用落球法测液体粘度计时起点的确定

根据斯托克斯定律和牛顿第二定律导出了小球到达终极速度半,小球的运动距离与速度之间的函数关系,从理论上对计时起点的确定给予了证明,并讨论了小球半径的合理取值。     

基于La0.9Sr0.1Ga0.8Mg0.2O2.85新型极限电流型氧传感器的研究

对中温固体氧离子导体———La0.9Sr0.1Ga0.8Mg0.2O2.85材料分别在1300,1350,1400和1450℃4个温度下烧结4 h,之后对其进行XRD,SEM和阻抗谱等测试。实验结果显示:当烧结温度为1400℃时,样品为单一的La0.9Sr0.1Ga0.8Mg0.2O2.85晶体相,晶粒排列较为紧密,致密度达到96.6%,且不同温度下的电导率均最高。然后,选取在该温度下烧结的大小不同的两片陶瓷片制作了一种新型结构的电流型氧传感器。改变测试环境中的氧浓度的大小,在600,650和700℃3个温度下对传感器的气敏特性进行了测试。从测试的结果中发现:传感器极限电流与氧浓度并不呈现传统的线性关系。根据Fick第一定律、法拉第定律和Langmuir吸附方程对这种氧传感器的极限电流与氧浓度的关系进行了理论推导,得到了新的关系表达式,实验结果也验证了理论推导出的结果的合理性。此外,在温度为600℃时,对该传感器的响应时间进行了测试,上升和下降响应时间均为10～15 s。     

锆基电位型CO传感器的制备及其响应性能研究

为提高CO传感器的灵敏度, 采用丝网印刷技术制备了一系列以钇稳定氧化锆为固体电解质、以ZnO材料中掺杂不同比例的In₂O₃为敏感电极、以Pt为参比电极的片式结构电位型CO传感器, 并于特定的工作条件下测试其对不同气体组分的响应性能. 结果表明, 当掺杂比例为质量分数0.3, 烧结温度为1200℃且工作温度为500℃时, 传感器对CO气体的响应值最大, 达到-59mV, 接近未掺杂前的2倍, 传感器的灵敏度有很大提高. 并为阐述传感器的敏感机理, 开展了相应的材料结构表征(XRD/SEM)和电化学催化活性(阻抗谱)测试研究.     

BaCe1-xEuxO3-δ解质的Raman谱与TG-DTA研究

合成了初始摩尔比为Ba/(Ce+Zu)=1.0和1.1的钙钛矿型氧化物BaCe1-xEuxO3-δ(x=0.05,0.10,0.15,0.20).XRD分析表明,过量Ba的样品Ba/(Ce+Eu)=1.1已成钙钛矿单相,样品Ba/(Ce+Eu)=1.0有微量CeO2相存在.Raman谱分析表明,微量CeO2相的产生是由于高温烧结时引起一定量BaO的蒸发引起的;样品Ba/(Ce+Eu)=1.1中过量的Ba对高温烧结时BaO的蒸发起到了补偿作用.热重(TGA)和差热分析(DTA)显示,样品长期放置在空气中,会与空气中的CO2发生一定的反应.     

无线传感器网络的自身定位算法研究

自身定位算法在无线传感器网络技术的目标定位和跟踪等方面起着举足轻重的作用,而算法的优劣直接影响着自身定位和目标定位的精度．以传统的DV-hop算法为依据,提出了一种WDH（Weighted-DV-hop）定位算法,在获得跳数的步骤中,根据接收到的传播信号区分强弱程度,并取0．d．5或1作为跳数递增量的加权修正值,来得到新的跳数．最后通过Matlab平台实现算法的验证,表明其可以明显地提高定位的精度．     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%