AlN纳米线宏观阵列的制备

借助二次模板法成功的合成了AlN纳米线宏观阵列,并进行了表征.主要研究CVD法制备有一定取向,直径均匀的AlN纳米线宏观阵列的过程.通过气相沉积法和利用PS球自组装模板制备了金属纳米颗粒模板;再以模板上的金属纳米颗粒作为催化剂,利用化学气相沉积在模板上合成AlN纳米线宏观阵列.借助SEM,TEM观察所得样品,AlN纳米线阵列面积约为0.3 mm×0.2 mm,直径和长度分布均匀,平均直径约为41 nm,平均长度为1.8 μm左右,分散密度和覆盖率大的六角结构AlN纳米线宏观阵列.得到了可控制备AlN纳米线 关键词： AlN纳米线阵列 模板法 CVD法 SEM     

∧c^＊ in a coupled-channel baryon-meson scattering

Possible structures and properties of some excited states of Λ_c⁺ dynamically generated in the coupled-channel P-wave meson-baryon scattering are studied by solving the Bethe-Salpeter(BS) equation in the framework of the Chiral Unitary Approach. It is shown that both Λ_c⁺(2765) and Λ_c⁺(2940) could be generated dynamically and could be compound states with multi-configuration molecular-like structures. The couplings of the generated states to various reaction channels are also calculated. Moreover, two highly excited states, Λ_c⁺(3024) and Λ_c⁺(3134), are predicted.     

自然电位测井的数学模型

自然电位测井是石油开发中一种常用而重要的测井方法。自然电位函数的数学模型可归结为具有间断交界面条件的椭圆型等位面边值问题,在交界面交汇点处,自然电位的跳跃通常不满足相容性条件,此时,这个边值问题不存在分块H1*解,不能使用有限元素法直接求解。本文介绍这一测井方法的数学模型及数值求解方法。     

近似函数高阶导数的高精度积分逼近方法

主要研究稳定计算近似函数的高阶导数的积分逼近方法,方法因由Lanczos提出故也称为Lanczos算法.利用Legendre多项式的正交性,提出了一类逼近近似函数高阶导数的高精度积分方法,即构造出一系列积分算子Dn,h(m)去逼近噪声函数的高阶导数,且这些积分算子具有O(δ(2n+2)/(2n+m+2))的收敛速度,其中δ为近似函数的噪声水平.数值模拟结果表明提出的方法是稳定而有效的.     

ReSi1.75电子结构的第一性原理研究

基于第一性原理全势线性缀加平面波方法和局域密度近似(LDA),对ReSi1.75的基态晶格属性进行了研究.结构优化的结果表明,ReSi1.75的基态平衡晶格常数比实验值小约0.6%.在LDA计算基础上,考虑局域的Re的d电子库仑作用,用LDA+U方法计算了ReSi1.75的电子结构,发现当Ueff=U-J=4.4 eV时,能带结构呈半导体性质.具有0.12 ev的间接能隙和0.36 ev的直接能隙.有效质量计算结果表明,ReSi1.75晶体具有强烈的各向异性.Resi1.75的态密度在费米能级附近变化剧烈,通过掺杂改变材料的费米能级位置,有望提高材料的热电性能.     

数值积分公式中间点的渐近性质及其应用

主要研究了三类数值积分公式的中间点的渐近性质,得到了更一般性的结果.基于中间点的渐近性质,获得了数值积分的校正公式及其条件误差估计.数值例子显示了校正公式的精度明显高于对应的计算公式.     

基于单幅散斑的X射线强度关联缺陷检测方法

采用预置散斑的X射线强度关联成像系统需要采集大量的散斑场,成像时间较长,而单幅散斑场信噪比低,难以单独用于图像重构。然而单幅散斑场中的空间分布信息包含一定的样品结构信息,可以用于样品缺陷快速检测。基于此,提出一种基于单幅预置散斑的缺陷检测方法,该方法将待检测样品探测散斑场与标准样品模拟散斑场的相关性作为样品缺陷的评价标准。同时基于该方法模拟X射线强度涨落二阶自关联检测光路,分析不同信噪比下探测散斑场分布的图像对比度对相关系数的影响。并对比多种细节增强方法,提高检测可靠性。最终结果表明,基于单幅散斑场的方法可以有效地进行样品的快速缺陷检测。     

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。     

一阶非线性项、四阶色散项的Boussinesq类方程

推导了由一阶色散项Ｏ（β２）表示的Ｂｏｕｓｉｎｅｓｑ类方程，方程中保留了一阶非线性项Ｏ（α）及四阶色散项Ｏ（β８），其中α＝Ａ／ｈ０，β＝ｈ０／Ｌ，Ａ为特征波高，Ｌ为特征波长，ｈ０为特征水深从理论上证明了Ｂｏｕｓｉｎｅｓｑ改善型方程对色散性精度的提高，阐明了此类方程对色散项所保留的精度为Ｏ（β８），而并非是此类方程推导之初的假设为Ｏ（β２）这一点，将改变人们传统的认识     

一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。