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。     

喷雾干燥-固相煅烧法制备球形钛酸狸负极材料的研究

通过喷雾干燥-固相煅烧法制备了球形钛酸钾.不同于传统喷雾干燥工艺采用固态钛源进行制备,本文采用的前驱体是钾盐,分散剂和钛酸四丁酯制备出的硝酸氧钛的混合溶液.由于制备方法中前驱体为原子级均匀分布,化学计量比可精确控制,制备出的材料颗粒细小,粒径、成分分布均匀,电化学性能优异.同时研究了不同钾钛摩尔比以及煅烧温度对球形钛酸钾的形貌和成分的影响,并研究了其作为钾离子电池电极材料的电化学性能.结果表明,钾钛摩尔比为0.816,煅烧温度为 800 ℃时钛酸钾的电化学性能最好,首圈容量 185.1 mAh/g,30 圈后容量为173.9 mAh/g,循环100圈后还有169.7 mAh/g的容量.     

狄拉克材料BaMnBi2的单晶制备和物理性质研究

在本工作中,我们成功制备了层状过渡金属磷族化合物BaMnBi2单晶样品,并研究了该化合物的磁学性质和电学输运性质.准二维化合物BaMnBi2具有四方晶体结构,主要包含有两个Bi四方格子层和一个共边的MnBi4四面体层.磁化率显示BaMnBi2在TN ＝288 K以下发生反铁磁相变,并表现出很强的磁各向异性.在反铁磁相变温度TN 以上,磁化率随温度呈线性关系,暗示体系在顺磁态具有很强的反铁磁关联.电阻率随温度变化曲线和在磁场下电阻率随角度的变化曲线都表明BaMnBi2具有准二维的电子结构.磁场导致的金属-绝缘体转变和低温下大的非饱和线性磁阻,与Bi四方格子层存在狄拉克费米子是一致的.     

p-Adic函数空间上Hardy型算子的多线性交换子估计

在p-adic域上研究分数次Hardy型算子与CMO(Q_p~n)函数生成的多线性交换子,建立了交换子在Lebesgue空间和Herz空间上的有界性.对Hardy算子的多线性交换子也得到了相应的结果.     

Quantitative Analysis of Al in Flour Products by Laser-Induced Breakdown Spectroscopy Combined with Partial Least Squares

Journal of Applied Spectroscopy - Based on partial least squares (PLS) analysis, the effects of different smoothing points and different preprocessing methods on the accuracy and precision of the...     

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。