花状与颗粒状NiMn2O4纳米材料的制备及其超级电容性能

分别以尿素和氨水为沉淀剂，采用热溶剂法制备了多孔的花状NiMn₂O₄和颗粒状NiMn₂O₄纳米电极材料，采用 X射线衍射仪、扫描电镜、透射电镜和N₂ 吸附-脱附等手段对NiMn₂O₄材料的物相、形貌结构和孔径分布进行了表征，并通过循环伏安、恒电流充放电、交流阻抗等方法测试了所制备材料的电化学性能。研究了沉淀剂对NiMn₂O₄材料形貌、微观结构及电化学性能的影响。结果表明：以尿素为沉淀剂的NiMn₂O₄是由纳米片组成的花状结构，纳米片厚度为50～60nm，比表面积为104m²/g。在 1A/g 电流密度下比电容为1614F/g，在5A/g电流密度下，尿素为沉淀剂的花状NiMn₂O₄材料经1000次恒电流充放电后其比电容可达初始值的89%。以氨水为沉淀剂的多孔NiMn₂O₄为直径约30nm的纳米颗粒结构，颗粒间团聚严重，比表面积为91m²/g。在1A/g电流密度下比电容为1147F/g，在5A/g电流密度下，氨水为沉淀剂的颗粒状NiMn₂O₄材料经1000次恒电流充放电后其比电容可达初始值的80%。尿素为沉淀剂的花状NiMn₂O₄具有优越的超级电容性能。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

考虑煤层倾角和钻孔倾角的钻屑量理论研究

为准确预测与预防深部开采煤与瓦斯突出,建立了考虑煤层倾角与钻孔倾角的新钻屑量理论计算公式,并分析了煤层倾角和钻孔倾角对钻屑量的影响。以平煤股份有限公司八矿为研究对象,将钻屑量理论计算值与该矿己15-21030风巷现场钻屑量实测值进行对比验证,得出在煤层倾角一定时,钻屑量随钻孔倾角增大呈幂指数递减关系,减小的比率呈“V”形变化趋势,原钻屑量理论值与实测值平均误差为5.5%,在考虑煤层倾角与钻孔倾角情况下的新钻屑量理论值与实测值平均误差为3.9%。