Cu2O/TiO2-Bi2WO6三元复合催化剂的制备及光催化性能研究

采用水热法制备花状Bi2 WO6,并利用超声分散法制备了Cu2 O/TiO2-Bi2 WO6复合光催化剂,通过FESEM、XRD、XPS、FI-IR、UV-vis DRS和PL对光催化剂进行了分析和表征.表征结果证明:花状Bi2 WO6表面负载着碎片状的TiO2和立方体Cu2 O形成Cu2 O/TiO2-Bi2 WO6复合光催化剂;以短链脂肪酸(SCFAs)为牺牲剂,考察复合光催化剂的光催化产生氢气和烷烃的性能.实验结果表明:Cu2 O/TiO2-Bi2 WO6复合光催化剂以乙酸为牺牲剂,主要产氢气和甲烷,降解率高达91.82;;以丙酸为牺牲剂,产物主要是乙烷和丁烷,降解率高达90.70;;以丁酸为牺牲剂,除了氢气,甲烷,乙烷,丙烷,丁烷外,气体产物还含有一定量的戊烷,其降解率高达91.50;.结合反应液中间产物的成分进行检测,由此推断出光催化反应的可能机理.     

惯性约束聚变实验中空间干涉检测与预警系统设计

针对惯性约束聚变实验中多诊断系统在有限空间同时作业引发碰撞风险的问题，设计了基于碰撞目标检测和空间距离测算方法的空间干涉检测与预警系统，分析了真空靶室特定环境下不同实现方法的适用条件和可行性。实验室条件下模拟验证结果表明，基于结构光深度图像获取方法可获得较好的碰撞距离测量精度，在靶室半径探测距离内空间测距误差不大于3cm，为靶室空间干涉检测与预警提供了一种可行的解决方案。     

基于群论的晶格扰动介质纳米孔阵列多重Fano共振机理及演变

基于全介质超构材料独特的电磁属性,提出了一种晶格扰动介质纳米孔阵列超构表面来激发近红外区域的多重Fano共振.结合群论深入探究了该超构表面在其原胞为方形晶格构型与方形晶格对称性被破坏两情况下多重Fano共振的形成机理及演变规律.研究表明,在方形晶格超构表面中,外部辐射连续体分别与由正入射平面波直接激发的双重简并模式共振干涉形成双重Fano共振,且该共振与原胞中是否含孔及孔的形状无关,在晶格扰动超构表面中,原本不耦合的非简并模式由正入射平面波激发出来并与外部辐射连续体干涉形成Q值更高的三重Fano共振.进一步探讨了正入射平面波的xy极化方向对上述五重Fano共振的影响,结果表明,双重简并模式Fano共振偏振无关,三重非简并模式Fano共振偏振依赖.本文将为利用方形晶格构型的超构表面实现多重Fano共振的激发及演变提供有效的理论参考.     

Theoretical study of (e,2e) triple differential cross sections of pyrimidine and tetrahydrofurfuryl alcohol molecules using multi-center distorted-wave method

We report theoretical studies of electron impact triple differential cross sections of two bio-molecules,pyrimidine and tetrahydrofurfuryl alcohol,in the coplanar asymmetric kinematic conditions with the impact energy of 250 eV and ejected electron energy of 20 eV at three scattering angles of-5°,-10°,and-15°.Present multi-center distorted-wave method well describes the experimental data,which was obtained by performing(e,2e)experiment.The calculations show that the secondary electron produced by the primary impact electron is strongly influenced by the molecular ionic multi-center potential,which must be considered when the low energy electron interacts with DNA analogues.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

从废水到新能源:光催化燃料电池的优化与应用

随着经济的飞速发展,社会对能源的需求日益扩大,对工业废水的无害化处理也提出了更高的要求。光催化燃料电池 (photocatalytic fuel cell, PFC) 在燃料电池中引入半导体光催化材料作为电极,实现了有机污染物高效降解和同步对外产电的双重功能,在废水无害化与资源化利用方面具有潜在的应用价值。半导体光催化电极是PFC系统高效运行的核心组件,增强其可见光响应和光生载流子分离是提高PFC性能的关键策略。反应器结构设计和运行参数优化也有利于改善PFC性能。本文从PFC基本原理和应用入手,综述了PFC在环境污染物资源化处理中的研究进展,并详细阐述了提高PFC的污染控制性能和产电效率的优化手段,为进一步设计高效稳定的PFC系统并实现其在水污染控制和清洁能源生产中的应用提供理论指导。     

Comparative study on transport properties of N-, P-, and As-doped SiC nanowires: Calculated based on first principles

According to the one-dimensional quantum state distribution, carrier scattering, and fixed range hopping model, the structural stability and electron transport properties of N-, P-, and As-doped SiC nanowires(N-SiCNWs, P-SiCNWs, and As-SiCNWs) are simulated by using the first principles calculations. The results show that the lattice structure of NSiCNWs is the most stable in the lattice structures of the above three kinds of doped SiCNWs. At room temperature,for unpassivated SiCNWs, the doping effect of P and As are better than that of N. After passivation, the conductivities of all doped SiCNWs increase by approximately two orders of magnitude. The N-SiCNW has the lowest conductivity. In addition, the N-, P-, As-doped SiCNWs before and after passivation have the same conductivity–temperature characteristics,that is, above room temperature, the conductivity values of the doped SiCNWs all increase with temperature increasing.These results contribute to the electronic application of nanodevices.     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。