深共融溶剂催化制备二酯类化合物

二酯类化合物广泛应用于有机中间体、药物、增塑剂、香料等领域,开发其绿色、高效的合成新方法具有重要意义.报道了以二元羧酸(或二羧酸酐)和脂肪醇为原料,以深共融溶剂(DESs)为催化剂催化合成二酯类化合物.以n(氯化胆碱):n(对甲苯磺酸)=1:2为催化剂,产率最高可达95％,并且DESs使用8次后产率仍保持在88％以上.运用1HNMR和13CNMR对产物进行了结构表征.该方法具有操作简单、产率高、易分离和催化剂可循环使用等优点.     

有机二氟化硼配合物的合成及压致变色性能表征

以阿伏苯宗和三氟化硼为原料,经过一步反应,合成阿伏苯宗二氟化硼(BF2AVB),产物的结构经1HNMR谱确证.基于荧光光谱与X射线粉末衍射测试,对BF2AVB的压致发光性能和机理进行研究.本实验原料易得,反应条件温和,实验操作简单,反应收率高.BF2AVB的压致变色现象明显,通过探讨压致变色机理,加深同学对压致变色材料的了解.同时,该实验可以拓展学科知识,激发学生的专业热情和科研兴趣.     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

《中国核电》杂志征稿、征订启事

《中国核电》杂志(CN11-5660/TL)创刊于2008年,是国内第一种公开出版的核电类杂志,已被中国知网、万方数据、重庆维普等多家国内外知名检索系统收录,在核电行业有较强的影响力。杂志以发表学术性论文为主,栏目包括:核电专访、核电研发、核电设备、核电建设、核电运营、核电管理、核电安全、燃料循环、核电论坛、核电知识、核电资讯等。     

YBCO超导带材二次冲击恢复过程的模拟及实验研究

YBCO超导带材失超后的快速恢复对于电阻型超导故障限流器(RSFCL)重合闸应对二次故障电流冲击至关重要。当前研究通常将电阻恢复视为带材恢复,在实际的盘式结构中存在复杂的微孔结构,一次冲击恢复至超导态时仍存在大量气泡滞留,影响带材的二次冲击恢复过程。针对典型的微孔结构建立了三维模型,采用CFD模拟并结合大电流冲击实验,对比分析了一次冲击恢复过程和二次冲击恢复过程中各项参数的变化。实验结果表明二次冲击过程中的峰值温度为162.9 K,比一次冲击高14.6 K,带材恢复至超导态需要1.88 s,比一次冲击延长0.63 s。模拟结果表明初始状态存在气泡滞留,二次冲击过程中带材温度上升更快,气泡量更多,温度横向分布更不均匀,最大温差达20.5 K。由此可见,超导态的恢复不能作为重合闸的标准,气泡场未完全恢复会降低限流器的安全阈值,危害系统安全,所以也应将气泡完全消散的时间作为实际运行中重合闸的参考时间。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

探究影视动画中二维与三维技术的结合

广大受众在生活水平的推动下,愈发看重精神上的享受,因此对影视动画的内容提出了质量上的要求,尤其是3D技术出现之后,受众群体越来越关注影视行业的发展。目前在影视产业较发达的国家,已经研究出了有效结合二维、三维技术的方法,为了整体提升我国影视动画的质量,我们有必要对其结合方法进行研究。本文首先就影视动画简单描述二维、三维动画的技术特征,通过对两种技术进行深入分析将其进行有机结合,提升影视动画给受众视觉造成的冲击。     

2,6-二甲基萘制备方法的研究进展

介绍了国内外以对二甲苯、邻二甲苯和甲苯等苯系物为原料制备2,6-二甲基萘（2,6-DMN）的研发进展。综述了以萘或甲基萘等萘系物为原料甲基化制备法的研究进展，包括甲基化催化剂的开发和二甲基萘的异构化方法。并介绍了低品质催化柴油（LCO）直接分离提取2,6-DMN的生产工艺，为LCO生产2,6-DMN提供参考。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.