耐高压纳秒脉冲罗氏线圈的研制

针对ns级脉冲电流信号的测量,设计了一种带磁芯的新型自积分式罗氏线圈,具有信噪比高、动态范围广等优点。屏蔽盒开气隙防止涡流。屏蔽盒外层采用聚氨酯进行整体封装,聚氨酯层厚度大于1.5 mm,可耐受大于20 kV的冲击电压。采用高压方波发生器与Pearson4100线圈对罗氏线圈标定。罗氏线圈的参数为：灵敏度0.018 8 V/A,最高上升时间小于20 ns,方波脉宽300 ns,最大峰值电流300 A。     

预测金属有机骨架甲烷和氢气输送能力的迁移学习建模

基于深度神经网络(DNN)和迁移学习(TL),使用少量数据建立TL模型,精准预测了金属有机骨架(MOFs)的甲烷和氢气输送性能.首先,使用8414个MOFs在298 K/65 bar～298 K/5.8 bar(1 bar=0.1 MPa)条件下的甲烷输送数据训练一个决定系数(R²)为0.973的DNN[源任务(ST)模型].随后,将ST模型的部分参数冻结,使用100个MOFs在233 K/65 bar～358 K/5.8 bar条件下的甲烷输送数据和100个MOFs在198 K/100 bar～298 K/5 bar条件下的氢气输送数据分别微调ST模型,进行TL建模.结果表明,两个TL模型的R²分别为0.968和0.945,均高于其它5个传统的ML模型.所开发的TL模型在预测小数据集时具有高精度与高稳定性.最后,使用排列特征重要度方法来计算描述符重要度,明确了模型之间的“知识”共享情况,并在此基础上探讨了重要描述符和输送能力之间的关系.