碳纳米管膜的高温纯化研究

为了获得纯度更高的碳纳米管膜, 保证材料发热稳定性, 需要对通过化学气相沉积法得到的碳纳米管膜进行二次纯化. 通过使用高温纯化炉, 在真空状态下, 从1700℃到3200℃分7挡温度对碳纳米管进行纯化, 并对其含碳量和方块电阻进行比较. 结果表明, 高温纯化后的碳纳米管膜含碳量从95.0%提高到99.9%, 解决了含碳量低的问题. 同时, 在高温纯化中发现碳纳米管膜方块电阻从纯化前3Ω降低到0.5Ω, 方块电阻的降低对碳纳米管膜具有十分重要的意义, 同样对碳纳米管膜后续产品的开发也有重要作用.     

基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

基于级联PPMgLN晶体的双倍/三倍频双波长激光器

本文演示了紧凑的绿色和近红外双色连续波激光光源,其发射波长分别为516 nm和775 nm。设计并制造了级联的周期性极化掺镁铌酸锂晶体,用于同时转换通信波长的二次谐波(SHG)和三次谐波(THG),可以在相同温度下获得绿色和近红外激光的输出。通过建立一个单程激光测量系统,在2 W泵浦功率下获得516 nm的0.15 mW绿光和775 nm的1.19 mW的光,晶体温度控制在30.8 ℃。实验结果将为单激光器泵浦的紧凑型双波长共线激光器提供重要的案例。     

局部分数阶拉普拉斯算子的狄利克雷问题弱解的细正则性

In this paper, we study the Holder regularity of weak solutions to the Dirichlet problem associated with the regional fractional Laplacian (-△)^αΩ on a bounded open set Ω ■R(N ≥ 2) with C^(1,1) boundary ■Ω. We prove that when f ∈ L^p(Ω), and g ∈ C(Ω), the following problem (-△)^αΩu = f in Ω, u = g on ■Ω, admits a unique weak solution u ∈ W^(α,2)(Ω) ∩ C(Ω),where p >N/2-2α and 1/2< α < 1. To solve this problem, we consider it into two special cases, i.e.,g ≡ 0 on ■Ω and f ≡ 0 in Ω. Finally, taking into account the preceding two cases, the general conclusion is drawn.     

发动机机油滤清器虑层强度分析及优化

针对机油滤清器工作工况下进出口压差、机油滤层强度及导流桩高度等问题, 通过试验测试与仿真相结合, 对滤清器初步设计进行了评估及优化, 以确保滤清器在工作工况下进出口压降及滤层强度能满足要求. 首先进行滤层性能试验, 得到滤层的惯性阻力系数和黏性阻力系数; 再通过滤层多孔介质CFD分析, 对滤清器进出口压降进行分析计算. 结果表明: 在-18℃、25℃和70℃的工况下, 进出口压降都小于10kPa, 满足相关要求. 针对滤层的最大主应力超过其抗拉强度的问题, 通过CAE仿真分析, 优化滤层与导流桩间隙, 将滤层最大主应力由110.1MPa降至36.99MPa, 小于其抗拉强度42.8MPa.     

基于耦合声场建模的膨胀腔消声器声学性能分析及试验

针对圆柱形膨胀腔消声器三维建模及声学性能分析问题, 提出一种基于切比雪夫变分原理的耦合声场建模方法, 建立三维圆柱形膨胀腔消声器理论模型并搭建试验台架, 传递损失试验结果验证了理论模型的准确性. 将膨胀腔消声器内部声场分解为多个子声场, 基于子声场间压力与质点振速连续性条件, 推导声场耦合变分公式, 构建子声场拉格朗日泛函. 将子声场声压函数展开为切比雪夫-傅里叶级数形式, 通过瑞利-里兹法求解膨胀腔消声器频率、声压响应及传递损失. 计算并对比分析扩张比、扩张腔长度、进出口管偏置对膨胀腔消声器消声性能的影响. 结果表明: 扩张比增大会有效提高消声器在低频段的消声性能, 进出口管的偏置对消声器消声性能影响很小.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.