氮气射频放电与直流放电PIC/MC模拟的比较

建立氮气容性射频等离子体过程的PIC/MC模型,将模拟结果与直流放电进行比较.结果表明:射频等离子体粒子(e,N₂⁺,N⁺)的平均密度较直流放电约大-个量级,在射频电极附近粒子(e,N₂⁺,N⁺)的平均能量比直流放电阴极附近的能量低3倍左右;密度偏低的原子离子N⁺在两电极附近具较高的能量,能量较低的分子离子N₂⁺在放电空间具较高密度,N₂⁺的密度大约是N⁺的6倍;计算的电子能量几率分布与测量结果-致.     

纳米SnO2@TiO2包覆催化剂的制备及表征

采用活性层包覆法在自制细SnO2胶体粒子表面包覆TiO2,制备出SnO2@TiO2包覆型复合催化剂,以其对有机磷农药DDVP的降解效果作为评价光催化活性的标准,对制备条件进行了优化,并用XRD、TEM和BET等手段对样品进行了表征,结果表明,SnO2胶体乙醇溶液含水量20％,钛酸丁酯质量分数为34.5％。灼烧温度680℃时制得TiO2含量56.45％的包覆样品SnO2@TiO2为纳米级粒子,且其光催化活性最佳。     

水热法制备纳米Co0.5Zn0.5Fe2O4工艺条件试验研究

采用水热法合成纳米Co0.5Zn0.5Fe2O4粉体,并借助X射线衍射仪(XRD)、透射电子显微镜(TEM)、矢量网络分析仪(VNA)研究工艺条件(晶化温度、晶化时间)对Co0.5Zn0.5Fe2O4物相、形貌及吸波性能的影响.结果表明,当晶化时间为8 h、晶化温度为180℃时制备出纯相的尖晶石结构的纳米Co0.5Zn0.5Fe2O4,样品形貌为类球形,平均粒径为10～15 nm.在1～18 GHz频段内,样品在16.47 GHz处的反射率达到-33.9 dB,吸波性能最好.     

晶化时间对M型钡铁氧体吸波性能影响

以Fe(NO3)3·9H2O、Ba(NO3)2、NaOH为原材料,添加表面活性剂聚乙二醇,采用水热法成功合成M型钡铁氧体.采用X-射线衍射仪、扫描电镜和矢量网络分析仪对样品进行表征分析,研究了水热法中晶化时间对样品的粒度、形貌以及吸波性能的影响.试验结果表明:在Fe/Ba摩尔比为8、晶化时间8h制备的纯相M型BaFe12O19,样品结晶完整,形貌为六角片状,平均尺寸在1 ～2 μm.在1～18 GHz频段宽内,损耗因子在13.24 GHz处达最大值为0.33,吸波反射率为-10.35 dB,吸波性能最好,提高了钡铁氧体在Ku波段范围内的吸波性能.     

(1′S,4R,5R)-2-(1′-溴乙基)-2-(5-溴-6-甲氧基-2-萘基)-1,3-二氧戊环-4,5-二羧酸的不对称合成

萘普生［（Ｓ）２（６甲氧基２萘基）丙酸］是一种非常重要的非麻醉性消炎镇痛药．周宏英等［１］报道了用手性膦配体ＤＤＰＰＩ对２（６甲氧基２萘基）乙醇进行不对称羰基化反应合成了萘普生甲酯．本文用（２Ｒ,３Ｒ）酒石酸二甲酯为手性辅助剂,以...     

(2S)-(+)-2-溴-1-(6'-甲氧基-2'-萘基)丙-1-酮的不对称合成

以(2R,3R)-酒石酸二甲酯为手性辅助剂,6-甲氧基-2-丙酰基萘经缩酮化、溴化铜不对称溴化、水解等反应合成了(2S)-2-溴-1-(6'-甲氧基-2'-萘基)丙-1-酮。总收率94%。     

对比不同离子的掺杂对镍锌铁氧体电磁损耗性能的影响

应用水热法掺杂Co2+、Mn2+和Cu2+到纳米镍锌铁氧体粉末中.并利用XRD、TEM和VNA对其进行表征和分析,研究了掺杂不同金属离子对样品粒度、形貌、电磁损耗性能及吸收性能的影响.结果表明:镍锌钴铁氧体结晶更加完全,晶粒结构更加完整,出现团聚现象,晶粒排列相比其他更加致密.并且晶格常数由0.8352 nm增加到0.8404 nm,改变吸收峰的位置,增加吸收器的带宽,改善材料在低频率区间内的的吸波性能.Mn2+的掺杂相比镍锌钴铁氧体吸波性能下降,吸波效果减弱.Cu2+的掺杂没有影响纳米镍锌铁氧体电磁损耗的吸波频段.     

基于自适应像素级注意力模型的场景深度估计

深度估计是传统的计算机视觉任务,在理解三维场景中起着至关重要的作用。基于单目图像的深度估计任务的困难在于如何提取图像特征中大范围依赖的上下文信息,提出了自适应的上下文聚合网络（adaptive context aggregation network,ACANet）用于解决该问题。该方法基于有监督的自注意力模型(supervised self-attention,SSA),能够自适应地学习任意像素之间的具有任务特性的相似性以模拟连续的上下文信息,并通过模型学习的注意力权重分布用来聚合提取的图像特征。将单目深度估计任务设计为像素级的多分类问题,经过设计的注意力损失函数减少RGB图像和深度图的语义不一致性,通过生成的像素级注意力权重对由位置索引的特征进行全局池化。最后提出一种软性有序推理算法（soft ordinal inference,SOI）,充分利用网络的预测置信度,将离散的深度标签转化为平滑连续的深度图,并且提高了准确率（rmse下降了3%）。在公开的单目深度估计基准数据集NYU Depth V2上的实验结果表明:rmse指标为0.490,阈值指标为82.8%,取得了较好的结果,证明了本文提出的算法的优越性。     

基于注意力机制与图卷积神经网络的单目红外图像深度估计

对场景中的物体进行深度估计是无人驾驶领域中的关键问题,红外图像有利于在光线不佳的情况下解决深度估计问题.针对红外图像纹理不清晰与边缘信息不丰富的特点,提出了将注意力机制与图卷积神经网络相结合来解决单目红外图像深度估计问题.首先,在深度估计问题中,图像中每个像素点的深度信息不仅与其周围像素点的深度信息相关,还需考虑更大范...     

圆锥滚子轴承润滑与动力学耦合研究

为准确分析圆锥滚子轴承润滑和动力学耦合性能,建立了基于油膜刚度与阻尼的圆锥滚子轴承动力学耦合方程,并对方程进行了验证和数值求解. 数值结果表明:与不考虑润滑相比,考虑润滑后轴承内圈轴向运动更加稳定,轴向位移变小;在不同的滚子端面球半径和挡边倾角下,润滑效应能够使内圈径向振动加速度级减小1.71到2.07 dB;同时滚子个数的增加会使轴承内圈滚道和内圈挡边的平均最小油膜厚度分别增加7.97%和4.43%.