Normally-off AlGaN/GaN heterojunction field-effect transistors with in-situ AlN gate insulator

AlGaN/GaN heterojunction field-effect transistors (HFETs) with p-GaN cap layer are developed for normally-off operation, in which an in-situ grown AlN layer is utilized as the gate insulator. Compared with the SiN_x gate insulator, the AlN/p-GaN interface presents a more obvious energy band bending and a wider depletion region, which helps to positively shift the threshold voltage. In addition, the relatively large conduction band offset of AlN/p-GaN is beneficial to suppress the gate leakage current and enhance the gate breakdown voltage. Owing to the introduction of AlN layer, normally-off p-GaN capped AlGaN/GaN HFET with a threshold voltage of 4 V and a gate swing of 13 V is realized. Furthermore, the field-effect mobility is approximately 1500 cm²·V^-1·s^-1 in the 2DEG channel, implying a good device performance.     

不确定混沌系统的异结构同步

基于有限时间控制Lyapunov函数,研究了统一混沌系统与具有不确定参数Liu混沌系统的异结构同步控制,其控制律不需要知道参数的具体数值,只依赖参数的变化范围.与现有控制方法相比,可有效克服较大参数误差对同步的影响,同时设计比较简单,鲁棒性较强.仿真结果证明了控制方法的有效性.     

含氮杂环衍生物的磨损定量构效关系研究

以从头计算Hartree-Fock分子轨道法计算了苯并恶唑,苯并咪唑,苯并噻唑,二氢噻唑以及哌嗪五种母核的36种含氮杂环衍生物的量子化学结构参数.依据摩擦学定量构效关系理论,采用多元线性回归法对这些化合物进行了磨损定量构效关系研究,建立了合理的预测模型.结果表明:含氮杂环衍生物作为润滑油添加剂的抗磨能力与化合物的偶极矩和总能量相关性较好,并对母核性质具有较强的依赖性.所得模型具有较好的预测能力,可用于指导新型润滑油添加剂分子的设计及合成.     

基于规则学习的传统纹样统一生成模式研究

传统纹样的生成是图案生成领域最具代表性的研究方向之一，从传统纹样的构图规则出发生成纹样是最常用的方法之一。以传统纹样为研究对象，针对现有传统纹样生成方法泛化能力差的问题，通过对不同传统纹样进行特征分析，找出其生成规则的异同，提出了一种传统纹样统一生成模式：寓意嵌入的层次迭代生成模式。选取几何纹、动物纹、植物纹中的典型纹样，利用统一生成模式进行重构，验证了模式的有效性。实验结果表明，统一生成模式适合多种传统纹样的重构，一定程度上是对传统纹样重构的创新应用。     

高中生氧化还原反应认知结构的调查

选取氧化还原反应为研究内容,用流程图法（Flow Chart）对30名高中生认知结构进行测查。可视化图形与认知结构变量定量分析均表明：学生个体关于氧化还原反应的认知结构存在较大的差异;学生的学习成绩、认知结构变量和信息处理策略两两密切相关,成绩好的学生的认知结构变量得分较高,在构建和组织知识的过程中倾向于采用高水平的信息处理模型;分析还发现大部分高三学生在氧化还原反应知识的学习中,已经很好地建立了反应中得失电子、化合价升降等概念,但对于具体的氧化还原反应的情境认知水平较低。     

6株破囊壶菌的分离鉴定及脂肪酸组成研究

采用松花粉诱导法从海藻、腐木等海洋漂浮物上分离得到6株破囊壶菌, 其中菌株PC003、PC021、PC022为Schizochytrium属, 菌株PC004、PC014、PC060为Thraustochytrium属. 经分析, 分属2个属的菌株的脂肪酸差异较大, Schizochytrium属的3个菌株含有占总脂肪酸22%以上的二十二碳六烯酸(DHA), 8.3%以上的二十碳五烯酸(EPA), 9.4%以上的二十碳四烯酸(ARA)和19%以上的C16:0(软脂酸); Thraustochytrium属的3个菌株含有占总脂肪酸33%以上DHA, 7.8%以上的EPA, 和24.7%的C16:0. 其中, Thraustochytrium属菌株PC004的脂肪酸中DHA含量高达56.32%, 可培养成为DHA高产菌株. 结合6株菌之间的亲缘关系推测, 亲缘关系相近, 所产脂肪酸种类及含量相似, 因而从Thraustochytrium属中更容易筛选到DHA高产菌株.     

基于FLUENT的大气边界层风场LES模拟

通过拟周期边界条件、布置粗糙元和添加随机扰动等措施实现了大气边界层风场的LES模拟。对可能影响数值模拟结果的网格密度、粗糙元高度、随机数大小、随机数赋值方向及范围等主要参数进行分析,确定其影响规律,并据此生成满足目标要求的四类不同地貌大气边界层风场。结果表明,本文的模拟结果满足结构抗风计算的要求,验证了本文所采用的数值模拟方法的可行性,为后续进行结构绕流的大涡模拟提供了有价值的来流生成方法。     

政府奖惩下供应链合作减排与低碳宣传的动态优化

为减少生产过程中碳排放对环境带来的不利影响,考虑到政府对制造商采取奖惩措施,以此为背景,针对供应链长期合作减排、低碳宣传的问题,构建微分博弈模型。考虑到产品需求受碳排放量和零售商低碳宣传努力的共同影响下,得出并分析了分散式和集中式决策下制造商和零售商的反馈均衡策略及产品碳排放量的最优轨迹,发现产品碳排放量的最优轨迹具有多种敛散性,且在集中式决策下实现了供应链利润和环境绩效的双赢。此外,还分析了政府奖惩力度对产品碳排放量的影响。最后结合算例对模型进行分析,为供应链的低碳化管理和政府奖惩政策的制定提供了理论参考。     

BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究

采用反向传播神经网络法(Back Propagation Neural Network,简称:BPNN)对31种含氮、硫的2-烷基黄原酸酯类润滑油添加剂的抗磨性能进行了摩擦学定量构效关系(Quantitative Structure Tribo-ability Relationship,简称:QSTR)的研究,得到了具有良好的稳定性和预测能力的BPNN-QSTR模型(R~2=0.998 4,R~2(LOO)=0.695 9,q~2=0.879 1).参考输入层的12种2D和3D结构描述符的敏感度,对影响抗磨性能的分子结构进行了相应的探讨.结果表明:分子中的N和S杂原子对其抗磨损性能有显著的影响;同时,分子长度、所含双键S原子和芳香环数量以及分子支化程度等都是影响抗磨性能的主要因素.