排序方式: 共有85条查询结果,搜索用时 656 毫秒
1.
2.
对于高温高压下氩等离子体的电离度和物态方程,本文给出了一种基于Thomas-Feimi(TF)统计模型的简化计算新方法:首先将TF模型电离势的数值结果进行函数逼近,给出一个便于数值求解的计算电离度的近似计算方法,并由此计算了局部热动平衡下的氩等离子体在10~1000 eV高温范围内的物态方程.计算结果与国外报道的其他几种理论模型的计算结果均符合很好,与实验值也吻合较好.本文所提出的简单模型也适用于计算混合物物态方程,可以在电磁发射技术领域中的强电离等离子体中有更为广阔的应用前景. 相似文献
3.
采用氨气还原法制备了NaY分子筛负载的MoCo/Y、MoNi/Y双组氮化物催化剂,用XRD和EXAFS方法征了样品的结构,并测定了其在CH4+CO2重整反应中的活性,在氧化态时,MoCo/Y样品中主要存在CoMoO4和Co3O4两种物相,Mo的配位状态接近于CoMoO4,而Co的配位状态更接近于Co3O4,MoNi/Y样品中主要有NiMoO4和NiO两种物相,Mo的配位状态接近于MiMoO4,而Ni的配位状态可能是NiMoO4和NiO两种化合物中Ni配位状态的平均效果,Ni-Mo之间的朴素作用似乎比Co-Mo相对较强,在氮化态时,两种样品中Mo的配位状态较为相似,但即不同于MoO3,也不同于单组分γ-Mo2N.Co和Ni的配位状态都不同于各在氧化态下的状态,且都在相同的位置出现一个新强峰,这似乎表明MoCo和MoNi生成了结构相似的氮化物,在CH4+CO2重整反应中,氮化态MoCO/Y和MoNi/Y的活性大大超过非负载单组分γ-Mo2N催化剂,其中MoNi/Y的活性相对更好一些,且活性随Ni含量增加而提高。 相似文献
4.
Rh—Mo—K/Al2O3催化剂的CO加氢合成低碳醇性能 总被引:2,自引:1,他引:2
本文研究了硫化态和还原态Rh-Mo-K/Al2O3催化剂上CO加氢合成低碳醇的反应性能,考察了不同铑负载量、钾助剂、合成气组成和反应条件(温度、压力和空速)对合成醇性能的影响及催化剂的反应稳定性。发现硫化样品较之还原态样品具有更好的合成醇选择性,催化剂中添加铑后,生成醇活性和选择性大幅度提高。选择合适的反应温度、提高反应压力和空速、适当增加合成气H2/CO的比例可以获得较好的合成醇反应性能。 相似文献
5.
采用红外光谱表征了含不同阳离子的Y分子筛上Co(CO)3NO的吸附和分解及其和阳离子的作用.结果表明,Co(CO)3NO吸附后主要形成Co(CO)xNO(x=2,3),并出现热稳定性较高的Co(NO)2+2.产生Co(NO)2+2的机制和最终分解产物与分子筛阳离子的性质有关.NaY上Co(CO)xNO歧化产生少量Co(NO)2+2,分解产物主要为Co(0);CoY中Co2+的存在部分避免了Co(CO)xNO的歧化,分解得到的Co(0)含量较高;NiY,尤其CuY阳离子和吸附物种发生电子转移,形成NO+中间物种,氧化Co(0)产生Co(NO)2+2,分解产物为Co(0)和Co(Ⅱ)的混合物. 相似文献
6.
����Ԫ�ػ����ƽ���������о� 总被引:1,自引:0,他引:1
利用分裂的屏蔽氢不透明度模型计算了Ar、Kr、Xe惰性元素混合物随光子能量变化的不透明度以及Rosseland平均不透明度。研究了温度为100~250eV,密度为0.5~2g·cm-3范围内惰性元素混合物的Rosseland平均不透明度与混合物质、混合比例、温度和密度的密切关系。结果显示,Ar-Xe混合以及Xe-Kr混合后的Rosseland平均不透明度比它们为纯元素时有较大的增加;而Ar-Kr混合后的Rosseland平均不透明度则比纯Kr低。通过对比纯惰性元素随光子能量变化的不透明度峰、谷值,分析了造成混合后不透明度增加或降低的原因,同时给出了获得惰性元素混合物平均不透明度为最大时的混合比例。 相似文献
7.
利用SHML模型计算了密度为ρ=1g·cm-3、温度为150eV、200eV、250eV、300eV、400eV的Sn等离子体的随光子能量变化的辐射不透明度及Rosseland平均不透明度.分析了不透明度随光子能量变化曲线的吸收峰值(不透明度峰值)与能级跃迁的对应关系.还将Sn的Rosseland平均不透明度与DCA/UTA及STA模型计算结果作了比较,吻合较好. 相似文献
8.
9.
改进的屏蔽氢离子模型中量子修正△nl的推算 总被引:1,自引:1,他引:0
此文用等电子系列实验抛物线关系推算出了改进的屏蔽氢离子模型中量子修正△nl的值,从而提高了屏蔽氢离子模型计算离子能量的精度。 相似文献
10.
Many imaging systems can be modeled by the following linear system of equations Ax=b,(1) where the observed data is b=(b~1...b~M)~T∈K~M and the image is x=(x_1…x_N)~T∈K~N.The number field K can be the reals R or the complexes C.The system matrix A=(A_(i,j)) is nonzero and of the dimension M×N matrix.The image reconstruction problem is to reconstruct the 相似文献