金属有机化学气相沉积法制备钛酸铅铁电薄膜

利用低压ＭＯＣＶＤ工艺分别在（００１）取向的ＬａＡｌＯ_３，ＳｒＴｉＯ_３和重掺杂硅单晶衬底上制备ＰｂＴｉＯ_３铁电薄膜，并通过Ｘ射线衍射谱对薄膜的微结构进行分析．Ｘ射线θ－２θ扫描显示硅衬底上得到了ＰｂＴｉＯ_３多晶薄膜，另两种衬底上得到了择优取向的ＰｂＴｉＯ_３薄膜．ＬａＡｌＯ_３衬底上的ＰｂＴｉＯ_３薄膜有ａ和ｃ两个取向，也就是薄膜中存在着９０°畴结构，而生长在ＳｒＴｉＯ_３衬底上的ＰｂＴｉＯ_３薄膜中只存在ｃ方向的择优取向．由于薄膜的尺度效应，发现ｃ轴晶格常数与块材相比均缩短．Ｘ射线的φ扫描验证了后两类薄膜的外延特性，利用同步辐射的高强度和高能量分辨率用摇摆曲线方法研究了这两种外延薄膜的品质，进一步证明了ＳｒＴｉＯ_３衬底上的ＰｂＴｉＯ_３薄膜的单畴特性．利用重掺杂的硅衬底作底电极，测量显示直接生长于硅衬底上的ＰｂＴｉＯ_３多晶薄膜具有良好的铁电性能 关键词：     

NaNO3掺杂Y2O3材料的制备及电流变性质

利用NaCO3和Y（NO3）3做主要原料，合成了一系列用稀土氧化物（Y2O3）作为基础材料的新型电流变材料——NaNO3掺杂Y2O3材料。对于这些材料的介电性质、微观结构和电流变性能的研究结果表明，NaNO3的掺杂可以明显地提高Y2O3材料的电流变活性。材料在二甲基硅油中的悬浮液的剪切应力随NaNO3在Y2O3中的掺杂程度有明显变化，当Na／Y（物质的量的比）为0．6时材料的电流变性能最好，     

同步电机定子绕组不对称状态的分析方法——Ⅱ.参数的计算方法

参数计算是分析电机绕组不对称状态的关键问题。用多回路法分析同步电机定子绕组不对称状态时所用的参数,与绕组正常时的参数不同,它包括定子绕组每个支路、转子各阻尼回路和励磁绕组的自感系数和互感系数。定子支路参数可以由单个线圈参数组成。本文在考虑铁心饱和的情况下,研究了参数计算的两种方法,即气隙磁导分析法和磁场数值分析法,并将它们应用于实际电机的计算,验证和比较了两种计算方法。     

标准体系的比例型寿命使用期模型与分析

本文在基于标准被废除按比例进行时的标准体系使用期的两个新模型。首先给出了模型假设条件,然后定义了标准使用期。根据假设给出了两个模型条件下的标准使用期公式,最后通过数值示例说明了标准使用期的公式使用。     

毛细管电色谱中进样时间对柱效的影响

毛细管电色谱是近年发展起来的一种新型微分离技术，它结合了高效液相色谱和毛细管电泳的物点，具有高效、快速，高选择性，其有关理论研究和应用越来越深入，本文从色谱动力学角度讨论了毛细管电色谱中进样时间对柱的影响。     

一类半参数回归模型的估计理论

考虑半参数回归模型Y=X’β+g(T)+e,其中(X,T)为取值于R^p×[0,1]上的随机向量,β为p×1未知参数向量,g为定义于[0,1]上的未知函数,e为随机误差,Ee=0,Ee²=σ²>0,且(X,T)与e独立。本文综合最近邻和最小二乘的方法定义了β,g和σ²的估计量,g_n^*和。在适当条件下证明了和的渐近正态性,并得到了g_n^*的最优收敛速度。     

使用超声估计肌肉疲劳的初步研究

表面肌电信号把神经肌肉活动和肌肉收缩联系起来，已被视为一种估计肌肉疲劳比较客观的方法，但也存在一些不足。另一方面，超声已广泛应用于医学诊断和研究，在骨骼肌方面也有不少研究报道，但还未见文献报道超声用于肌肉疲劳的估计。本文介绍一套自行开发的新的同步连续采集B超图像、力矩和肌电信号的采集系统，并利用它对肱二头肌的肌肉疲劳进行了估计。试验表明在30秒的肌肉疲劳过程中，肌肉厚度会以非线性的方式增加。     

Evolving Networks with Nonlinear Assignment of Weight

We propose a weighted evolving network model in which the underlying topological structure is still driven by the degree according to the preferential attachment rule while the weight assigned to the newly established edges is dependent on the degree in a nonlinear form. By varying the parameter a that controls the function determining the assignment of weight, a wide variety of power-law behaviours of the total weight distributions as well as the diversity of the weight distributions of edges are displayed. Variation of correlation and heterogeneity in the network is illustrated as well.