赫兹对阴极射线的实验研究及其重要影响

根据赫兹的日记、书信、文集及相关文献,对赫兹所进行的阴极射线的实验研究工作进行了仔细考察,指出他对阴极射线的一系列实验研究为揭示阴极射线的全部特性奠定了重要基础,对勒纳德和汤姆孙在这一领域的研究产生了直接影响．     

水溶液中4种杂环化合物的荧光光谱的理论研究

采用量子化学半经验方法RHF/AM1对4种六元杂环化合物进行水溶液中的构型优化, 经振动分析, 未出现虚频率。在此基础上用RHF/CIS方法分别计算了它们的荧光光谱, 并与其气相计算的结果进行了对比, 在水溶液中的计算结果能更好地符合实验值。     

液体物性对雾化射流液雾粒径的影响

对不同液体在空气中湍动雾化射流的气液两相流场进行了数值模拟.建立了一次雾化的一维模型,分析了粘度、表面张力和气液质量流量比对液雾粒径的影响趋势,采用基于粒子追踪法的二次雾化三维模型,分析了物性和各种工况对液雾粒径沿轴向分布的影响程度.计算结果和已公开发表的实验数据进行比对,得到了较好的吻合,在此基础上,分析了影响气泡雾化喷嘴雾化质量的主要因素.     

多孔建材中VOC扩散系数的两尺度模型

基于对建材微观结构的分析和压汞实验,提出了预测建材中有机挥发物(VOC)扩散系数的宏观一介观两尺度模型.和传统的从压汞实验计算扩散系数方法不同的是,本模型不仅考虑了孔隙率,还对孔的尺度分布和孔的连接方式进行了研究和分析.三种不同中密度板中VOC的散发实验表明,采用新模型计算的扩散系数比文献中的传统模型更好地吻合实验数据.     

温度对建材中可散发甲醛含量的影响

本文采用多平衡态回归法测量了常温下密度板中可散发甲醛含量,并与国标方法萃取法所测结果进行对比.发现材料巾的可散发甲醛含量远小于萃取法所测得的总含量,说明建材中的甲醛很大一部分在常温下无法释放出来.     

湍流大气中高斯光束焦移的数值模拟研究

采用数值模拟方法对聚焦高斯光束在湍流大气中传输的焦移进行了研究.结果表明:湍流大气中高斯光束的焦点不再位于真空焦点位置,而是向发射点移动,且前移的幅度随湍流强度的增大而增大,这与理论预计结果一致.引用焦深概念描述光束在焦点附近的准直特性,结果显示:在弱起伏和中等强度起伏情况下,光束的焦深随着湍流强度的增大而增大,焦点附近光束准直度提高;在中等和强起伏情况下,光束在焦点附近高度准直.     

激光湍流大气传输数值模拟中计算参量的选取

根据抽样原则、湍流介质特性、湍流效应和光传播效应等全面分析了网格间距、相屏间距和网格数目等关键计算参量选取的基本要求.通过数值计算,分析各种要求的可行性,表明在具体的数值模拟过程中,并非所有要求都能同时满足,若严格按照要求选择计算参量,所需的计算量常超出计算机负荷范围.结合具体数值计算,综合考虑计算机承受能力和计算准确度,给出了一种可靠实用的计算参量选取思路和方案.     

闪光照相CCD图像的自适应中值滤波方法

中值滤波是一种在去除噪声的同时能较好地保护图像边缘细节的非线性图像处理方法。为了滤除闪光照相CCD图像中的脉冲噪声，同时能更好地保护图像边缘，提出了一种改进的自适应中值滤波方法。该方法采用局部中值和局部方差作为判断噪声点的阈值，实现了局部自适应的中值滤波，克服了传统自适应中值滤波方法的缺点，对椒盐噪声和随机脉冲噪声均有较好的滤波效果。实验结果表明，该方法消除图像脉冲噪声十分有效，对闪光照相CCD图像的处理结果也较好。     

基于近红外光谱技术的石油组分定量分析新方法

针对石油化工产品生产控制和质量检查的需要,为提高测定产品组成的效率,将近红外光谱法作为基础测定方法,以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,测定其中饱和烃、胶质、单环芳烃、双环芳烃、三环芳烃和环烷烃的组成,论述了采用模糊神经网络建立校正模型测定石油化工产品组成的可行性。基于dSPACE硬件平台,用验证样本对模糊神经网络校正模型进行了检验,实验结果表明,该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6。该方法可用于石油化工产品的生产工艺研究中。     

过载作用下聚乙烯疲劳裂纹扩展行为研究

论文针对中密度聚乙烯材料(MDPE),采用平板试样进行了I型疲劳裂纹扩展和单次过载下裂纹扩展试验．发现与金属材料类似,单次拉伸过载对聚乙烯(PE)的疲劳裂纹扩展有明显的迟滞作用,降低了裂纹扩展速率．试验还通过变载荷刻线法获取疲劳裂纹扩展前缘的实际形貌和变化规律,对常规变载荷刻线方法进行了调整和验证,其修正方法对高分子材料的疲劳裂纹扩展前缘刻线具有较好的效果．通过观察发现含楔形塑性区的裂尖钝化是裂纹迟滞的主要原因．过载引入的塑性区内残余应力对裂纹迟滞也起了重要作用．论文利用Dugdale模型计算了塑性区尺寸,使用基于残余应力的Wheeler模型对过载迟滞进行了很好的拟合．