ZnS多晶薄膜的磁控溅射沉积及其性能研究

采用磁控溅射法,在玻璃衬底上沉积了ZnS多晶薄膜,研究了衬底温度和Ar气流量对ZnS薄膜质量的影响.利用表面轮廓仪测量了薄膜的厚度,计算了薄膜的沉积速率.使用X射线衍射(XRD)分析了薄膜的微结构.通过紫外-可见光分光光度计测量了薄膜的透过谱,计算了禁带宽度.结果表明:所有制备的ZnS薄膜均为闪锌矿结构,所有样品在(111)方向具有明显的择优取向,沉积速率随着村底温度升高而降低,薄膜有较大的内应力,导致禁带宽度变窄.衬底温度为300℃时,薄膜的结晶质量最好.随着Ar气流量的增加,沉积速率增大,但薄膜的结构和光学性能都没有明显的变化.     

对流边界层水平温度场特征的水槽模拟研究

利用对流水槽模拟分析了均匀下垫面自由对流边界层的水平温度场结构特征.根据几何相似、运动相似和动力相似等要求设置初始条件和边界条件实施模拟.对流水槽的尺度为1.5 m×1.5 m×0.6 m,先加入具有一定温度层结的去离子水,然后底部加热形成对流,模拟对流边界层的发生和发展.利用快速响应的温度传感器测量温度廓线和不同高度上的温度起伏;利用准直光闪烁原理获得光学湍流场.根据温度廓线和光学湍流场的结果得到对流边界层厚度和稳定度等参数.根据不同高度的水平脉动温度,利用AR谱方法分析水平温度谱峰值频率所对应的尺度,该尺度对应于对流边界层的准二维对流热泡的水平尺度.统计分析结果表明,自由对流边界层大涡的水平尺度在边界层的下部随高度的增加而增加,约在0.65倍边界层厚度处达到最大,然后随高度的增加又逐渐减小.物理模拟与数值模拟和野外观测结果符合一致.根据对流热泡的这种特征,提出了一个自由对流边界层的热泡模型.     

关于用几何方法求Jordan标准型的一点注记

给出了用几何方法求Ｊｏｒｄａｎ标准的一种简化方法。     

基于结构解释模式的服役混凝土结构损伤识别

混凝土损伤的影响因素较多,采用结构解释模式(interpretative structural model,ISM)的系统分析方法进行服役混凝土结构损伤识别研究,科学判定既有混凝土结构的损伤程度及基本影响因素。根据引起混凝土损伤的因素,确定各因素间的二元关系,并以此为基础,由要素间的关系传递性,建立基于结构解释模式(ISM)的混凝土结构损伤识别的构思模型,并提取骨架矩阵,形成递阶结构模型,经过比较反馈、修正学习,分析给出混凝土结构损伤识别的基本影响因素。研究结果表明:结构损伤多因素的二元关系是进行损伤识别的基础,综合考虑系统中引起损伤的各因素之间的关系,利用图论中关联矩阵原理分析混凝土结构损伤,给出的结构损伤影响因素更为直接有效;由损伤识别模型归结出的基本影响因素与现行结构检测规范的基本项目基本一致。     

补强方式对压力容器开孔接管区集中应力的影响

采用有限元法分析了补强方式对压力容器开孔接管区的集中应力的影响,比较了补强圈补强结构和厚壁接管补强结构的补强效果,并对其应力集中系数进行了研究.结果表明:不论使用补强圈补强,还是使用厚壁接管补强,补强后的应力集中系数都明显降低,且对于大开孔结构,厚壁接管补强优于补强圈补强.     

非水电化学体系SERS效应研究

本研究了0.10M六氢吡啶/0.10MLiCl/甲醇/Ag电极体系的SERS谱。并与水体系六氢吡啶的SERS谱进行了比较，探讨了它们之间的关系。     

不同颗粒增强铁基复合材料磨损性能的对比

采用动态电流直加热制备,提出了分段加热工艺,研究了陶瓷颗粒增强铁基复合材料的磨损性能和磨损机理.结果表明:四种不同颗粒增强铁基复合材料的磨损量均在#45钢磨损量的15%以下;Ti(C,N)对改善材料磨损性能作用最强,表明与基体界面可经受一定变形量的强化粒子最有利于提高耐磨性;复合材料的耐磨性均在强化粒子体积分数为10%时达到最好.铁基复合材料表现出高摩擦系数时耐磨性反而更好的特性,在耐磨材料应用方面显示出巨大优势.     

改进的基于灰度变化的角点检测算法

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。本文提出了一种改进的基于灰度变化的角点检测算法。灰度差阈值决定了SUSAN算子所能检测到的最小的对比度以及抗噪性能,本文采用自适应阈值方法代替传统的手工确定阈值法,并针对误检的问题,提出了相应的排除方法。实验结果表明该改进方法比传统方法具有更好的实时性和可靠性。     

一种求解非线性方程组的混沌算法

将解非线性方程组的Newton迭代法与混沌映射相结合,提出了一种用混沌初值的迭代算法,该算法具有搜索逼近非线性方程组全部解的能力。     

RBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性.