振荡压力对高性能氮化硅陶瓷烧结致密化的影响EI北大核心CSCD

采用新型振荡压力烧结技术制备高性能氮化硅陶瓷,并对比热压烧结技术,研究了不同工艺下氮化硅陶瓷的致密度、物相、晶粒尺寸、微观形貌及力学性能变化规律,分析了振荡压力对氮化硅陶瓷的致密化作用.结果表明:振荡压力烧结工艺下氮化硅陶瓷实现了α相到β相的物相完全转变,相对密度达到了99.82%;对比热压烧结工艺,振荡压力作用下氮化硅陶瓷的晶粒尺寸明显增加,晶粒平均长径比由3.79增加到4.86,弯曲强度、硬度及断裂韧性分别提高到1333 MPa、16.2 GPa、12.1 MPa·m^(1/2),断裂表面能也明显提高.OPS试样晶粒表面观察到了明显的形变条纹和位错运动区域.振荡压力的引入提高了致密化速率和晶粒的生长驱动力,且能够促进氮化硅在致密化过程中塑性形变的产生,有效加快了烧结致密化进程.     

794矿尾矿渣场镭比活度计算法参数试验结果分析

介绍了利用镭比活度计算法确定核工业794矿铀尾渣场氡析出率所用参数——氡射气系数和氡扩散系数的测量结果及其分析对比,野外采样室内化学分析镭比活度与γ能谱测量镭比活度对比,探讨了在北方气候条件下,铀尾渣场氡射气系数和扩散系数的变化规律和特点,以及这些参数测量的最佳气候和季节,并对镭比活度计算法的特点和测量结果进行了分析。     

土壤氡析出率的静态累积闪烁测量方法

在概述氡的迁移机制和测量氡析出率计算方法的基础上,重点阐述了静态累积闪烁法测量氡析出率的基本原理、附属设备、测量步骤及影响因素。通过实验分析动态抽气对静态累积测量的影响和实际测量室外土壤表面的氡析出率,证实用闪烁法FD216测氡仪测量氡析出率是准确快捷的。     

活性炭吸附法测量铀尾矿氡析出率

介绍一种用活性炭吸附法测量铀尾矿表面氡析出率的方法，简要叙述了采样器和测量仪器的性能、特点，刻度及测量方法。通过在铀尾矿库的现场连续一年的监测，研究铀尾矿库年氡析出率的变化规律，总结测量年平均氡析出率的最佳季节和条件。     

闪烁室法现场水中氡浓度测量及其仪器功能开发

ZnS(Ag)闪烁室法水中氡浓度测量仪具有准确度高,探测下限低,操作简便,受湿度影响小的优点。从方法原理、测量装置及软硬件设计进行阐述,探讨了影响仪器测量准确性的因素。用液体镭源测试的结果验证了仪器的线性和准确性,其线性相关系数为0.9811,相对误差为-17.16%~10.21%;并与RAD7测氡仪水中氡浓度测量的数据作对比,相对误差在-14.28%~18.57%。     

氡射气系数与铀尾矿含水率关系探讨

通过现场试验数据分析了铀尾矿含水率与尾矿氡射气系数间的正相关关系，提出了与以往教科书中不同的看法，并初步探讨了产生这种相关关系的原因。     

钼酸盐功能化聚丙烯酰胺凝胶及其抗菌性能

钼酸盐与钙离子形成多金属氧酸盐纳米团簇,与聚丙烯酰胺构建凝胶网络,合成了具有抗菌性能的钼酸钙纳米簇凝胶（CMG）。通过扫描电子显微镜观察了CMG的外观形貌、微观结构;研究了钼酸钙团簇对CMG的凝胶含量、保水性能和孔隙率的影响;通过圆盘扩散法和平板计数法等实验评价了CMG的抗菌性能。平板计数结果表明：CMG5通过接触分别对大肠杆菌、金黄色葡萄球菌的抗菌率达99.23%、72.91%,并具有持久的抗菌性能。此外,所制备的CMG具有优异的孔隙率、保水性能等物理性质。     

用于超级电容器电极材料的MoS2/CoS2二元复合材料

采用"一步水热法"合成了不同原料配比的MoS2/CoS2二元复合材料,并研究了其用作超级电容器电极材料的电化学性能。研究结果显示,当原料中Mo:Co (摩尔比)=2:1时,该复合材料具有最优的循环稳定性能和最高的比电容,在2 mV/s扫描速度下,比电容为549 F/g;或1A/g电流密度下,比电容为434 F/g。微观结构分析表明,该复合材料主要由八面体形状的CoS2和花状的MoS2组成。综合分析可知,优异的电化学性能主要归因于2种组元材料的协同效应、大的比表面积以及可调控的组分含量等因素。     

统一S波段系统频点步长研讨

本地统一Ｓ波段系统上下行相参无补偿频点步长进行了研讨，提出了不同步长时可用频点容量及其计算方法，得出上下行相参无补偿步长始终保持１：１０的关系，给出了２组相参频点对计算程序。     

基于元学习和图滤波器的节点分类研究

深度学习在提取数据特征方面取得了巨大的成功，尤其是在处理节点间关系信息丰富的图数据时，通过在频域上使用图滤波器进行图卷积操作，设计出了多种图神经网络。这些图神经网络主要关注设计固定的滤波器或学习简单的滤波器，但这种对滤波器的简化可能会导致滤波器不能适用于所有的图数据。为了解决上述问题，提出了一种基于元学习和图滤波器的节点分类模型MGCN,以提高图滤波器的普适性。模型利用元学习为图卷积神经网络(GCN)的滤波器学习了一组初始化权重，在对滤波器的权重进行微调之后，模型可以快速地适应新任务。为了验证MGCN的有效性，在6个基线数据集上进行了大量实验。实验结果表明，提出的模型相比于传统图神经网络模型可以适用于更加广泛的图数据。