SnSxSe2-x单晶纳米片的可控制备与表征

锡二硫族化合物可以通过改变硫和硒的含量来连续调控三元合金材料的带隙、载流子浓度等物理化学性质,在电子和光电子器件应用上具有巨大的潜力。本文采用化学气相沉积(CVD)技术可控地制备了不同元素组分的SnS_xSe_2-x(x=0,0.2,0.5,0.8,1.0,1.2,1.5,1.8,2.0)单晶纳米片。采用扫描电子显微镜(SEM)、原子力显微镜(AFM)、能量色散X射线光谱(EDS)、透射电子显微镜(TEM)以及拉曼光谱等手段对SnS_xSe_2-x纳米片进行了综合表征。结果表明本方法成功实现了元素百分比可调的SnS_xSe_2-x单晶纳米片的可控制备。重点研究了依赖于元素百分比的SnS_xSe_2-x的拉曼特征谱,实验结果与基于密度泛函理论(DFT)的第一性原理计算得到的SnS_xSe_2-x的拉曼仿真谱高度吻合,理论计算结果较好地诠释了实验拉曼光谱发生变化的原因。本研究提供了一种元素百分比可调的三元SnS_xSe_2-x单晶纳米片的可控制备方法,同时对锡二硫族化合物的明确、无损识别提供了方案。     

双激光脉冲打靶形成Gd等离子体的极紫外光谱辐射

高端芯片制造所需要的极紫外光刻技术位于我国当前面临35项"卡脖子"关键核心技术之首.高转换效率的极紫外光源是极紫外光刻系统的重要组成部分.本文通过采用双激光脉冲打靶技术实现较强的6.7 nm极紫外光输出.首先,理论计算Gd¹⁸⁺—Gd²⁷⁺离子最外层4d壳层的4p-4d和4d-4f能级之间跃迁、以及Gd¹⁴⁺—Gd¹⁷⁺离子最外层4f壳层的4d-4f能级之间跃迁对波长为6.7 nm附近极紫外光的贡献.其后开展实验研究,结果表明,随着双脉冲之间延时的逐渐增加,波长为6.7 nm附近的极紫外光辐射强度呈现先减弱、后增加、之后再减弱的变化趋势,在双脉冲延时为100 ns处产生的极紫外光辐射最强.并且,在延时为100 ns处产生的光谱效率最高,相比于单脉冲激光产生的光谱效率提升了33%.此外,发现双激光脉冲打靶技术可以有效地减弱等离子体的自吸收效应,获得的6.7 nm附近极紫外光谱宽度均小于单激光脉冲打靶的情形,且在脉冲延时为30 ns时刻所产生的光谱宽度最窄,约为单独主脉冲产生极紫外光谱宽度的1/3.同时...     

多模式离子推力器输入参数设计及工作特性研究

针对我国小行星探测任务对电推进系统离子推力器设计要求,基于等离子体基本理论建立了多模式离子推力器输入参数与输出特性关系,完成各工作点下屏栅电压、束电流、阳极电流、加速电压,流率等输入参数设计,采用试验研究和理论分析的方法研究了推力器工作特性.试验结果表明:在设计输入参数下,23个工作点推力最大误差小于3%,比冲最大误差小于4%,在功率为289—3106 W下,推力为9.7—117.6 mN,比冲为1220—3517 s,效率为23.4%—67.8%,电子返流极限电压随着推力增加单调减小,最小、最大推力下分别为-79.5 V和-137 V,放电损耗随着功率增大从359.7 W/A下降到210 W/A,并在886 W时存在明显拐点,效率随功率增大而上升,在1700 W后增速变缓并趋于稳定,在轨应用可综合推力器性能、任务剖面要求、寿命,合理设计输入参数区间,制定控制策略.     

氮分子A3Σu+、B3Пg、C3Пu电子态的高温高振转光谱研究

采用态平均（CASSCF）/高度相关多参考组（MRCI）方法，对N2分子A3Σu+、B3Пg、C3Пu电子态的势能、跃迁偶极矩进行了高度相关的精确计算．计算的势能在平衡位置附近与RKR拟合的势能曲线非常一致，获得的跃迁偶极矩与已有实验值符合很好。首次对A3Σu+、B3Пg、C3Пu电子态的振转光谱常数随振动量子数v的变化进行系统定量计算，其结果与已有的实验观测数据相符．同时，获得了N2分子第一正带系的0-1、0-2、1-0、1-2、1-3、2-0、2-1、2-3、3-0、3-1和3-2光谱带分别在300，3000，6000，10000K时的谱线强度，如1-0带在3000，6000，10000K时的高温谱线带强度分别为1.58543×10-16 cm-1/(分子 cm-2)、6.07889×10-17 cm-1/(分子 cm-2)和2.3781×10-17 cm-1/(分子 cm-2)．这些结果对N2分子进一步的理论研究、实际应用和高温大气的建模与研究具都有一定的参考价值．     

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。     

基于电化学老化衰退模型的锂离子动力电池外特性

当前锂离子动力电池电化学模型存在模型复杂、建模难度大、计算效率低、老化评估效果差的问题,本文提出一种考虑电池衰退老化的机理模型(ADME).本文首先通过有限差分法对伪二维(P2D)电化学模型进行离散降阶处理,得到简化伪二维(SP2D)模型.在SP2D模型的基础上,基于阴阳两极发生的副反应导致的衰退老化现象,提出一种考虑电池衰退老化的机理模型.其次,使用多变量偏差补偿最小二乘法实现模型参数辨识.最后通过动力电池衰退老化性能循环实验,对比分析了恒流、脉冲工况下SP2D模型和ADME模型的终端电压输出.结果表明:ADME模型较为简单、计算效率和估算精度高,可以有效评估电池容量老化衰退,得到理想的锂离子动力电池外特性曲线.     

光纤基底TiNi形状记忆合金薄膜制备工艺

将TiNi基记忆合金薄膜与光纤相结合可制成智能化、集成化且成本经济的微机电系统和微传感器件.本文采用磁控溅射法在二氧化硅光纤基底上制备TiNi记忆合金薄膜,系统讨论了溅射工艺参数以及后续退火处理对薄膜质量的影响.采用自研制光纤镀膜掩膜装置在直径为125μm的光纤圆周表面上形成均匀薄膜.实验表明:在靶基距、背底真空度、Ar气流量和溅射时间一定的条件下,溅射功率存在最佳值;溅射压强较大时,薄膜沉积速率较低,但薄膜表面粗糙度较小.进行退火处理后,薄膜形成较良好的晶体结构,Ti_49.09Ni_50.91薄膜中马氏体B19′相和奥氏体B2相共存,但以B19′为主.根据本文研究结果,在玻璃光纤基底上制备高质量的TiNi基记忆合金薄膜是可实现的,本工作为下一步研制微机电系统和微型传感器做了基础准备.     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

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。     

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。