含磷/氮/硫环交联磷腈微纳米管的合成及对环氧树脂的阻燃作用

采用原位模板法,以六氯环三磷腈(HCCP)和二羟基二苯砜(BPS)为原料合成了一种环状交联型不溶不熔的磷腈大分子——聚环三磷腈-二羟基二苯砜(PZS)微纳米管,研究了PZS对环氧树脂(EP)的阻燃作用及阻燃机理.利用红外光谱(FTIR)、扫描电子显微镜(SEM)及透射电子显微镜(TEM)对PZS微纳米管进行了表征;采用热重分析(TG)考察了EP/PZS阻燃材料的热稳定性,并通过极限氧指数(LOI)和微型量热分析(MCC)测试了EP/PZS的阻燃性能.热降解实验结果表明,PZS微纳米管的加入使环氧树脂热降解温度降低,但残炭率显著提高.PZS微纳米管可以显著提高环氧树脂的阻燃性能,当阻燃剂添加量为5%时,环氧树脂的残炭率提高了46%,热释放速率峰值降低了约40%;LOI值从纯环氧树脂的26.0%提高到了30.6%.PZS微纳米管的加入还增强了环氧树脂的力学强度.阻燃性能的显著提高和力学性能的改善归因于PZS微纳米管在环氧树脂基体中的良好分散,以及燃烧炭化过程中生成的石墨化程度较高的类石墨烯结构的残炭,具有较高的抗氧化能力.研究结果表明,PZS微纳米管是一种优良、高效的具有潜在应用价值的阻燃剂.     

CeO_2/TiO_2催化剂上NH_3选择性催化还原NO反应动力学研究

采用溶胶-凝胶法制备了CeO_2/TiO_2催化剂,对CeO_2/TiO_2催化剂上NH_3选择性催化还原NO反应进行了动力学研究。实验结果表明:NO转化速率与NO成一级反应,与NH_3成零级反应,与O_2成0.5级反应,反应主要遵循Eley-Rideal机理进行;该反应的活化能为51.2 kJ/mol。     

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。     

自反Banach空间中锥线性优化问题初始——对偶目标函数水平集的几何性质

讨论自反Banach空间中的原——对偶锥线性优化问题的目标函数水平集的几何性质．在自反Banach空间中,证明了原目标函数水平集的最大模与对偶目标函数水平集的最大内切球半径几乎是成反比例的．     

次级结构参数对高温超导直线感应电机电磁特性的影响

次级结构参数对高温超导直线感应电机电磁特性具有重要的影响。分别对次级导电板的材料和厚度对高温超导直线感应电机电磁特性的影响进行研究分析。首先复合次级结构包括导电板和导磁板,分别选择铝板和铜板作为导电板,背铁材料作为导磁板,分别对两种材料在电磁推力、垂向力以及高温超导绕组所受最大垂直场方面做了分析,最终选择了铝铁复合次级结构。然后针对铝铁复合次级特性,通过改变铝板的厚度,来研究铝板的厚度对电磁推力、垂向力、超导绕组所受最大垂直场以及最大通电电流等参数的影响。分析结果表明合适的次级板材料和结构有利于改善高温超导直线感应电机的综合性能。     

二(2,4,4-三甲基戊基)膦酸萃取分离稀土元素(Ⅲ)的研究

本文研究了二(2,4,4-三甲基戊基)磷酸(Cyanex 272)的煤油溶液在不同介质(HCI,HNO_3)中对三价混合稀土的萃取分离性能.观测了平衡水相酸度对萃取平衡的影响,由酸度曲线求出相邻元素的平均分离系数,并考察了酸度对反萃取平衡的影响.比较了HCI和HNO_3介质中,Cyanex 272对混合稀土(Ⅲ)的萃取性能.     

氢化物发生-原子荧光光谱法测定中草药中的微量铅

采用水煎煮法提取中草药,HNO3-H2O2密闭消解体系消解样品,应用氢化物发生-原子荧光光谱法测定中草药及其提取液中的微量铅;优化了仪器工作及实验条件,荧光强度与Pb质量浓度在0.49～400 μg/L范围内呈线性关系,相关系数:0.9996,检出限:0.49 μg/L;发现部分提取液中Pb量比原中草药样品中Pb量有明显降低.     

基于熵学习机的恒星光谱分类（英文）

数据挖掘被广泛应用于恒星光谱分类。为了提高传统光谱分类方法性能,提出熵学习机(Entropybased Learning Machine,ELM)。在该方法中,熵用来刻画分类的不确定性。为了得到理想的分类结果,分类的不确定性应最小,基于此,可得ELM的最优化问题。ELM在处理二分类问题和稀有光谱发现等方面具有一定优势。SDSS中K型、F型、G型恒星光谱数据集上的比较实验表明:ELM在进行恒星光谱分类时,其分类性能优于k近邻(k Nearest Neighbor)和支持向量机(Support Vector Machine)等传统分类方法。     

机翼后缘噪声预测研究

机翼后缘噪声是飞机重要的机体噪声源之一。本文基于CFD(Computational Fluid Dynamic)数值模拟和Ffcows Williams-Hall理论,研究应用了一种预测干净机翼后缘气动噪声的方法。采用Menter’s SSTκ-ω湍流模型对翼型和机翼进行N-S方程数值模拟得到后缘附近的湍流特征速度和特征长度,再利用Serhat Hosder的预估方法计算后缘噪声强度级。本文首先计算了NACA0012翼型在7种不同状态的后缘噪声,计算结果与实验值比较,符合很好,从而证明了本文采用的方法的可行性和正确性;然后研究了两个亚音速翼型(NACA 0009,NACA 0012),两个超临界翼型(SC(2)- 0710,SC(2)-0714),EET机翼的不同参数对后缘噪声强度级的影响,得出了对降低后缘噪声有参考意义的结论。     

广义变分不等式的广义间隙函数和误差界

针对两类广义变分不等式,分别定义了几族广义间隙函数,并研究其性质.利用这些广义间隙函数,在所研究变分不等式问题的目标函数F关于解是g-强单调的条件下,得到了误差界估计,这里不需要假设F是连续可微或局部Lipschitz的.