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。     

透明塑料盒上的显色偏振

依据显色偏振、布鲁斯特角等原理详细解释了透明塑料盒上彩色条纹的形成过程,并进行实验验证,排除了薄膜干涉、色散、散射等其他理论解释.     

新型4-羟色胺类化合物的合成及生物活性

以4-羟基吲哚为原料,经吲哚环4位乙酰基化、3位亲电取代、酰胺化和还原加氢等反应合成目标化合物7.通过核磁共振氢谱及碳谱对化合物进行结构表征,并对目标化合物进行体外抗氧化生物活性测试.初步生物活性测试结果表明,化合物7a,7b,7c和7d对DPPH·均有很强的清除作用(清除率为85.25%~90.73%),7e,7f,7g,7h作用较差;目标化合物与Vc相比,对·OH的清除作用稍差,最高清除率25.66%(Vc的最高清除率为34.67),但各化合物整体水平相当;在清除O-2·能力上化合物7a,7d,7g,7h最大清除率(分别为19.34,35.35,27.93和31.74)均强于同等浓度的Vc(17.58).     

煤直接液化油中混合酚的分离研究

利用分子筛择形特点，对煤直接液化油中的混合酚实施高效分离。本研究选取间甲酚和对甲酚作为分离煤直接液化油馏分段混合酚的模型化合物，采用化学液相沉积法对HZSM-5吸附剂的孔口结构进行改变，分析分子筛硅铝比及颗粒粒径对模型化合物间甲酚和对甲酚吸附分离性能的影响，以获得高性能固相吸附剂，并将其应用于180-190℃馏分段混合酚分离。结果表明，当分子筛硅铝比为25、粒径为3-5 μm时，分子筛的孔口结构调节效果最优；当正硅酸乙酯的最小用量为0.2 mL/g时，固相吸附剂的吸附量为0.03 g/g，对甲酚选择性高于95%。由于外表面沉积物对吸附剂的孔口结构变化，导致对甲酚选择性的提高。进一步采用HZSM-5（1）吸附剂对真实煤直接液化油混合酚的分离中发现，苯酚和对甲酚的选择性均达到100%。     

松木-聚氯乙烯复合材料催化热解特性的研究

通过热重法研究了松木与聚氯乙烯复合材料的催化热解特性,结果表明聚氯乙烯脱氯阶段与松木的纤维素、半纤维素热分解阶段温度区间重合,二者共热解时存在协同效应,并且HCl的释放对纤维素的脱水反应能够产生催化作用,HCl释放也对木质素的热分解及碳化反应有着明显的催化作用,导致二者共热解制备的碳化物产率提高,约为29.61%。并且利用元素分析仪、扫描电镜和能谱仪对成碳材料进行表征分析,结果表明成碳材料表面粗糙呈现多孔结构,其碳元素含量较高达到74.67%。     

化学法改性煤沥青脱除苯并芘的研究

在管式反应器中采用苯甲酸、聚乙二醇、固体古马隆树脂（S）、液体古马隆树脂（L）为添加剂来降低煤沥青中有害物质苯并芘的含量，以期使得煤沥青可绿色化应用。采用紫外-可见分光光度计分析煤沥青中苯并芘含量。考察了反应温度、反应时间、添加剂添加量、催化剂等工艺条件对添加剂脱除煤沥青中苯并芘的影响。结果表明，不同工艺条件能降低煤沥青中苯并芘的含量。在优化条件下，不同添加剂对苯并芘脱除率由高到低依次为：液体古马隆树脂、聚乙二醇、苯甲酸和固体古马隆树脂。分析其反应机理，这与催化剂的酸性相关，发生亲电取代反应。结果表明，液体古马隆树脂（L）在催化剂存在下对煤沥青中苯并芘脱除率可达73.0%，显示了良好的应用前景。     

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。     

基于化学学科认知障碍突破的中考复习教学实践* ——以“二氧化碳的性质”为例

分析学生对二氧化碳的3个典型学科认知障碍,以“二氧化碳的捕捉”为情境,通过“尝试捕捉二氧化碳”“谁在捕捉二氧化碳”“捕捉背后的原理”等3个主要环节,实现对学科认知障碍的突破,展示了一种新的中考复习教学思路。     

Measured and Predicted Solubility Phase Diagrams of Quaternary Systems LiBr-NaBr-MgBr2-H2O and LiBr-KBr-MgBr2-H2O at 298.15 K

The stable phase equilibria of quaternary systems LiBr-NaBr-MgBr₂-H₂O and LiBr-KBr-MgBr₂-H₂O at 298.15 K were studied by both experimental measurement(isothermal solution saturation method) and theoretical prediction(Pitzer model). The solubilities of the saturated solution have been determined experimentally and two stable phase diagrams and relevant water diagrams of the two quaternary systems were obtained. Results show that quaternary system LiBr-NaBr-MgBr₂-H₂O is hydrate II type as NaBr and NaBr·2H₂O coexistence. Its phase diagram consists of only one invariant point, four univariant curves, and five crystallization fields. The quaternary system LiBr-KBr-MgBr₂-H₂O is a complex type as the double salt KBr·MgBr₂·6H₂O formed. In addition to this double salt, the three single salts LiBr·2H₂O, KBr and MgBr₂·6H₂O also crystallize. In this paper, the solubilities of phase equilibria in above quaternary systems were also calculated by the Pitzer's electrolyte solution model. All the needed parameters can be obtained from the literature or be fitted by experimental data. On the Basis of the experimental and calculated results, the phase diagram of the quaternary system was plotted for comparison. It shows that the calculation results are consistent with the experimental ones.     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。