低温功率器件驱动电路实验研究

低温电力电子技术的发展日益得到重视,主要是由于功率器件(如功率MOSFET和IGBT等)在低温下表现出更好的性能,如更低的通态阻抗,更高的开关频率等.为了实验测试和充分利用功率器件在低温下的这些性能,急需寻找或设计可以在低温下稳定可靠工作的功率器件驱动电路.我们在对目前商业化的驱动芯片进行分析的基础上,从中挑选了三种在低温下进行实验,对其输出波形随温度的变化进行研究,首次发现了可以在-196℃(77K)稳定工作的驱动芯片,其驱动性能基本能够满足低温下驱动功率器件的要求,为功率器件低温特性测试及低温功率变换电路的设计奠定了坚实的基础.     

原位同步辐射红外关联谱学技术研究界面电化学反应过程

电化学界面动力学决定了所有电化学反应性质.从原子和分子水平上多维度原位观察电极的表界面电化学反应动态过程对于典型的电化学储能技术(电解槽、燃料电池)中催化剂的结构设计、合成和筛选具有重要意义,但是复杂的电化学界面以及微量、快速的反应中间态信号给界面电化学反应动态过程研究带来了极大的挑战.同步辐射傅里叶变换红外光谱(SR-FTIR)具有独特的分子指纹识别功能,可以用来确定电化学界面的活性物质,结合对纳米材料的局部原子结构高度敏感的同步辐射X射线吸收精细结构(SR-XAFS)光谱可以开展界面电化学反应过程的实时动态研究,有助于指导设计用于高效高能量密度能源系统的先进电催化剂.本文基于近年来本课题组的研究工作,系统地介绍了获得高质量的电化学反应过程中同步辐射红外关联谱学实验结果的策略,及其应用于电催化反应动态过程研究成果,其中主要选用当前热门的金属有机框架(MOF)纳米材料以及金属单原子催化剂(SACs)作为研究对象.最后,对原位同步辐射实验方法发展及其针对电化学反应动态过程的研究进行了展望,旨在通过揭示电化学反应的动态机理来指导和合成高效稳定的催化材料.     

探讨中学化学实验教学模式的创新与应用

提出在中学化学实验教学模式上创新性地使用任务驱动、参与分享、合作交流、自主学习等新型教学模式,并以初三化学实验“任务驱动式学生自主实验-自制简易净水器净化护城河水”为案例阐述如何使用上述教学模式以及效果评析,利于克服传统中学化学实验教学学生学习被动、过于机械、能力和情感得不到足够培养等弊端,对中学化学实验教学的改革有一定借鉴意义和推广价值。     

大学本科"化学教学论"课程的教学策略探讨

在基础教育现行课程与新课程并存的背景下,针对本科生在进行“化学教学论”课程学习中,由于缺乏教育教学实践经验而导致的被动学习状态,结合具体的教学实践,探讨使学生进入积极主动的学习状态,而且兼顾基础教育中的现行课程与新课程,构建了以主题导向、问题与活动任务驱动、基于案例观摩与分析的“化学教学论”课程的教学策略。     

电吸附技术的应用与研究

本文综述了活性炭、活性炭纤维、炭气凝胶及活性氧化铝等材料的电吸附/脱附技术的研究进展。主要介绍了其在去除水中无机和有机污染物方面的应用,并对今后的研究方向提出了建议。     

再生燃料电池的研究与应用

与传统二次电池（铅酸蓄电池、锂电池）相比,再生燃料电池在储能时间、能量密度、使用寿命和环境保护方面占有优势,可广泛应用于航天、军事领域和现场蓄能系统。本文介绍了再生燃料电池的原理、分类和应用情况,详细阐述了再生燃料电池双效电极和双效电极催化剂的制备方法以及水热管理的研究进展,指出再生燃料电池的不足之处并进行了展望。     

电拓扑状态预测有机磷酸酯类化合物的气相色谱保留指数

以原子类型电拓扑状态指数(ETSI)有效表征35个有机磷酸酯类化合物(OP)的分子结构, 应用基于预测的变量选择与模型化(VSMP)方法建立OP化合物在3种不同固定相上的气相色谱保留指数(RI)与分子结构(ETSI)的定量相关模型. 结果表明, 影响不同固定相上OP色谱保留的主要结构因素都是由7个ETSI描述子对应的子结构碎片, 即: ＝CH₂,≡C—, aaC—, ＝O, —O—, Cl和Br. 其中子结构aaC—, ＝O和—O与OP化合物母体骨架密切相关, 而＝CH₂,≡C—, —Cl和—Br反映支链或取代基的变化. 通过多元线性回归法建立OP化合物在三个固定相上的定量结构-保留相关模型(QSRR)发现, 各QSAR模型的估计相关系数均在0.99以上, LOO检验相关系数在0.98以上, 表明模型具有良好估计能力与稳定性. 应用28个OP训练集样本构建的QSRR模型预测外部7个检验集RI结果表明训练集模型具有良好预测能力.     

反相高效液相色谱/电喷雾质谱法测定血浆中盐酸舍曲林

采用反相高效液相色谱-电喷雾质谱法(LC-ESI/MS)测定人体血浆中盐酸舍曲林。以盐酸丙咪嗪为内标,按内标法定量。血浆样品经pH 10.00碳酸钠溶液碱化,加入甲基叔丁基醚萃取,离心分离,取上清液吹干,用流动相溶解进样。色谱柱:RP-Extend-C18(150 mm×4.6 mm,5μm),柱温:40℃;流动相:pH 3.00的三氟乙酸溶液-甲醇(40∶60,V/V),流速0.6 mL/m in。质谱采用选择离子监控模式,检测离子的核质比(m/z)分别是281(丙咪嗪)和159(舍曲林)。舍曲林和丙咪嗪的保留时间分别是5.4 m in和3.8 m in;舍曲林标准曲线线性范围为1~80μg/L;检出限为1.0μg/L(S/N>10);日间、日内相对标准差均小于6.0%,相对回收率为90%~106%;提取回收率在75%~93%范围内。此法适合人体药代动力学的血浆样品的分析,结果准确、可靠。     

Electrooxidation of Hydroxypivalaldehyde in an Undivided Cell

IntroductionHydroxypivalaldehyde(HPAL)has two activefunctional groups,aldehyde and alcohol.The directelectrooxidation of alcohol or aldehyde has been repor-ted,such as the electrooxidations of croton aldehyde,benzaldehyde[1],and benzyl alcohol[2—4].Howev…     

基于深度学习和细观力学的颗粒材料本构关系研究

颗粒材料的本构关系对岩土工程等众多领域至关重要. 不同于传统的唯象本构理论, 本文基于机器学习模型探索了一种细观力学理论指导下的数据驱动型颗粒材料本构关系预测方法. 根据Vogit均质化假设, 建立了小应变条件下颗粒材料应力?应变解析关系, 此关系唯一地确定了一组与颗粒材料本构行为相关的细观组构变量. 这些变量与反应颗粒材料宏观性质的主应力和主应变信息通过一系列离散元三轴压缩数值试验获得. 考虑到细观组构变量为内变量, 不能直接作为本构模型的输入. 本文基于有向图方法将颗粒材料微观结构信息隐式地包含在应力?应变的预测当中, 并采用门控循环单元(GRU)循环神经网络作为基础深度学习模型描述有向图中结点之间的映射关系. 通过将有向图从目标节点沿源节点展开, 整个应力?应变预测模型可由两个神经网络分别训练并组装而成. 将训练后的深度学习模型在全新的数据集上进行测试, 结果表明该训练策略能有效捕捉到颗粒材料在常规三轴任意加卸载, 等中主应力系数b的真三轴加载, 和等平均有效应力p的真三轴加卸载等复杂多轴加载工况下的应力?应变响应关系, 模型具有良好的内插和外推预测能力. 考虑到深度学习模型捕捉颗粒材料力学响应的能力及其开放式学习的特点, 充分结合数据驱动方法和理论本构模型可能是颗粒材料本构研究的一个重要方向.