磁控直流辉光等离子体放电特性

本文利用单探针诊断等离子体参数来研究自行设计的磁控直流辉光等离子体实验装置的放电特性, 从而得出电子密度与气体压强、电子密度分布与磁场位型以及磁场强度等的关系. 另外, 用有限元的方法对线圈通电产生的磁场进行数值计算, 模拟出不同接线方式的两种磁场位型分布. 通过实验得出这两种不同的位型的磁场均对等离子体的状态有一定的“控制”作用, 而且这种“控制”作用与现有理论相符合.     

铷原子蒸汽中的光偏振旋转效应

对铷原子(⁸⁷Rb)蒸汽中的法拉第旋转、光学偏振自旋转以及二者的叠加旋转效应进行了理论和实验研究.对三种情况下旋转现象建立了简单而有效的理论模型. 实验中把铷原子泡置于自行设计的磁屏蔽腔内, 以屏蔽地磁场的影响.实验选择⁸⁷Rb F=2→F'=3能级D2跃迁线并采用零多普勒光谱 实验结构消除多普勒展宽对实验光谱的影响. 实验中分别观测到了三种旋转现象,实验结果与理论模拟结果非常符合.     

大气常压等离子射流清洗溶胶-凝胶SiO_2膜表面油脂污染物

采用大气常压等离子射流技术对溶胶-凝胶SiO2膜表面的油脂污染物进行清洗。利用分光光度计、扫描电子显微镜、红外光谱仪对溶胶-凝胶SiO2膜透过率、表面形貌、化学结构进行表征,并分析清洗前后溶胶-凝胶SiO2膜的激光损伤阈值变化。损伤阈值测试表明,1064nm波长的激光损伤阈值由污染后的16.08J/cm2上升到24.41J/cm2,与污染前24.72J/cm2的损伤阈值相当。同时还获取清洗的最佳时间为10s。清洗前后,溶胶-凝胶SiO2膜保持完好,且未产生新的有机污染物。研究结果表明:大气常压等离子射流技术可对溶胶-凝胶SiO2膜表面的油脂污染物进行有效地清洗,从而提高溶胶-凝胶SiO2膜的透过率和激光损伤阈值,为高功率激光装置的稳定运行提供保障。     

分散萃取-高效液相色谱法同时测定化妆品中6种限量添加剂

以乙腈-丙酮(50+50)混合溶液为萃取剂,麦麸粉为分散剂对化妆品样品中防腐剂和抗氧化剂等6种限量物质进行分散萃取,提取液供高效液相色谱仪二极管阵列检测器测定。选用Inertsil ODS-sp C18柱(4.6mm×250mm,5μm)作为固定相,用甲醇和pH 3.5乙酸铵溶液以不同比例混合的溶液作为流动相进行梯度淋洗。在优化的试验条件下,6种化合物的质量浓度在0.20～100mg.L-1范围内与峰面积呈线性关系,方法检出限(3S/N)在0.004～0.015mg.kg-1之间。用标准加入法测得回收率在85.4%～113%之间,测定值的相对标准偏差(n=5)在1.1%～6.9%之间。     

有机小分子对聚丙烯光氧老化的传染作用

以聚丙烯(PP)为研究对象, 选择代表典型小分子降解产物结构的酸、 酯、 醛、 酮和醇类共18种模型小分子, 研究有机小分子对PP光氧老化的传染作用. 研究发现, 所有的小分子都能不同程度地加速PP的光氧老化. 其中, 酸类、 醛类和酮类小分子的加速作用较强, 酯类和醇类小分子的加速作用较弱. 进一步研究了丙酮和乙酸对PP光氧老化的作用机理. 结果表明, 丙酮易光解产生甲基自由基, 通过引发PP氧化的方式加速其老化进程; 乙酸不具备引发能力, 通过催化氢过氧化物分解的方式促进PP中氧化产物的产生和积累.     

Helium-hydrogen synergistic effects on swelling in in-situ multiple-ion beams irradiated steels

The development of reliable fusion energy is one of the most important challenges in this century. The accelerated degradation of structural materials in fusion reactors caused by neutron irradiation would cause severe problems. Due to the lack of suitable fusion neutron testing facilities, we have to rely on ion irradiation experiments to test candidate materials in fusion reactors. Moreover, fusion neutron irradiation effects are accompanied by the simultaneous transmutation production of helium and hydrogen. One important method to study the He-H synergistic effects in materials is multiple simultaneous ion beams (MSIB) irradiation that has been studied for decades. To date, there is no convincing conclusion on these He-H synergistic effects among these experiments. Recently, a multiple ion beam in-situ transmission electron microscopy (TEM) analysis facility was developed in Xiamen University (XIAMEN facility), which is the first triple beam system and the only in-running in-situ irradiation facility with TEM in China. In this work, we conducted the first high-temperature triple simultaneous ion beams irradiation experiment with TEM observation using the XIAMEN facility. The responses to in-situ triple-ion beams irradiation in austenitic steel 304L SS and ferritic/martensitic steel CLF-1 were studied and compared with the results in dual- and single-ion beam(s) irradiated steels. Synergistic effects were observed in MSIB irradiated steels. Helium was found to be critical for cavity formation, while hydrogen has strong synergistic effect on increasing swelling.     

扣子七中多糖的提取工艺

超声波法提取扣子七多糖.以扣子七多糖的含量为指标,先采用单因素试验获得提取扣子七多糖的最佳料液比、提取时间、提取温度.然后根据单因素实验中的实验结论设定恰当的3个水平,通过正交试验,最后获得多糖提取的最佳提取工艺.对扣子七多糖含量影响因素的大小依次是料液比、提取时间、提取温度.扣子七多糖最佳提取工艺为:料液比1∶20、提取温度60℃、提取时间20min/次.     

和谐

小时候用笔画圆
　　总有画不圆的地方
　　长大了用圆规画圆
　　每段弧都变得那么和谐
　　没有规矩没有方圆
　　没有数学没有规矩
　　没有严谨没有数学
　　拥有了严谨拥有了和谐
　　用除法切蛋糕
　　用乘法划地皮
　　用三角函数来描绘心情
　　用对称轴来理清思绪
　　人是线上的点
　　线形成了生活的面
　　无数的点遵循着自己的方程
　　无数的面拼成了多彩的世界
　　人从此而严谨
　　世界从此而和谐     

锂浆料电池基础科学问题研究

锂浆料电池是一种低成本、长寿命、高安全性和易回收的容量型电化学储能技术。与传统锂电池的固定粘接电极不同,锂浆料电池的储锂活性颗粒分布在浆料态的三维导电网络中,具有厚电极和可维护再生的特征。目前制约锂浆料电池应用的关键科学问题主要包括：解析不同浆料电极厚度和配比下电子-离子的混合导电机制,获得低内阻、高能量密度和功率密度的电极浆料;解析活性材料表面及浆料-集流体界面的电化学反应机制与微观结构演化规律,降低界面内阻,稳定界面特性,减少极化和容量损失;解析电池性能衰减及失效机制,优化电池在线维护与回收再生方法等。本文将从锂浆料电池的工作原理与特点、浆料电极的关键材料与混合导电机制、浆料-集流体界面与厚电极设计以及电极浆料的维护再生等方面对锂浆料电池基础关键科学问题的研究进展进行介绍。     

燃料射流与空气协流混合中的自点火预测研究

预混燃烧室燃料与空气混合过程中出现的自点火会引起回火与挂火,烧毁燃料喷嘴。针对这一问题,利用实验台模拟贫燃燃烧室预混过程,燃料射流与预热后的空气协流同向喷入石英管预混段中,研究自点火现象。本文结合机器学习和物理规律分析,开展湍流混合过程的自点火预测研究。基于二元逻辑回归建立了机器学习模型,模型的特征由分析影响自点火的物理规律得到,训练和校验模型所需的数据由燃料射流-空气协流的自点火实验获得。结果显示,机器学习方法能快速、准确地预测混合过程中自点火的发生和火焰类型,并揭示其关键影响因素。与传统的数值计算方法相比,机器学习方法预测自点火所需的时间仅为传统数值模拟方法的几千分之一。