多孔型高吸水树脂对水泥净浆流动性能的影响EI北大核心CSCD

为稳定掺入高吸水树脂(SAP)水泥基材料的流动性能,采用反相悬浮聚合法制备了多孔型聚丙烯酸/丙烯酰胺SAP.利用扫描电子显微镜(SEM)观测SAP的微观形貌,通过傅里叶红外光谱(FTIR)分析SAP的分子结构,用“茶袋法”测试SAP的吸液性能,并通过流动度试验研究了非多孔型及多孔型SAP对水泥净浆流动度经时变化的影响.结果表明:多孔型SAP具有微米级连通孔结构,能够有效促进吸水速率,达到吸水平衡只需1 min内;当通过额外引水保持水泥净浆初始流动度相同时,多孔型SAP的掺入对水泥净浆流动度的经时损失影响最小.     

硅酸盐水泥基胶凝材料体系水化热计算研究

基于传统水化热模型计算水泥水化热,建立矿物掺合料水化热计算公式;采用直接法测定掺粉煤灰、矿渣条件下普通硅酸盐水泥和低热水泥基胶凝材料体系1~7 d水化热。计算结果与实测结果对比表明:矿物掺和料水化热双指数计算公式可表征普通硅酸盐水泥和低热水泥基胶凝材料体系下粉煤灰和矿渣1~7 d水化热,可采用此法结合水泥水化热计算方法进行以水化热作为目标函数的胶凝材料体系优化设计。     

汽车自动定量高效充装硫酸技术研究与应用

金川集团股份有限公司镍冶炼厂硫酸产品主要通过汽车装运销往外地,通过深入观察、分析硫酸充装问题,从提高汽车充装硫酸的合规合法性、充装效率、精度和安全性考虑,进行了汽车定量自动充装计量、高效兑车、液位防溢保护及声光报警等方面技术创新,保证了定量自动充装的同时,兑车效率大幅提高,降低了操作人员劳动强度,确保了硫酸充装的安全性和可靠性。     

原子层沉积的TiN/HZO堆栈界面元素的扩散研究

传统钙钛矿材料微缩后难以保存铁电性，并且与CMOS的兼容性差，而薄至10 nm以内的铪锆氧化物（HZO）材料仍然具有铁电性且与CMOS兼容性好，这弥补了传统钙钛矿的本征短板，备受学界和产业界关注，有望替代动态随机存储器应用于非易失性铁电存储器（FERAM）和铁电晶体管基集成电路中。基于目前应用最广泛的TiN/HZO/TiN堆栈，采用具有高端应用前景的原位ALD技术生长TiN电极，很好地控制了电极层的生长速度及其纳米级的膜厚。研究了堆栈界面元素扩散问题，通过飞行时间二次离子质谱技术发现了界面元素的外扩散现象，采用角分辨X射线光电子能谱研究了外扩散行为的机制，提出了一个可能的理论解释，即由于TiN和HZO之间发生了氧化还原反应引发表面活性剂效应，导致界面元素外扩散。本研究将为HZO基FERAM的应用奠定基础。     

成品烧结矿在线自动制样改造及应用

对梅钢成品烧结矿自动取制样系统中自动磨样模块的改造进行了总结,介绍了工艺流程、设备组成和配置要求,并对该系统的2个关键指标研磨效率和试样代表性进行讨论,为今后同类工程设计、改造提供参考借鉴。     

四氧化三钴/还原氧化石墨烯复合材料制备及其性能的研究

氧化钴(Co_3O_4)/还原氧化石墨烯(rGO)复合材料中Co_3O_4的纳米结构对于锂离子电池性能起着至关重要的作用。本文通过水热法来制备Co_3O_4/rGO复合材料,采用透射电子显微镜、外吸收光谱、X射线衍射红和X射线光电子能谱和方法对样品进行了表征。测试表明,Co_3O_4/rGO纳米复合材料产生了至少两种不同纳米结构。在整个循环充放电过程中,其比容量一直衰减较快,最后比容量趋于稳定在350mAh/g。本实验工作将为制备Co_3O_4/rGO纳米复合材料和其锂离子电池负极材料的电学性能研究提供一条可参考的方法。     

宽带数字接收机IQ不平衡估计与自适应补偿算法

针对宽带调制解调技术中广泛存在的IQ不平衡问题,在IQ不平衡模型及补偿原理的分析基础上提出了一种宽带数字接收机IQ不平衡估计与自适应补偿算法。首先利用解调数据对IQ不平衡参数进行实时估计,然后利用估计参数对接收信号进行自适应补偿。实验结果表明,所提算法可以有效解决宽带调制解调系统中普遍存在的IQ不平衡问题,提升系统误码性能。     

优化作业方式提高始极片质量

针对某厂铜电解种板工序存在的始极片质量波动较大的问题,从种板系统体积控制和添加剂匹配的角度出发,分析各种因素对始极片质量的影响,做出了相应的改进措施,使种板系统运行更加稳定,始极片质量得到进一步提升。     

社区土地利用对非工作出行方式的影响

基于上海近郊2 420名居民的活动出行调查数据,运用Logistic回归分析,研究社区土地利用对居民非工作出行方式选择的影响。结果显示,在土地利用特征变量中,随着街区设计的提升、社区公共设施密度的增加、土地混合利用熵值的增加,居民非工作出行选择步行的概率将大幅度上升。购物和休闲娱乐受各类土地利用特征变量的影响都较为显著,而外出就餐、看医生等出行所受的影响不显著。这表明改善社区土地利用模式,可以增加居民非工作活动的步行选择,有助于可持续社区建设。     

基于深度脊波神经网络的电力系统短期负荷预测模型

针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。