排序方式: 共有53条查询结果,搜索用时 60 毫秒
31.
32.
33.
34.
针对城市物流配送中的电动车辆路径优化问题,考虑电动汽车的充电特性以及车辆多行程和需求点的双向货流,以最小化车辆成本、行驶成本和充电成本为目标,建立考虑多行程与同时取送货的电动车辆路径问题(EVRPMTSPD)模型,并采用列生成算法进行求解.为提高子问题求解速度,提出了基于蚁群算法的启发式寻路算法用以处理较大规模问题,数值实验验证了模型与算法的有效性,表明了考虑多行程和同时取送货能有效降低成本和提高效率. 相似文献
35.
缺陷在钙钛矿太阳能电池的快速发展中起着至关重要的作用。缺陷容忍性,即金属卤化钙钛矿的主导缺陷是浅能级缺陷,它们不会成为强非辐射复合中心,这被认为是金属卤化钙钛矿的独特特性,是其具有高光电转换效率的主要原因。然而,要进一步提高金属卤化钙钛矿的光电转换效率,就需要消除一些可作为非辐射复合中心并严重影响器件性能的少量深能级缺陷,包括点缺陷、晶界、表面和界面等。本文综述了缺陷容忍的研究进展,包括软声子模式和极化子效应。此外,还总结了缺陷钝化的策略,包括通过阳离子或阴离子来钝化离子键,以及通过路易斯酸或路易斯碱来钝化配位键等。 相似文献
36.
37.
桦褐孔菌子实体和发酵菌丝体中甾类化合物的定量测定 总被引:3,自引:0,他引:3
建立了采用高效液相色谱(HPLC)定量测定桦褐孔菌子实体和发酵菌丝体中白桦脂醇、麦角甾醇、胆甾醇、羊毛甾醇、豆甾醇和谷甾醇含量的方法。色谱条件: 以C18柱进行分离,流动相为不同浓度梯度的水-甲醇(0~10 min,体积比为10:90;10~40 min,体积比为3:97),流速为1.4 mL/min,检测波长为202 nm,整个分析在40 min内完成。结果表明所建立的方法具有很好的重复性和回收率。甾类化合物分析测定的日内相对标准偏差为2.10~2.94%(n=5),在0.4~4.8 μg范围内有很好的线性关系。白桦脂醇、麦角甾醇、胆甾醇、羊毛甾醇、豆甾醇和谷甾醇的回收率分别为100.05%~100.72%,99.31%~101.04%,97.52%~101.63%,96.61%~100.08%,96.21%~100.76%和100.04%~100.51%。本方法可快速、准确地定量测定桦褐孔菌子实体和发酵菌丝体中的甾类化合物。 相似文献
38.
39.
建立圆管及环形管道系统研究临近极限下爆轰波在管道内传播失效机理。选用C2H2+2.5O2+70%Ar气体,采用光纤探针测量爆轰波在管道内传播速度,用烟迹法记录管道内爆轰波胞格结构。结果表明:初始压力远大于爆轰极限压力时,爆轰波在管道内以稳定速度传播;随着初始压力的减小,爆轰波速度逐渐降低;当初始压力一定时,爆轰波速度随着管道尺寸的减小而逐渐减小;当初始压力达到临界压力时,爆轰波在进入到管道内后其速度会逐渐衰减直至爆轰波完全失效。对于不同几何尺寸的圆管与环管,通过引入无量纲参数d/λ及w /λ(d为圆管管径,w为环管间距,λ为爆轰胞格尺寸)得出,爆轰波在管道内传播的临界圆管直径为环形间距的2倍,与理论模型结果相吻合,验证了稳态气体基于爆轰波波面曲率的失效机理。 相似文献
40.
A significant exchange bias(EB) training effect has been observed in sputter deposited FeAu/FeNi bilayers, wherein the exchange field(HE) exhibits a special sign-changeable temperature dependence. Very interestingly, despite the absence of multiple easy axes in the FeAu spin glass(SG) layer, HEdrops abruptly between the first and second magnetic cycles,which is followed by a more gradual continuous change in the subsequent cycles. This training behavior cannot be described by the empirical n-1/2law because of the asymmetric magnetization reversal processes. We propose modifying Binek’s model to include the asymmetric changes of the pinning SG spins at the descending and ascending branches. This new model successfully describes the EB training effect in FeAu/FeNi bilayers. 相似文献