微乳液静电纺丝制备多孔Nb4N5纤维及其电化学性能

以五氯化锯为原料,液体石蜡为分相剂,采用微乳液静电纺丝技术制备前驱体纤维,再经氨气还原氮化得到多孔氮化锯纤维.利用XRD、SEM、BET等进行物相及微观结构表征,结果表明合成的纤维为四方Nb4N5晶相,纤维连续,直径为260 nm,由于液体石蜡分相以及助纺剂PVP的分解作用,在纤维上形成较多孔道结构,其BET比表面积为125m2/g,孔径为2～5nm范围内的孔结构比例较高,同时在5～10 nm 范围也存在较多的孔道结构,平均孔径为7.3 nm.采用CV、GCD及EIS等测试其电化学性能发现,氮化锯纤维的储能主要受电极表面电荷传递过程控制的,外表面比电容贡献高,这得益于分布在纤维中的孔结构,其可为离子传输提供通道,并为电化学反应提供空间.当电流密度为5mA/g时,比电容为151 F/g,能量密度为7.73 Wh/kg时,功率密度为3.03 W/kg,其经2000次循环后其比电容保持在95;以上.     

还原氮化温度对氮化铌纳米管组成、结构与电化学性能影响研究

以铌箔为基底,用阳极氧化法结合氨气还原氮化法制备出氮化铌纳米管,利用X射线衍射仪(XRD)、X射线光电子能谱(XPS)和扫描电镜(SEM)等结构表征手段和循环伏安法(CV)、充放电(GCD)和交流阻抗法(EIS)等电化学测试手段研究了还原氮化温度对纳米管的物相、形貌以及电化学性能的影响。结果表明,还原氮化后出现了氮化铌物相,以氧氮化铌固溶体形式存在,当还原氮化温度为700℃时,氮化铌纳米管阵列结构均匀,纳米管的孔内径约为35 nm,管壁厚度约为12 nm,纳米管长度约为1.5μm,样品中内在阻抗和电荷转移电阻较小,在电流密度为0.1 mA/cm²时,其比电容为400μF/cm²。     

基于递归T矩阵的离散随机散射体散射特性研究

本文根据电磁场矢量球波函数多极点展开原理及矢量叠加定理提出了递归T矩阵算法的矢量形式,并且基于矢量递归T矩阵算法建立了多散射球模拟离散随机散射体散射的三维电磁散射模型.通过计算不同尺寸、随机分布散射球的散射以及分析散射球间的高阶散射效应,结果表明:矢量递归T矩阵算法具有很高的计算精度,算法中包含多散射体间的高阶散射效应,因此能够精确计算多散射体总的散射效应.本文所建模型可应用于土壤湿度探测工程中评估地表下掩埋离散随机散射体散射对雷达回波信号产生的影响.     

基于透视变换的直升机桨根扭转角测量方法

现有方法常将相机从下至上拍摄标记物图像,当桨叶扭转幅度较大时,相机主光轴与标记物平面法向量存在明显夹角,导致拍摄图像存在透视畸变现象,从而引发较大测量误差。为解决上述问题,提出一种基于透视变换的直升机桨根扭转角测量方法。首先,将靶标垂直固定在桨叶下方,相机正对桨毂拍摄图像。其次,计算桨叶在低速拉平状态下待测方位与正方位靶标图像中的四个顶点坐标,并求解待测方位的透视变换矩阵,然后利用透视变换矩阵对桨叶高速运动状态下待测方位拍摄的畸变图像进行校正。最后,求得基准图像与校正后图像中的圆心坐标,进而计算出待测方位扭转角。实验结果表明,各方位测量误差均小于0.2°。该方法不但测量精度高,而且具有多方位动态测量的优点,在直升机旋翼桨叶运动参数测量领域具有良好的应用前景。     

对数域中基于实例学习的光照估计

复杂和多光照场景下的光照估计是颜色恒常性计算的难点和热点。提出一种对数域中基于实例学习的光照估计方法。通过分析光照对图像色度的影响,提取对数色度直方图作为光照一致性特征,在实例学习框架下,根据特征相似的已知光照实例估计目标场景光照。算法分割原始图像为多个光照均匀场景,分区域估计局部光照,并融合得到整幅图像的全局光照信息。在多组单光照和多光照数据集上的实验结果表明,相较于其他先进方法,本文方法在不同数据集上的光照估计误差中位数降低了5%~14%,精度更高且稳健性更好。     

二极管阵列检测器高效液相色谱法同时测定小柴胡片中10种指标成分

建立二极管阵列检测器高效液相色谱法同时测定小柴胡片中柴胡皂苷a、柴胡皂苷d、黄芩苷、汉黄芩苷、黄芩素、汉黄芩素、党参炔苷、甘草苷、甘草酸和6-姜辣素的含量。该药物粉末在30℃水温用5%浓氨试液的甲醇溶液超声提取液和70%乙醇溶液加热回流提取液的等体积混合液作为样品溶液,分析采用Venusil XBP C₁₈(L)色谱柱(250 mm×4.6 mm,5μm),以乙腈-0.1%磷酸溶液为流动相进行梯度洗脱,在波长210、237、280 nm下进行检测,体积流量为1.0 mL/min,柱温为25℃。10种指标成分在一定浓度范围内线性关系良好,相关系数均不小于0.999 7,平均加标回收率为91.40%～97.82%,相对标准偏差为0.79%～2.88%(n=6)。该方法可用于小柴胡片的质量控制。     

微乳液电纺丝法制备Eu3+掺杂锆酸镧多孔纤维及其发光性能研究

以LaCl₃、ZrClO₂·8H₂O为原料,无水乙醇为溶剂,采用微乳液静电纺丝法制得烧绿石型的锆酸镧纤维,并引入分相剂石蜡在纤维中构筑多孔结构.采用XRD、SEM和BET研究了纤维的结构和形貌,采用PL光谱测试了Eu³⁺掺杂的锆酸镧纤维的发光性能.研究表明,引入分相剂石蜡可以改善纤维中的孔结构,当石蜡用量为4 mL时所制备的锆酸镧纤维物相纯度高,其比表面积为20.77 m²·g^-1,平均孔径19.3 nm,有较为丰富的孔结构且分布均匀.因此,在该纤维中掺杂Eu³⁺后,由于氧离子与稀土离子间的电荷跃迁,以及多孔结构光散射的作用,多孔纤维的发光强度有所提高.     

高光谱数据处理算法的小麦赤霉病籽粒识别

赤霉病是小麦的一种主要病害,它会导致小麦减产甚至绝收,严重影响小麦种子质量,此外小麦受侵染分泌的真菌毒素危害人类身体健康。因此,小麦赤霉病籽粒的识别具有非常重要的意义。起初普遍采用色谱法和酶联免疫法进行赤霉病检测,这些方法设备昂贵、检测速度慢、准确性低。近年来,高光谱成像技术被广泛应用于农作物的识别与检测中,但是在小麦赤霉病检测的应用研究中,大多采用抽样检测的方法,图像采集完成后需要通过ENVI软件手动选取感兴趣区域。前期准备工作冗杂,而且容易发生漏检,漏检的小麦籽粒在存储运输过程中向周边籽粒快速侵染,难以保障小麦安全健康。鉴于此,利用高光谱成像系统结合机器学习提出了一种用于对大量小麦赤霉病籽粒样本快速可视化识别的算法,以降低漏检率并提升检测效率。实验分别采集健康小麦和染病小麦469～1 082 nm波段的高光谱图像,通过直方图线性拉伸结合图像分割的方法获取小麦样本的掩膜图像信息。利用Savitzky-Golay平滑去噪法与标准正态变量变换法（SNV）进行数据预处理,通过主成分分析法（PCA）和连续投影法（SPA）进行特征变量提取,筛选特征变量个数分别为4个和8个。在掩膜图像位置采集健康小麦样本与染病小麦样本各400份,其中75%用于建模集,25%用于测试集。采用十折交叉验证法结合线性判别分析法(LDA) 、K-近邻算法（KNN）、支持向量机（SVM）分别建立分类模型,测试集准确率都达到90%以上。随后比较了网格法（GRID）、粒子群算法（PSO）、遗传算法（GA）三种核参数寻优方法对SVM模型的影响,其中,SG-SPA-SVM（PSO）模型分类效果最优,建模集准确率为95.5%,均方根误差为0.212 1,测试集准确率为98%,均方根误差为0.141 4。基于样本点预测的基础之上,对掩膜获得所有小麦样本的光谱曲线进行预测并将识别结果反馈回掩膜中再进行伪彩色显示,实现染病籽粒可视化识别。结果表明,高光谱成像结合SG-SPA-SVM（PSO）算法建立的分类模型可以高效快速、准确无损、可视化的实现小麦赤霉病籽粒识别,为研制小麦赤霉病自动识别设备提供了算法基础。