可为建立考虑细料含量的土石混合料弹塑性本构模型提供理论依据.      

[100]LiF单晶在60 GPa以内冲击加载下的高压屈服强度特性

获取光学窗口自身的高压强度特性是开展材料高压高应变率冲击响应行为精密测量和数据反演的重要基础。利用平板撞击和双屈服面法,通过冲击-卸载、冲击-再加载原位粒子速度剖面精细测量和数据反演,获得了约60 GPa范围内[100]LiF屈服强度特性随冲击压力的变化规律。结果表明:在实验压力范围内,[100]LiF的屈服强度随加载压力的提高而显著提高,压力硬化效应显著;同时,LiF在冲击加载下的屈服强度高于磁驱准等熵加载结果,应变率硬化效应强于热软化效应。采用Huang-Asay模型确定了可描述冲击加载[100]LiF强度特性的本构模型参数,为LiF在强度、相变、层断裂等加窗测量实验中的深入应用和数据准确解读提供了重要支撑。