微波辅助溶剂热合成In-Si共改性TiO2的增强光催化性能

利用微波辅助溶剂热法合成了In-Si 共改性的TiO₂ 光催化剂. 粉末X 射线衍射（XRD）、激光拉曼（Raman）光谱、N₂吸脱附（BET）、X射线光电子能谱（XPS）、光致发光（PL）光谱和紫外-可见漫反射光谱（UV-VisDRS）等实验表明,尽管掺杂和改性后TiO₂结晶度略有降低,但不影响光催化剂锐钛相的形成. Si 掺杂入TiO₂晶格使颗粒变小,比表面积变大. In 不能进入TiO₂晶格,在TiO₂表面形成了In₂O₃. 罗丹明B（RhB）降解实验显示,In-Si 共改性TiO₂表现出很高的紫外和可见光催化活性,Si：In：Ti 的摩尔比为0.03：0.02：1 的样品（IST-2）光催化活性最高,紫外光下3 min 即可将RhB降解完全,可见光下120 min RhB降解率为97%,这是由材料的高表面积,In₂O₃-TiO₂复合半导体之间高效电荷转移及染料敏化等共同作用所致. 对于苯酚,光催化降解则相对缓慢,700 min内尚不能降解完全.     

全谱拟合法研究聚丙烯腈基碳纤维形成过程中晶态结构演变

通过全谱拟合法对碳纤维制备过程中不同阶段纤维的XRD谱图进行处理,得到不同阶段纤维的微观结构参数,研究了聚丙烯腈(PAN)基碳纤维制备过程中晶态结构的演变.全谱拟合法基于晶体衍射的严格物理理论,拟合目标为整个衍射谱,并不是个别衍射峰,所得结果具有更高的可信度.研究结果表明:PAN原丝中的高分子链沿纤维轴高度取向,表观晶粒尺寸为6.5 nm左右;经过预氧化处理,纤维中的有序结构遭到破坏,表观晶粒尺寸锐减.纤维中逐渐形成梯形结构并沿纤维轴取向,从而形成新的有序结构;经过碳化处理后,环状梯形结构转变为碳的层状结 关键词： 碳纤维 晶体结构 XRD 全谱拟合法     

“两位数加两位数的口算”融入珠心算教学初探

在教学口算两位数加两位数中,巧妙地把珠心算融入教学之中,在编题中初步体验,在交流中明确算理,在比较中沟通联系,在分类中提高认识,在拓展中提升思考,促进学生的深度学习,加深学生对各种具体计算思路和方法的理解,提高运算能力,有效促进学生数学核心素养的形成和发展。     

基于斜平面平滑优化的半全局立体匹配

基于斜平面平滑的半全局匹配算法虽然能很好地处理深度不连续区域,减少视差断裂现象,具有很好的视差平滑效果.但此方法计算量大,并且若输入的左右图像对不是理想校正的,最终得到的视差图中可能会出现黑色小方块.针对上述问题,本文提出了一种基于斜平面平滑优化的双目立体视觉算法,优化了视差斜平面拟合过程,提高了斜平面平滑的运算速度;另,通过对初始视差图中无效的视差值进行临近插值填充,很好地解决了视差图中的方块现象;同时考虑到同一分割块内的像素梯度值应比较接近,对图像分割时用到的能量函数增加梯度项,使分割区域更加合理.实验结果表明,本文算法能取得更好的视差图,主观效果得到改善,运算速度提高约40%.     

木质纤维类生活垃圾热解过程矿物质和碳结构的演化规律

使用水平管式炉,在不同热解温度(500~1 000 ℃)条件下对废纸屑和樟树叶两种木质纤维类生活垃圾进行了热解实验,分别采用X射线衍射(XRD)和拉曼光谱研究了样品所含矿物质和碳结构随热解温度的变化。结果表明,废纸屑和樟树叶含有的主要矿物分别为方解石和草酸钙,在500 ℃之前草酸钙全部转化为方解石,焦样中的方解石在800 ℃以后逐渐分解并形成生石灰。拉曼光谱对生活垃圾焦的碳结构变化非常敏感,低温热解时生活垃圾的大分子结构发生缩合和解聚,产生了孤立sp²碳原子,导致峰参数D1峰半高宽和峰面积比值I_D1/I_G逐渐增大;高温热解时晶体sp²碳原子增多,导致D1峰半高宽和I_D1/I_G逐渐减小。焦样的碳结构有序度随热解温度升高先降低后提高。     

PEG和PVP改性溶胶-凝胶二氧化硅减反膜的对比

聚乙二醇(PEG)和聚乙烯吡咯烷酮(PVP)对溶胶-凝胶二氧化硅减反膜的结构和激光损伤阈值(LIDT)有不同的影响.动态光散射、透射电镜(TEM)以及小角X射线散射实验表明:PEG能够促进二氧化硅颗粒的生长并增加团簇生长的一致性.然而,在PVP改性的溶胶中,Si―OH与PVP之间氢键作用制约了二氧化硅颗粒的生长.此外,多重分形谱(MFS)分析表明,PEG可以提高氧化硅薄膜的均匀性,PVP却降低了薄膜的均匀性,因此,PEG改性的氧化硅薄膜的抗激光损伤性能增强,而PVP改性的氧化硅薄膜的抗激光损伤性能被削弱.固体29Si魔角旋转核磁共振(MASNMR)结果表明,PEG能够提高Si―O四面体缩聚程度并改善薄膜的表面分形结构,PVP则相反,导致了PEG改性的氧化硅薄膜与PVP改性的氧化硅薄膜具有不同的抗激光损伤性能.     

基于深度卷积神经网络的双目立体视觉匹配算法

对于基于块进行立体匹配的深度学习方法而言,网络结构的设计对匹配代价的计算至关重要,同时,卷积神经网络(CNN)在图像处理时的耗时问题也亟待解决。提出一种基于"缩小型"网络的CNN立体匹配方法。利用CNN训练左右图像块的相似性,计算出立体匹配的匹配代价。其中,CNN特征提取阶段,通过对每个层增加相应的批归一化层,可以使训练使用更大的学习率,加快网络训练收敛速度。另外,网络设计中全连接层采用"逐层缩小"的形式,结合上述网络优化和损失函数改善,在保证精度的同时提高了运行速度。使用KITTI数据集对算法进行验证,实验结果证明,相比目前国内外先进方法,本文算法在精度方面有一定优势,相比部分方法,速度有较大提升。     

数学相声——知识≠能力

甲：恭喜恭喜,听说你刚刚考完呀？乙：对呀,这几天真是一次……甲：一次什么呀？乙：真是一次……享受．     

红外和拉曼光谱的煤灰矿物组成研究

研究煤灰中矿物质的性质通常从矿物组成的表征入手。为了分析两种高硅铝煤灰的矿物成分,采用傅里叶变换红外光谱(FTIR)、拉曼光谱和X射线衍射(XRD)技术对煤灰样进行了测试和综合表征,将FTIR和拉曼光谱的分析结果与XRD进行了比较。FTIR结果表明,在1 100~1 000 cm-1范围内高硅铝煤灰出现最强的特征峰,例如石英峰(1 089 cm-1)和偏高岭石峰(1 042 cm-1),它们都归属于Si-O伸缩振动。对原始红外谱图进行二阶导数处理后,可获得重叠峰的峰位,有助于更完整的解析矿物吸收峰,从而获得更丰富的矿物组成信息。煤灰中硬石膏的红外和拉曼光谱发现,在1 157,1 126和674 cm-1的拉曼光谱峰与在1 151,1 120和678 cm-1的红外光谱峰振动模式分别相同且峰位接近,还存在一些完全不同的拉曼光谱与红外光谱峰,表明这两种光谱存在互补性。尽管煤灰中锐钛矿含量很低,但由于Ti-O的极化率很高,因此拉曼光谱显示锐钛矿的144 cm-1峰远远强于石英的461 cm-1峰。XRD结果表明,煤灰中主要存在石英、云母、赤铁矿、硬石膏和未知的无定形相矿物,FTIR和拉曼光谱综合分析的结果表明除了这些矿物,还存在偏高岭石、无定形氧化硅、长石、方解石和锐钛矿等。在定性分析方面,将FTIR和拉曼光谱结合起来比XRD单独获得的矿物组成信息更为详细。