送风温度变化对数据中心热环境影响的模拟研究北大核心

为研究送风温度变化对数据中心热环境的影响,在分析数据中心空调系统负荷特性和能耗现状的基础上,以南京某小型数据中心工程实例为研究对象,采用数据中心专用CFD模拟软件对其气流组织进行了数值模拟,分析了该机房冷量利用情况。结果表明,送风温度变化会对气流组织产生一定的影响,送风温度提高,机柜平均出风温度提高,部分机柜存在冷量利用不充分的情况;距地面1.5m、3m平面位置及主要衡量立面温度均有不同程度的提高,增幅在3.8%—12.9%之间,气流组织受到一定的影响。综合分析得出送风温度在13℃热环境较好,更有利于冷量的充分利用。     

异烟酰肼缩2-乙酰吡啶稀土配合物的制备、晶体结构及抗肿瘤活性

合成并通过元素分析,红外和X-射线单晶衍射表征了3个稀土配合物[Ln(HL)(NO₃)₃(CH₃OH)₂](Ln=La, 1; Ce,2)和[Nd(HL)(NO₃)₃(H₂O)]CH₃OH(3)(HL=2-吡啶酰肼缩2-乙酰吡啶)。在同构配合物1和2中,中心金属离子与提供N₂O配位原子的HL配体,3个双齿配位的硝酸根和2个甲醇分子配位,形成十一配位的单帽五角反棱柱配位构型。在配合物3中,中心金属离子采用十配位的模式与N₂O配位构型的HL配体、3个双齿配位的硝酸根和1个水分子形成双帽四方反棱柱配位构型。2个配合物对人肠癌细胞Lovo,人胃癌细胞BGC823和SGC7901展现出显著的抗肿瘤活性。     

传感器驱动下双路视频采集与处理系统的实现

传统的视频采集使用连续录制的方式,一方面对存储需求较大,另一方面造成视频检索困难。针对这一问题,提出并实现了一种基于传感器驱动的视频采集和处理系统。系统以震动传感器和人体红外传感器作为触发器,实现对视频采集设备的驱动,并将获取的双路视频图像采用PIP技术进行处理。实验证明,这样做不仅能有针对性地获取视频信息,提高视频信息的可用性,而且可以扩大视频信息采集范围,节省存储空间。     

基于布谷鸟算法与BP神经网络的煤灰变形温度预测

以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。模型以煤灰化学成分及其组合参数等13个变量作为输入量,以变形温度(DT)作为输出量。CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂还是配煤,CSBP模型较BP模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3.11%、4.08%和4.22%。另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误差都有明显的增加。     

基于线性算子的广义逆矩阵的几何表示北大核心

广义逆矩阵是矩阵理论的重要内容.由于广义逆矩阵的定义众多,计算较为繁杂,使得初学者很难理解和掌握其本质.基于线性方程组求解问题的等价表示,从线性算子的角度展示多种广义逆矩阵定义的背景及其几何直观意义.通过对一个特殊算例的分析与求解,实现了对多种广义逆矩阵的几何解释及其在线性方程组求解中的作用,淡化了广义逆矩阵计算的繁杂,加深初学者对广义逆矩阵的理解与掌握.     

β-PbO2/TiO2纳米管电极的制备及其电催化降解苯酚

采用阳极氧化法和脉冲电沉积制备出β-PbO2改性TiO2纳米管(β-PbO2/TiO2-NTs)电极,通过扫描电子显微镜(SEM)、X射线衍射(XRD)和X射线光电子能谱(XPS)等技术手段对制备的β-PbO2/TiO2-NTs电极的表面形貌和结构进行了表征。结果表明,该方法成功地将β-PbO2纳米颗粒分散在TiO2纳米管中,通过电催化降解苯酚评价了β-PbO2/TiO2-NTs电极的电催化活性,实验结果表明,在TiO2-NTs中电沉积β-PbO2提高了电极的电催化活性,对苯酚的降解达到83%。     

无机纳米与多孔材料合成中的凝聚态化学

所谓凝聚态,一般意义上是指液态和固态,而凝聚态化学,即是在固相和液相中的各种化学过程。在无机材料,特别是无机纳米与多孔材料的合成制备中,凝聚态化学过程贯穿其中,几乎无处不在。在固相材料合成过程中,通过液相中的各种化学反应以获得目标固体材料的所需组分和物相,也许就是无机材料合成中一个最基本的凝聚态化学问题;而多孔如微孔或介孔材料合成中,更涉及伴随组分和物相形成过程中的孔结构形成与调控;进一步,在制备面向实际应用如催化剂和药物载体时,则在以上的各项要求之外,还必须考虑材料的表面活性位、缺陷等关键因素,以及颗粒尺寸、分散性和形貌等几何和物理特性。本文以无机氧化物为对象,讨论了无机材料在凝聚态化学合成过程中的几个侧面,包括纳米颗粒和粉体的化学合成方法,多孔材料的合成和多孔复相结构的合成调控,以及多级孔结构沸石的合成制备与催化性能,以期能加深对材料合成中凝聚态化学过程的认识,并期待以凝聚态化学为指导,进一步推动无机材料特别是纳米多孔材料合成的发展。     

卷积神经网络在流场重构研究中的进展

近年来, 随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展, 该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向. 传统的方法无法有效地处理这些庞大的数据, 深度学习因其具有强大的函数拟合能力, 可以从大量的数据中挖掘有用的信息. 当前, 流体力学深度学习技术有了初步的一些研究成果, 在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值, 其应用潜力逐渐得到证实. 如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘, 快速智能感知及重构流场, 可为主动流动控制提供重要指导. 本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展, 文章首先介绍卷积神经网络的一些基本概念以及基本网络结构, 之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论, 并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果, 最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.      

二次函数图象的一个有趣结论

笔者最近对二次函数的图象作了研究，得到了一组重要而有趣的结论，现论述如下，供读者参考．     

巧用米勒问题解圆锥曲线的最大角问题

米勒(Johannes Miiller),德国数学家,1468年至1471年在维也纳大学任教,1471年定居纽伦堡,从事天文学研究,米勒对三角学做出了巨大的贡献.