热传导方程的移动边界问题

热传导问题于高温条件下,往往是可移动边界问题.文献[1]尽述了金属丝烧蚀等物理过程所确定的移动边界问题的一种求解方法.本文讨论较一般的热传导方程可移动边界问题Fourier型存在的充分必要条件,且给出问题Fourier型解.     

挖坑机钻头主轴纵向振动系统模型的建立与控制

首先利用弹性杆理论和H am ilton变分原理建立了挖坑机钻头主轴及钻尖在工作过程中由于外激励的作用使钻尖与土壤互相作用而产生纵向振动的动力学模型,同时给出边界条件和初始条件.其次通过把系统外激励函数当作控制变量,利用Banach空间几何性质证明了此系统存在唯一最优控制元.     

基于形态学4子带分解金字塔的图像融合

提出了一种基于数学形态学滤波的多分辨力图像融合。这种融合方法使用了形态学开闭运算构造了低通与高通滤波器,将原始图像分解为4子带图像金字塔和4子带方向衬比度图像金字塔。然后利用方向衬比度和区域标准差进行图像融合得到融合的4子带图像金字塔,最后应用子带图像重构得到融合图像。融合实验表明,该方法优于传统的形态学金字塔图像融合,衬比度金字塔图像融合和小波分解图像融合。     

250步混沌强度解析混沌特征及其在心率研究中的应用

应用250步混沌强度分析Lorenz系统，分别对3维和x分量进行了计算表明，250步混沌强度与Lorenz系统的参数有明显关系.计算了正常人的窦性心率的250步混沌强度，得到了它与年龄的关系：y=6.4623-0.0496x，相关系数为-0.669，这一结果支持了Goldberger的观点，如果人的250步混沌强度照此规律衰减，将在130岁降到0.     

偏最小二乘法用于研究酚类物质的竞争吸附

将偏最小二乘法(PLS)用于紫外-可见分光光度分析,同时测定水溶液中苯酚、对甲氧基苯酚和α-萘酚三种组分,并将此方法用于研究苯酚、对甲氧基苯酚和α-萘酚在水溶液中的竞争吸附.结果表明:合成样本的回收率在96%~107.6%之间,结果比较令人满意.采用PLS法计算三种酚类物质吸附后的平衡浓度和吸附量,其结果与采用LCA(Langmuir Competitive Adsorption)模型预测的结果较为接近.     

应用介孔分子印迹聚合物萃取粮食中的乙酰甲胺磷

以乙酰甲胺磷为模板分子,3-氨基丙基三乙氧基硅烷(APTES)为功能单体,表面活性剂正十二烷胺(DDA)为介孔模板剂,正硅酸乙酯为交联剂,采用溶胶凝胶技术制备乙酰甲胺磷介孔分子印迹聚合物(MIP),并对其进行了表征。Scatchard分析表明,该聚合物对乙酰甲胺磷有两种结合方式,最大表观结合量Q_(max1)=47.03 mg/g,Q_(max2)=90.31 mg/g;平衡解离常数k_(d1)=57.14 mg/L,k_(d2)=188.68 mg/L。吸附动力学测定结果显示,其对乙酰甲胺磷的吸附符合准二级动力学模型;吸附热力学测定结果显示其吸附为放热过程。将该聚合物用于基质固相分散萃取(MSPD)粮食中乙酰甲胺磷,最佳条件为:聚合物与样品的质量比为1∶1,研磨时间为8 min,淋洗剂为乙醇-水(2∶1,体积比),洗脱剂为乙腈-乙酸溶液(19∶1,体积比)。所得洗脱液采用高效液相色谱法检测,测得乙酰甲胺磷的线性范围为0.03～0.3μg/g,检出限为0.015μg/g,回收率为92.5%～97.1%,相对标准偏差为2.9%～3.7%。该方法兼具介孔分子印迹技术的高选择性如和MSPD技术的快速分离性,为乙酰甲胺磷残留分析提供了新思路。     

高效液相色谱法测定茄科植物废弃物中茄尼醇

采用高效液相色谱法对我国东北地区茄科植物废弃物马铃薯、茄子、番茄和辣椒的叶片中茄尼醇进行了定性和定量分析。结果表明:马铃薯和茄子的叶片中茄尼醇质量分数较高,分别可达到0.331%和0.207%;番茄和辣椒的叶片中茄尼醇的质量分数分别为0.092%和0.089%。方法的线性范围为0.61~6.10μg,回收率为99.5%~103.3%。     

二氯化-N,N-′-二(3-脱氢松香酰氧-2-羟丙基)四甲基乙二胺的合成与性能

研究了Gemini表面活性剂中疏水"尾巴"结构对性质的影响,以脱氢松香酸和环氧氯丙烷为原料合成了中间体3-脱氢松香酰氧-2-羟丙基氯,再与四甲基乙二胺反应,得到1种以脱氢松香酰基为疏水链"尾巴"的对称Gemini型双季铵盐阳离子表面活性剂:二氯化-N,N′-二(3-脱氢松香酰氧-2-羟丙基)四甲基乙二胺。在合成工艺条件的基础上,采用IR光谱、MS谱和元素分析测试技术对产物进行了结构确认。结果表明,该产物可降低水的表面张力达34.9 mN/m,临界胶束浓度为1.0×10-4mol/L。表明具有良好疏水性能的2个大"尾巴"使合成的Gemini表面活性剂更易形成胶束,大大提高了表面活性。     

近红外光谱的古筝面板用木材等级识别研究

目前民族乐器古筝面板用板材的等级主要依靠乐器技师凭借个人经验进行判断,此方法受限于有丰富经验的技师且容易受其主观判断影响。针对此现状,以用于制作古筝面板的泡桐木材为实验样本,提出了一种利用近红外光谱结合改进的BP神经网络方法,实现快速识别古筝面板用板材的不同等级。近红外光谱可以表征丰富的物质结构与组成信息,并且测量仪器成本较低,附件形式多样化,所以针对泡桐板材的近红外光谱实验分析有实用意义首先进行光谱去噪,消除系统误差等以提高光谱分辨率,根据均方根误差与信号平方和作为多种预处理方法评价指标,选取一阶导数为本实验最终预处理方式,15为合适的滤波去噪窗口大小,然后通过主成分分析法压缩数据以及马氏距离法剔除建模集异常样本,从而建立更具代表性的建模集。然后通过聚类分析无监督学习方法进行板材等级分析,证明板材分级的可行性。由于H₂O在近红外光谱区域具有较大吸收,根据实验光谱分析结果,不考虑其基频振动波段5 396.0～4 978.0 cm-1区域和第一泛音振动波段6 800～7 000 cm-1区域,仅考虑剩余近红外光谱波段信息,将不同光谱信息波段组合,共七种组合波段区域作为神经网络模型的输入,进行面板板材等级识别模型实验。对传统的BP神经网络模型作改进。BP神经网络中学习率的设置采用自适应学习率优化策略,弥补传统神经网络训练速率慢等劣势。同时采用交叉熵函数作为代价函数,从而加快权重的更新速度。选取Relu函数作为输入层与隐藏层之间的传递函数,提高了模型训练速度,有效防止过拟合的发生。选取Softmax函数作为最后一层的传递函数,以此减少复杂计算,构成该研究最终BP神经网络模型。选取不同数量的主成分变量所能提取的光谱信息量不同,通过不断增加主成分个数和调整参与模型的光谱波段区间,调整BP神经网络模型的输入,当主成分个数为11和光谱区间为10 000～7 000和4 976～4 000 cm-1时,未知样本识别率达到99.7%,所选光谱区间涵盖C-H等基团全部特征信息。研究结果表明,近红外光谱结合神经网络可以对不同等级的泡桐木材进行有效的识别,降低人工检测误差,缩短板材分级时间,更好地满足乐器市场需求。     

木糖-软模板水热法制备硼掺杂分级多孔炭球及其电化学性能

以D-木糖为炭源,月桂酸钠为模板剂,硼酸为掺杂剂,通过水热炭化方法制得硼掺杂分级多孔炭球（BPC_S）。通过扫描电子显微镜（SEM）、透射电子显微镜（TEM）、N₂吸附-脱附测试、X射线光电子能谱（XPS）、顺磁共振波谱（EPR）、傅里叶红外光谱（FT-IR）、拉曼光谱（Raman）、X射线粉末衍射（XRD）、热重（TG）分析对样品进行表征。结果表明：月桂酸钠作为介孔造孔剂的同时,通过与D-木糖间的氢键作用使有机-有机自组装过程自发进行并形成窄尺寸分布（2~5 μm）规整炭球;硼酸在水热中催化炭源脱水降解,并以BC₃、BCO₂和BC₂O的形式掺杂在炭球上,掺硼后炭球与水表面接触角降低,润湿性提高。经CO₂活化、月桂酸钠高温分解以及胶质炭球的堆积分别产生微孔（0.5~1.2 nm）、介孔（3.14~35.00 nm）和大孔（60~146 nm）并形成分级结构。当硼酸加入量为0.927 5 g时多孔炭球（BPC_S-1）的电化学性能最佳,在6 mol·L^-1 KOH三电极体系中电流密度为0.5 A·g^-1时,比电容达287.12 F·g^-1;两电极体系中电流密度为0.5 A·g^-1时比电容达151.34 F·g^-1,能量密度达5.3 Wh·kg^-1;电流密度为5 A·g^-1时进行1 000次充放电循环,电容保持率仍达96.43%。