基于实验合理外推线圈在辐向磁场中的受力情况

单匝线圈在辐向磁场中的受力情况,很多教师都用纯数学方法(微元法)推导出其有效长度为线圈周长.文章用音频电流通过方形线圈,依次增加磁铁的个数让学生感觉音量的变化,并进一步合理外推出同样的结论.不仅能让学生体会基于实验合理外推这一科学的研究方法,还能让学生对扬声器的工作原理有清晰的认识.     

基于XPS对硫铁矿去除SeO2-3的机理研究

硒是动植物及人体生长必需的十五种微量元素之一，具有清除体内自由基、抗氧化、增强免疫力等功能，但其安全剂量的范围却很窄。利用扫描电子显微镜（SEM）和X射线衍射仪（XRD）对湿法球磨制备的硫铁矿形貌进行了表征。SEM观测发现加乙醇助磨后的硫铁矿为粒径大小较均匀的球形颗粒团聚体，粒径范围在17～200 nm之间，平均粒径138 nm。XRD衍射图谱中的特征峰与FeS₂衍射图谱中各峰位置基本一致，因此判定硫铁矿中主要化学组分为FeS₂，且图谱中基本没有杂峰，表明制备过程中并未混入杂质，样品纯度较高。实验结果表明，该法制备的硫铁矿具有颗粒粒径小、比表面积大、反应活性高等优点。研究中利用X射线光电子能谱仪（XPS）对硫铁矿去除水体中SeO2-₃的机理进行了研究。研究结果表明, （1）在较为广泛的实验pH范围（pH 2.2～11.5），硫铁矿均能有效去除水体中SeO2-₃，去除效率（除pH值7.8以外）均达到90%以上；（2）硫铁矿与SeO2-₃发生反应后，其主要组成元素的XPS特征峰结合能有所减小，表明硫铁矿表面发生了一定化学变化；（3）酸碱环境下硫铁矿去除SeO2-₃的机理不完全相同，酸性环境下，硫铁矿对SeO2-₃的去除是单纯的氧化还原过程，即硫铁矿中被酸活化的S2-₂将SeO2-₃还原为单质Se(0)，并且酸性越强，SeO2-₃去除效果越好；碱性环境下，SeO2-₃的去除过程中氧化还原与络合反应并存，硫铁矿表面有络合态Fe(OH)SeO₃和单质Se(0)两种存在形态，且碱性越强，络合态Fe(OH)SeO₃含量越高。以上研究结果为硫铁矿去除固定水体和土壤中以SeO2-₃为代表的可变价金属阴离子提供重要理论依据和应用基础。     

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.     

Kustaanheimo–Stiefel变量与二体问题的正规化

本文叙述Kustaanheimo–Stiefel变量及其从四元数发展形成的过程，以及Kustaanheimo–Stiefel变换在二体问题正规化中的应用。     

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。     

韦伯分布布谷鸟搜索算法颗粒粒径分布反演

韦伯分布在非线性寻优问题中具有较好的寻优精度和全局搜索能力,为此提出一种基于韦伯分布的布谷鸟搜索（WCS）算法来解决颗粒粒径分布反演的问题。使用WCS算法对服从Johnson’s S_B分布、Rosin-Rammler分布和正态分布的单峰颗粒系和双峰颗粒系进行颗粒粒径分布的反演,并分别与其他传统算法的处理结果进行比较。结果表明,WCS算法的整体效果优于人工鱼群算法和人工蜂群算法,且改进后的4种重尾分布CS算法的标准差比原CS算法提升2～3个数量级。目标函数散射光能加入噪声后,WCS算法比其他三种重尾分布的相对均方根误差值至少可降低1/2。使用小角前向散射测量系统对单峰颗粒系和双峰混合颗粒系进行实验研究,发现WCS算法的相对均方根误差比原CS算法降低约为40%。     

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。     

^13C的一个可能的类晕的中子1p态

假设^13C是单粒子的2p态的结构，用Glauber多重散射理论研究了入射能量为1GeV的质子在^13C上的弹性散射，得到了与实验符合得很好的理论结果。这说明^13C可能存在着一个类晕的中子皮。