基于增材制造空心点阵结构的压缩变形研究

点阵结构具有质量轻、承压性能好、比刚度大等特点,广泛应用于轻量化部件与承压结构。采用选区激光熔覆技术制备了316L不锈钢空心点阵结构,通过准静态压缩实验和有限元数值模拟,研究了含不同尺寸空心微柱的点阵结构在压缩变形时的失效和变形模式及其成因。结果表明:316L不锈钢材料的空心管状结构在点阵压缩过程中无明显压溃失稳,其结构失效模式是由节点失效诱发微柱变形,进而造成整体失效;结构的变形模式为整体均匀变形,但是当壁厚和外径较小时,边界层将因刚度不足而率先变形;增大空心微柱尺寸可使结构刚度增大。     

广义神经传播方程的整体吸引子

使用Galerkin方法,结合Sobolev空间理论和不等式技巧,给出了广义神经传播方程解的存在唯一性定理,然后利用吸引子存在性定理,采用半群方法证明了方程整体吸引子的存在性.     

给定度序列图的覆盖成本和反向覆盖成本的研究

具有n个顶点且度序列为(m,2,…,2,1,…,1)(1的重数为m)的连通图不止一个(这些图均为树),而每个树对应唯一一个段序列(l₁,l₂,…,l_m).通过对任意一树移动最长段的悬挂点到最短段悬挂点的方式得到另一树,比较前后两树的覆盖成本和反向覆盖成本,给出了具有最小覆盖成本和反向覆盖成本的极树,并且进一步给出了取得最小覆盖成本和反向覆盖成本的顶点.     

基于相关子空间的双峰发射线光谱特征提取与分析

低分辨率天体光谱中呈现的双峰发射线轮廓可能反映着比较珍稀的物理现象，如双活动星系核（AGNs）、双超大质量黑洞（SMBH）、喷流云与窄线区的相互作用，也可能是光谱处理过程产生的低质量特征线。双峰发射线轮廓一般由2个或2个以上的波峰构成，对该特征进行提取并分析，可作为双AGN、星系对、双黑洞等稀有天体更有效的搜寻依据，从而有助于更深入地研究星系乃至宇宙的形成与演化。提出一种新的基于相关子空间的双峰发射线特征提取与分析方法，主要工作分为以下三部分：首先利用稀疏差异因子δ度量双峰发射线光谱中属性差异程度，利用KNN方法约束参与稀疏差异因子计算的光谱范围，在此基础上，针对LAMOST低分辨率光谱给出基于相关子空间的特征提取方法；其次，为了验证稀疏差异因子σ以及KNN的输入参数k对双峰发射线光谱的适应性，选择LAMOST双峰发射线光谱样本及普通星系光谱数据，红移范围z<0.3（确保Hα，Hβ，[OⅢ]λλ4 959, 5 007，[NⅡ]λλ6 548, 6 584，[SⅡ]λλ6 717, 6 731等发射线落在LAMOST波长覆盖范围），获得训练集光谱总数332+332（正负样本）条，并借助人眼检查分析该方法中的两个参数：k和δ阈值α对结果的影响，实验表明，当k=18，α=0.6时，相关属性分布较密集且稀疏点较少，结果比较理想；最后，对332条双峰发射线光谱特征子空间所在的波长区间、双峰红/蓝移间隔、双峰线强比等进行了理论分析、测量及人眼认证的基础上，给出了基于相关子空间的双峰发射线特征表述。此外，从双峰特征子空间上不同的发射线激发机制（[OⅢ]/[NⅡ]/[SⅡ]等禁线、Hα、Hβ等氢线）及相关特征子空间上线强关系等角度，对样本中双峰轮廓进行了分析。     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进，人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此，研究人员开始关注数据挖掘算法，并尝试对这些光谱进行数据挖掘。近年来，神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中，支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时，通过将其最优化问题转化为具有(QP)形式的凸问题，进而得到全局最优解。尽管该方法在实际应用中表现优良，但为了进一步提高其分类能力，有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开，每一类靠近某个分类面，而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍，因此，自TSVM提出后便受到研究人员的持续关注，并出现若干改进算法。在恒星光谱分类中，一般分类算法都是根据历史观测光谱来建立分类模型，其中最关键的是对光谱进行人工标注，这项工作极为繁琐，且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此，提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分；然后，在训练集上进行学习，得到分类依据；最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势，更重要的是，在训练集上学习分类模型过程中，不仅考虑有标记的训练样本，也考虑部分未标记的样本。一方面提高了学习效率，另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明，与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比，带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而，该方法亦存在一定的局限性，其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想，利用大数据处理技术，来对所提方法在大数据环境下的适应性展开进一步研究。     

原位合成Bi3O4Br/Bi12O17Br2光催化剂及其对磺胺甲噁唑降解性能

Bi_xO_yBr_z光催化剂在有机药物废水处理领域有着非常广阔的潜在应用价值,但因光生电子和空穴的快速复合而表现出较低的光催化效率,进而限制了其应用范围。通过简易的水解-焙烧法原位制得一种新型的Bi₃O₄Br/Bi₁₂O₁₇Br₂复合光催化剂,并以磺胺甲噁唑(SMX)为模拟药物污染物进行了光催化性能测试,对所制催化剂进行了X射线衍射(XRD)、X射线光电子能谱(XPS)、扫描电子显微镜(SEM)、紫外可见漫反射光谱(UV-Vis DRS)、电化学阻抗(EIS)、光致发光光谱(PL)等表征。结果表明所制备的Bi₃O₄Br/Bi₁₂O₁₇Br₂复合光催化剂具有较强的光生载流子分离率、较低的界面电荷转移电阻,进而展示出优异的光催化降解SMX性能,在模拟太阳光下照射30 min,SMX降解率达到87%,相较于纯的Bi₃O₄Br和Bi₁₂O₁₇Br₂催化剂,降解率分别提升了30%和24%。最后基于自由基捕获实验和催化剂能带结构分析了所制催化剂的降解机理。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

以NiAl-NO3-LDH为前驱体制备Ni-Al2O3催化剂及其催化乙酰丙酸加氢性能

以NO₃^-插层类水滑石（NiAl-NO₃-LDH）为前驱体制备了一系列不同Ni/Al摩尔比的Ni-Al₂O₃催化剂，考察了其催化乙酰丙酸液相加氢性能.表征结果表明，随着Ni/Al摩尔比的增加，类水滑石层板结构中存在的游离态γ-AlOOH物种逐步演变为游离的Ni（OH）₂物种，制备的催化剂中金属-载体相互作用逐渐减弱，Ni物种分散度逐渐降低，表面酸性中心数量先增多后减少；当Ni/Al摩尔比为3时，所制备的催化剂表面具有最丰富的酸性中心和加氢中心.在酸性中心和加氢中心的协同作用下，该催化剂表现出优异的催化乙酰丙酸加氢合成γ-戊内酯性能及良好的使用稳定性.在160℃，4 MPa氢气条件下反应5 h时，γ-戊内酯的收率最高可达92.7%.     

完全保持不定Jordan 1-?-零积的映射

通过刻画无限维完备的不定内积空间上双边保幂等元正交性的双射,得到了?-标准算子代数之间完全保持不定Jordan 1-?-零积满射的具体结构形式,进而证明了这样的映射是同构或者共轭同构的非零常数倍.     

X射线光场成像技术研究

X射线三维成像技术是目前国内外X射线成像研究领域的一个研究热点.但针对一些特殊成像目标,传统X射线计算层析(CT)成像模式易出现投影信息缺失等问题,影响CT重建的图像质量,使得CT成像的应用受到一定的限制.本文主要研究了基于光场成像理论的X射线三维立体成像技术.首先从同步辐射光源模型出发,对X射线光场成像进行建模;然后,基于光场成像数字重聚焦理论,对成像目标场在深度方向上进行切片重建.结果表明:该方法可以实现对成像目标任一视角下任一深度的内部切片重建,但是由于光学聚焦过程中的离焦现象,会引入较为严重的背景噪声.当对其原始数据进行滤波后,再进行X射线光场重聚焦,可以有效消除重建伪影,提高图像的重建质量.本研究既有算法理论意义,又可应用于工业、医疗等较复杂目标的快速检测,具有较大的应用价值.