q-差分复合函数方程组的亚纯解的特征估计（英文）

本文利用亚纯函数的Nevanlinna值分布理论,研究一类复q-差分复合函数方程组的亚纯解的特征估计,并得到一个结论,将复合函数方程的结论推广到q-差分复合函数方程组中.     

1,2-二(苯并咪唑-2-基)乙醇的合成及其对Q235钢的缓蚀性能研究

通过DL－苹果酸与邻苯二胺以盐酸盐形式在乙二醇中发生缩合反应,合成了一种双苯并咪唑化合物二(2-苯并咪唑)乙醇(HbbImet),采用静态失重法、极化曲线法和电化学阻抗谱研究了HbbImet在0.5mol/L的盐酸溶液中对Q235钢的缓蚀性能,并探讨了缓蚀机理。结果表明,同一温度条件下HbbImet的缓蚀效率随其浓度的增加而增大,同一浓度条件下HbbImet的缓蚀效率温度的升高而减小。25℃下当HbbImet浓度为120mg/L时,其缓蚀效率可达92.23%,具有良好的缓蚀性能。HbbImet的添加显著增大了腐蚀反应的表观活化能,有效抑制了腐蚀反应的进行,是一种以控制阴极析氢过程为主的混合型缓蚀剂。     

二硫化锡纳米片阻变存储器的制备与性能

采用水热法合成了尺寸为50~100 nm的二硫化锡纳米片,并首次以二硫化锡作为阻变层材料的阻变存储器（Cu/PMMA/SnS₂/Ag,PMMA=聚甲基丙烯酸甲酯）,对其阻变性能进行了研究。结果表明： Cu/PMMA/SnS₂/Ag阻变存储器的开关比约10⁵,耐受性2.7×10³。在上述2项性能指标达到较优水平的同时,开态与关态电压分别仅约为0.28与-0.19 V。     

双通道编码高速存储系统设计

航天事业对存储系统的存储速度及保密性的要求在不断提高,针对这些要求提出了双通道编码高速存储系统的设计。设计了一种以RS-422和LVDS为通信手段,双端口RAM为缓存介质,双片选交替双平面混编存储为技术,混合编码存储为特点,K9WBG08U1M芯片为存储核心的高速、大容量的存储系统。双通道编码高速存储系统解决了双路数据存储速率低的问题。最后,对系统采集的数据进行科学分析及图像还原,验证了高速存储系统的可靠性。     

非确定结构系统区间分析的泛灰求解方法

工程中的不确定性问题可以用区间分析、概率理论或模糊理论来求解。采用泛灰区间分析法来处理结构静力分析和设计中的不确定性问题。将结构系统中的不确定性参数用区间数来表示，用有限元法建立系统的控制方程。该控制方程是线性区间方程组。然后，在概述泛灰数的概念及其运算规则的基础上，介绍了泛灰数与区间数的转化，利用泛灰数的可扩展性对区间进行分析，研究了泛灰线性方程求解，然后将它应用于结构静力分析和设计中的不确定性问题，泛灰数不仅具有区间分析的功能，而且能解决区间分析所不能解决的问题。文中给出了两个算例，列出了本文算法与其他算法的结果比较。     

CsI（TI）与LYSO转换屏在高能X射线激发下的发光光谱

转换屏在高能X射线激发下的发光光谱对高能X光闪光照相接收系统的组建有着重要意义。应用OMA光谱采集系统，设计实验对CsI（TI）和LYSO转换屏在“神龙一号”直线感应加速器（LIA）X射线激发下的发光光谱进行研究，给出了光谱曲线。结果表明，相对于文献报道的低能X射线辐射，高能辐射下CsI（TI）屏的发光峰值波长向短波方向移动了14nm，LYSO屏的发光峰值波长向长波方向移动了18nm，而两屏的谱线半值宽度均没有明显变化。实验结果对当前闪光照像光电接收系统质量的评估及将来系统的优化设计将起到重要作用。     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

非低温法的稀有气体纯化技术概述

稀有气体广泛应用于工业生产中,如离子刻蚀、检漏等。但是它们在地球上的含量比较少,属于稀有资源,因此需要对它们进行纯化以循环再利用。首先介绍了不同气体纯化的原理,然后以实际生产中的不同稀有气体使用范围为例,说明纯化装置的设计方法和需要考虑的问题。为以后气体纯化装置的设计提供借鉴。     

相对论效应对GPS的影响

全球定位系统(GPS)对时钟的精度提出了很高的要求.由于GPS卫星的速度和高度,本文从狭义相对论和广义相对论两方面论述了无论是运动时钟变慢,还是引力场中高处时钟加快的效应都将对GPS系统时钟的精度产生不可忽视的影响.这是大学物理课程讲述相对论的一个极好的例子.