纳米Eu0.10Y1.90-xNdxO3-δ的光致发光特性及浓度猝灭研究

使用超声波作用下的均匀沉淀法,制备了Eu0.10Y1.90-xNdxO3-δ纳米晶荧光粉,用X射线粉末衍射、荧光光谱等对其进行表征.研究了掺杂Nd3 离子对Y2O3∶Eu3 晶格常数、晶粒尺寸及室温光致发光特性的影响.由不同掺杂浓度x=0~0.18下样品的发射光谱强度变化曲线得到猝灭浓度值,探讨了掺杂Nd3 的样品荧光浓度猝灭的机理.发光强度与浓度的关系表明,掺杂离子之间存在的Eu3 -Nd3 或Nd3 -Nd3 间交换相互作用,是导致掺杂样品浓度猝灭的主要原因.     

水溶性高聚物的研究进展

自八十年代初，水溶性高聚物再次成为高分子科学研究热点，评述了水溶性高聚物，特别是疏水缔合型改性水溶性高聚物的最新进展。     

Strandberg型杂多阴离子（Se2Mo5O212）^4的合成和晶体结构

利用还原－氧化重构法（简法ＲＯＲ法）合成了具有Ｓｔｒａｎｄｂｅｒｇ型含硒的杂多化合物Ｋ３Ｎａ．（Ｓｅ２Ｍｏ５Ｏ２１）．２Ｈ２Ｏ的单晶，结构测定表明，此化合物属单斜晶系，阴离子包含通过共边和共顶点相连的五聚ＭｏＯ６八面体，组成八面体的５个金属原子近似形成五角平架，２个ＳｅＯ３三角锥加在五角平面的上下方。     

Fe-Co-Ni合金纳米线有序阵列的模板合成与磁性

以二次阳极氧化的氧化铝膜为模板，用电化学沉积的方法成功地合成了Fe-Co-Ni三组份有序纳米线阵列.扫描电子显微镜（SEM）和透射电子显微镜(TEM)观察表明纳米线表面光滑、有序、高长径比；磁性测量表明,其矫顽力较同组份的膜材料有较大的提高.将样品在惰性气体氛围中不同温度下退火，随着退火温度增加，其纵向矫顽力有一个极值，而对应的横向矫顽力没有类似的变化，关于这一现象的机理,本文进行了初步的讨论. 图5参15     

乙醇羰化反应负载型催化剂的研究

本文由七种负载型催化剂中选出两种比较好的乙醇羰化催化剂,研究了影响反应转化率和选择性的因素,考察了活性组份的价态和载体的酸性。此外,还对催化剂进行了能量色散X射线分析。从其结果看,谱图上只有活性中心铑的谱峰而没有氯的谱峰,说明铑是以离子形式进入载体,而不是以化合物形式被吸附于载体上。     

退火工艺对HgCdTe材料位错密度及电学性能影响的研究

实验分别采用高低温退火和循环变温退火方式对液相外延生长的HgCdTe材料进行饱和汞压热处理,研究了两种热处理工艺对碲镉汞材料位错密度及电学性能的影响。结果表明：相较于高低温退火,经循环变温退火后HgCdTe材料的位错密度有了明显的降低,并且材料的迁移率有了显著的提升。研究发现循环变温退火是一种较好提升HgCdTe材料性能的热处理方法。     

碲锌镉晶体VGF法生长温场的梯度区高度设计研究北大核心CSCD

本文对不同梯度区高度的VGF法温场生长碲锌镉(CdZnTe)晶体过程进行了稳态和非稳态仿真模拟分析。研究发现,晶体生长等径初期界面凸度随着梯度区高度的增加而减小;等径末期界面凸度受梯度区高度的影响不大;界面的凸度与固液界面温度梯度变化率正相关。非稳态模拟结果显示,现有变温条件下,晶体生长过程中固液界面凸度存在先增大后减小的趋势,趋势转变点接近梯度区高度中点;界面形状的变化趋势受固液界面上生长速度分布直接影响;对比而言,10 cm高的梯度区更容易实现前中期固液界面凸界面的获得,利于形成高单晶率CdZnTe晶体。     

低耗低剖面单层波导阵列天线研究

新型单层波导阵列天线具有低耗、低剖面、结构紧凑、实用性强等诸多优点, 在毫米波甚至太赫兹无线通信领域具有巨大应用潜力, 是当前的研究热点。 文章首先介绍了用于构建波导阵列天线的几类波导馈电网络的特点, 指出E 面波导馈电网络在毫米波应用领域的优势,接着针对E 面波导在单层并馈波导阵列天线和Butler矩阵多波束阵列天线方面的研究展开叙述,最后给出了可应用在单层波导阵列天线中的开口波导辐射单元在实现多频和圆极化等不同功能上的最新研究进展。 文章对于低耗低剖面单层波导阵列天线的发展及其应用具有参考价值。     

基于数据融合与智能分析算法的电网抢修管控技术研究

首先针对数据融合背景下,配电网故障抢修的分类以及影响因素进行了分析。针对配电网络中的优化策略、调度资源、抢修资源分配、抢修策略数据等方面的数据融合提出了体系架构。针对含分布式电源配电网多故障抢修建立了以负荷损失最小和抢修故障用时最小为目标的数学模型,以期望缺电量为原则计算故障损失,并考虑了多组抢修小队对不同配电网故障的抢修时间。利用智能分析算法求解该模型,提出了基于云模型的改进共生生物搜索算法。最后利用IEEE33节点模型进行了仿真分析,说明了抢修策略和算法有效性。     

针对ＬＳＢ隐写的语音隐写分析方法

本研究对常用的最低有效位(LSB)隐写技术进行了隐写分析。在目前的网络环境中,检测低嵌入率语音隐写信号仍然是一个非常有挑战性的课题。近年来,神经网络模型在许多课题中都取得了显著的性能。神经网络的主流架构包括卷积神经网络(Convolution neural Networks, CNNs)和循环神经网络(Recurrent neural Networks, RNNs),这两种网络采用了不同的方式来理解各种信号。本文提出了一种合适的方法来结合这两种架构的优点,然后构造了一个新的模型,即CNN-LSTM网络来检测基于LSB的隐写方法。在本文提出的模型中,使用双向长短时记忆循环神经网络(BiLSTM)来捕获信号的长时间上下文信息,然后使用CNN捕获局部特征和全局特征。实验结果表明,该模型相较对比方法对于基于LSB的隐写分析达到了更好的效果。