聚苯乙烯的催化裂解研究

由于塑料性质稳定,难以自然降解,其废弃物不仅严重污染环境,更造成了资源浪费.因此,废旧塑料的再资源化对环境保护和可持续发展有着重要意义.废塑料再资源化回收技术是指将废塑料热裂解或催化裂解、回收燃料油和化工原料的技术~([1,2]).     

基于随机活动工期的多模式现金流均衡项目调度优化

承包商在项目执行过程中的现金流均衡是保证项目成功的关键因素。本文研究基于随机活动工期的多模式现金流均衡项目调度问题,旨是在项目工期及鲁棒性阈值约束下合理安排活动执行模式与开始时间,实现承包商现金流均衡。本文通过构建整数规划优化模型对研究问题进行刻画,随后设计模拟退火算法进行求解,最后进行案例分析。结果表明:鲁棒性阈值虽然可以保证基准进度的稳定性,但是提高鲁棒性阈值水平反而不利于承包商的现金流均衡,该值过高时甚至得不到可行解。本文研究可为随机活动工期背景下承包商的现金流控制提供定量化决策支持。     

类渐近线性p＆q—Laplace方程弱解的全局衰减性

该文研究椭圆型方程{-Δpu+m|u|p-2u-Δqu+n|u|q-2u=g(x,u),x∈RN,u∈ W1,p(RN)∩W1,q(RN)弱解在全空间RN上的衰减性,其中m,n≥0,N≥3,1相似文献   

湿工况下平直翅片对流传热传质数值研究

建立了湿空气流经平直翅片通道并伴有凝结现象发生的三维对流传热传质的数值模型,在空气进口雷诺数Re为190～3770,进口相对湿度φ_(in)为50%～90%的范围内,对干湿两种工况,平直翅片通道内的换热流动进行了对比研究。结果表明:湿工况换热系数为干工况换热系数的2.8～3.1倍,干工况翅片效率比湿工况翅片效率高35.8%～41.9%。当翅片为部分湿工况时,翅片效率随进口相对湿度的增大而增大,换热系数随进口相对湿度的增大而减小;当翅片为全湿工况后,进口相对湿度对翅片效率和换热系数的影响微弱。     

在有机相酶催化反应中用盐／盐水合物控制水活度

以正己烷中脂肪酶催化仲丁醇和乙烯基乙酸酯间的转酯化制备乙酸仲丁酯的反应为模型反应，用已知水活度的盐／盐水合物对控制反应体系的水活度，研究了水活度对酶催化反应的进程和初步速度的影响。考察了盐对的比例，以及盐对的加入量对反应过程的影响，从相律角度分析了用水活度的盐／盐水合物对控制反应体系的水活度可行性。     

教学中物理学与数学的关系

物理学以实验为基础,具有质和量的统一性,而数学研究的是事物共有数量关系和空间形式,本文主要对物理学与数学的基本特征、求解物理问题的认知特点与认知过程、数学知识在物理问题求解中的功能等进行探讨,旨在深层次认识我们正在教和学的物理学与数学。     

基于散射矩阵方法的金属光子晶体薄膜异常光学透射研究

散射矩阵方法是一种基于频域的研究方法.将散射矩阵方法用于亚波长周期性金属小孔结构的透射特性研究.以金属铜薄板为研究对象,薄板刻蚀方格子光子晶体空气圆孔;用洛伦兹-德鲁德(Lorentz-Drude)模型来表征铜的介电常数ε;对不同的薄板厚度、周期大小和空气孔孔径的结构进行透射谱分析.并与时域有限差分方法计算所得结果相对...     

移动通信中的无线信道指纹特征建模

为了探索无线信道的传播特征并建立相应的无线信道模型,针对无线信道的"指纹"特征建模及场景识别问题,提出基于无迹卡尔曼神经网络的信道建模方法.首先采用霍特林变换对信道传播数据进行预处理,实现数据从复数域到实数域的转换,然后利用主元分析对数据进行降维,得到降维数据后,采用无迹卡尔曼神经网络进行无线信道"指纹"特征建模,最后根据模型的输出值建立无线信道的评价指标,对测量的信道数据进行场景划分以及场景识别.仿真结果表明:无迹卡尔曼神经网络所建信道模型可准确对无线信道进行类别划分和场景识别.     

含环糊精链节的拓扑高分子

星形、超支化、树枝状、刷状等具有支化拓扑结构的高分子通常具有不同于直链结构高分子的优异性能。将有客体包合功能的环糊精与其结合构筑环糊精拓扑高分子体系,有望在分子识别、基因传输、药控释放等领域得到应用。本文根据高分子拓扑形态的不同,从星形、超支化、树枝状以及其他拓扑形态环糊精聚合物的合成及自组装构筑等方面进行了总结和评述,并在此基础上展望了基于环糊精的拓扑高分子的研究方向和发展趋势。     

人工智能在锂离子电池研发中的应用

锂离子电池已成为解决现代社会储能问题的最佳解决方案之一。然而,电池材料和器件开发都是复杂的多变量问题,传统的依赖研究人员进行实验的试错法在电池性能提升方面遇到了瓶颈。人工智能（AI）具有强大的高速、海量数据处理能力,是上述突破研究瓶颈的最具潜力的技术。其中,机器学习 (ML) 算法在评估多维数据变量和集合之间的组合关联方面的独特优势有望帮助研究人员发现不同因素之间的相互作用规律并阐明材料合成和设备制造的机制。本综述总结了锂离子电池传统研究方法遇到的各种挑战,并详细介绍了人工智能在电池材料研究、电池器件设计与制造、材料与器件表征、电池循环寿命与安全性评估等方面的应用。最重要的是,我们介绍了AI和ML在电池研究中面临的挑战,并讨论了它们应用的缺点和前景。我们相信,未来实验科学家、数学建模专家和AI专家之间更紧密的合作将极大地促进AI和ML方法用以解决传统方法难以克服的电池和材料问题。