石墨基液流电池复合双极板

液流电池是一种安全性高、使用寿命长、可扩展的大规模储能系统,可以协助电网调峰储能,提高能源利用率,发展前景广阔。双极板是液流电池的重要组成部分。功能上起到了分隔、串联电池、传导电流、为电堆提供结构支撑等作用。从成本构成角度看,双极板的价格占电堆成本的比重也较大。开发高性能、低成本的双极板对加快液流电池的商业化应用具有重要意义,也是目前业界的迫切需求。虽然文献上报道了许多针对液流电池双极板开发的工作,但是目前高性能、低成本的液流电池双极板产品仍无法充分满足市场需求。本文着重介绍了石墨基复合双极板的研究现状,介绍了材料选择、工艺流程对关键性能的影响,对相关工作进行了评述,并为液流电池双极板的开发提出了建议。     

一流本科数学课程双万计划建设的多级模糊综合评判模型及应用研究

基于当前高校办学定位和人才培养目标定位,建设适应创新型、复合型、应用型人才培养的需要,许多高校正进行双一流本科课程建设。模糊综合评判法,作为一种模糊数学评价方法,被用于各个领域,取得了很好的效果。本文将这种方法用于分析当前高校一流本科数学课程双万计划建设,并以华东交通大学信息与数学专业课程为例,得到了一些评判结果。实例分析表明该方法具有可行性与有效性。     

基于冲击光谱测量的氧化铝晶体高压相变诊断技术

氧化铝晶体是一种优良的光学透明窗口材料,更是地球内部的重要组成物质.利用气炮加载结合冲击光谱测量,不仅能够获得其发光特征,并且根据光谱分布特征得到高压结构相变信息.在自主搭建的冲击光谱动态测试平台上,结合多通道辐射高温计以及ICCD瞬态光谱测试技术在40~120 GPa的压力区间,研究了c切向氧化铝晶体的辐射发光效应.在可见光波段400~700 nm区间获得了氧化铝晶体的发光光谱和辐射温度结果,证实了光谱的结构特征和表观温度值与该压力下氧化铝的结构相变存在明显的关联性.     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

Te溶剂Bridgman法CdMnTe晶体核辐射探测器的制备和表征

碲锰镉(CdMnTe)作为性能优异的室温核辐射探测器材料,可用于环境监测和工业无损检测领域。本文中采用Te溶剂Bridgman法生长In掺杂Cd_0.9Mn_0.1Te晶体,制备成10 mm×10 mm×2 mm大小的室温单平面探测器,研究了该探测器对²⁴¹Am@59.5 keV γ射线源的能谱响应。通过表征红外透过率、电阻率以及探测器能谱响应等参数,综合评定了探测器用CdMnTe晶体的质量、电学和探测器性能。结果表明,晶片的红外透过率均在55%以上,最好可达到60%。采用湿法钝化,100 V偏压下的漏电流由钝化前的9.48 nA降为钝化后的7.90 nA,钝化后的电阻率为2.832×10¹⁰ Ω·cm。在-400 V反向偏压下,CdMnTe探测器对²⁴¹Am@59.5 keV γ射线源的能量分辨率在钝化前后分别为13.53%和12.51%,钝化后的电子迁移率寿命积为1.049×10^-3 cm²/V。研究了探测器的能量分辨率随电压的变化特性,当偏压≤400 V时,探测器的能量分辨率主要由载流子的收集效率决定,而当偏压>400 V时,能量分辨率由漏电流决定。本文研究结果表明,Te溶剂Bridgman法生长的CdMnTe晶体质量较好,电阻率和电子迁移率寿命积满足探测器制备需求。     

紫外可见偏振成像光谱仪的光谱定标与匹配方法

紫外可见偏振成像光谱仪中沃拉斯顿棱镜的色散效应会导致探测器同一空间通道的中心坐标发生偏移，影响目标信号探测精度。根据偏振解调算法，利用沃拉斯顿棱镜出射的两正交分量调制光谱(S光和P光)实现偏振信息解调时，还需要完成光谱匹配。针对这一问题，提出了一种光谱定标与匹配方法。首先利用平行光源标定了仪器视场角与空间维像元的对应关系，提取出各空间通道对应的像元坐标集合并确定了视场定标方程；在同一空间通道内，通过低压汞灯标准光源对波长与像元的对应关系进行标定，得出光谱定标方程；利用视场定标和光谱定标结果完成正交分量光谱的匹配；最后利用太阳光谱中Fraunhofer线的特征波长对定标结果进行了检验。结果表明：紫外可见偏振成像光谱仪正交分量的光谱吸收峰位具有较好的一致性，定标值和标准值的偏差在0.1 nm以内，这验证了定标结果的准确性。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

衬底对单层二硫化钼光学性质的影响

为了实现二硫化钼器件化应用,通过机械剥离和PMMA纳米转移相结合的方法,研究二氧化硅、氮化硅和蓝宝石衬底对单层二硫化钼拉曼光谱以及光致发光光谱的影响.实验结果表明,单层二硫化钼在二氧化硅、氮化硅及蓝宝石衬底间转移会释放应力.氮化硅和蓝宝石衬底对单层二硫化钼引入p型掺杂,导致转移后拉曼光谱中的403 cm-1处A1g峰发生0.48 cm-1和1.20 cm-1的蓝移,光致发光光谱中的位于662 nm处的I峰有5.44 nm和12.73 nm的红移.本工作对单层二硫化钼的应用具有重要意义.