石墨烯场效应晶体管研究进展

石墨烯具有优异的光、电、热及机械性能,在传统硅基器件日益趋近物理极限的背景下,石墨烯场效应晶体管(GFET)作为一种新型纳米器件受到广泛的关注。介绍了GFET在模拟电路和数字电路中的研究进展,分析了目前存在的问题:模拟电路主要应该提高GFET的最大振荡频率(f_(max))使之与截至频率(f_T)相符;数字电路主要应该采取有效方法打开石墨烯带隙、提高开关比,并介绍了通过构建石墨烯纳米带、双层石墨烯、掺杂法及通过基底影响等来打开带隙的方法。与数字电路相比,GFET在模拟电路中更具有应用潜力,如在太赫兹领域已表现出优异的性能。石墨烯和硅互为补充,以混合电路的形式加以应用也是一个很好的切入点。     

菠萝叶纤维与黏胶纤维的定量方法研究

通过对菠萝叶纤维的外观形貌和溶解性能的研究,发现菠萝叶纤维表面粗糙有裂缝,无天然扭曲,纵向有长形条纹,横节不明显,横截面呈椭圆形和多边形,有中腔,有良好的耐有机溶剂性能,耐碱不耐酸。对菠萝叶纤维与黏胶纤维混纺织物的定量分析进行了研究探讨,验证了甲酸/氯化锌法对其混纺织物的适用性,并得到质量变化修正系数d=1.054 4,为菠萝叶纤维混纺织物的定性定量分析提供一定的检测依据。     

一种新型迈步式掘支锚联合机组及其温变环境下动力学行为研究

设计了一种适用于综掘巷道工作面的迈步式掘支锚联合机组;介绍了掘支锚机组的结构和工作原理;利用牛顿第二定律,建立了多自由度振动系统动力学模型,并进一步引入了含温变特性的系统动力学模型;采用Matlab软件建立模拟温变特性下掘支锚联合机组系统仿真模型,分别对20℃与40℃温度环境下的系统动力学行为进行了求解与分析。结果表明:温变环境对系统动力学影响较大,使得系统各部件幅值与频率均有不同程度的增加。当系统在20℃环境下,各部分的振动幅值在可承受范围内,截割部振动幅值最大,范围在±12 mm之间;当温度升高至40℃时,各部件振动幅值与振动频率均有明显增加,但纵梁的增加最为明显,截割部影响最弱。     

硬度检测在压力容器定期检验中的应用

按照《压力容器定期检验规则》的规定,对有材质劣化倾向或有焊缝硬度要求的压力容器,在定期检验时应进行硬度检测。对压力容器硬度检测的作用、时机、部位、评定、注意事项进行了分析与阐述。     

带式输送机输送带的刚柔耦合动力学特性研究

为了研究带式输送机在实际工况下的动力学特性,采用新方法建立输送带动力学方程,即"柔性梁+带元"建立力学方程,推导出系数矩阵,利用RecurDyn软件构建整机刚柔耦合模型并根据系数矩阵进行动力学分析,得出了输送带的动态特性,表明带式输送机根据在不同工况下设定的条件利用刚柔耦合仿真分析更加接近实际工况的结论。验证了刚柔耦合动力学仿真分析方法的正确性、先进性,为提高系统稳定性、优化结构提供了一种更有效可行的、更接近实际工况的分析方法。     

添加两种再生骨料的保温混凝土基本力学性能研究

对于产煤量大的地区,煤矸石废料的堆放和填埋造成了环境保护的巨大压力,因此尽可能多的利用煤矸石废料具有极大的社会意义。以再生混凝土骨料为粗骨料的C30玻化微珠保温混凝土配合比为基础,着重研究了再生混凝土骨料中煤矸石不同替代率对再生保温混凝土立方体抗压强度的影响。并且通过对比各取代率下的棱柱体轴心抗压强度与立方体抗压强度,给出了再生煤矸石保温混凝土立方体抗压强度与棱柱体轴心抗压强度的换算计算式。     

基础油在岩屑表面吸附行为研究

文章分析了油基岩屑中岩屑与基础油的基本特性,系统探究了岩屑粒径、温度、压力、油基钻井液用乳化剂浓度和水含量对岩屑吸附基础油的影响。研究结果表明：随着岩屑粒径的减小,其对基础油的吸附量逐渐增大,吸附行为符合Freundlich模型,即岩屑对基础油的吸附主要为多分子层的物理吸附;低温下基础油吸附至岩屑是一种自发行为,但随着温度的上升,基础油吸附量呈现降低的趋势;随着压力的增大,基础油吸附量先略 增大后变化较小;随着含水量的增大,基础油吸附量呈现下降趋势,而随着乳化剂含量的增大,基础油吸附量先增大后下降。油基钻井液用基础油在岩屑表面的吸附行为研究对于油基岩屑进行脱油处理具有一定的指导意义。     

栈式降噪自编码器在波形单元识别中的应用

为提高多功能雷达(Multi-Function Radar,MFR)波形单元的识别准确率和鲁棒性,提出一种栈式降噪自编码器(Stacked Denoising Autoencoders,SDAE)与支持向量机(Support Vector Machine,SVM)相结合的波形单元识别方法.首先摒弃传统依赖脉冲序列分析技术对MFR信号进行处理的方法,通过分析波形单元结构并借助参数间的联合变化特征,提出一种MFR波形单元分段识别模型,将传统对脉冲序列的识别转化为对MFR波形单元的识别;然后在该模型的基础上引入SDAE,对训练样本数据、SDAE隐含层神经元节点进行加噪处理,并利用这些加噪后的样本数据训练优化SDAE网络模型,提取出样本数据的深层稳健特征;最后引入SVM算法,借助SDAE挖掘出的样本深层特征,实现SVM模型的优化,得到最终的波形单元识别模型(SDAE-SVM).仿真实验表明:提出的波形单元识别方法在相同样本数目和测试误差的条件下,与SVM算法相比,能够取得较高的识别准确率,具备更优越的识别效果.证实MFR波形单元识别模型是有效的,且通过SDAE网络的引入,使得SDAE-SVM方法能够自主地挖掘原始信号的深层特征,提高波形单元识别的鲁棒性和准确率.     

基于增强动态稠密轨迹特征的布料材质识别

为了克服基于视频的布料材质识别中由于忽略了动态因素的影响导致材质识别准确率低的难点,利用布料仿真视频库,提出一种基于增强动态稠密轨迹特征的布料材质识别方法以有效识别布料的材质属性信息.首先利用材质合成方法构造64种不同材质的布料仿真视频数据库;然后利用构造的布料动态视频库,通过迁移预训练的VGG网络增强布料动态视频的各帧特征信息,并消除部分非动态特征;其次利用动态稠密轨迹特征描述布料视频的动态特征,以充分捕捉不同布料材质视频的动态信息;最后通过Fisher向量编码生成布料动态信息的特征数据库,并训练SVM分类器建立布料材质视频动态信息到材质属性参数的映射.利用构建的布料仿真视频库作为数据集进行实验的结果表明,该方法对64种不同布料材质视频的材质种类识别准确率达到73.83%.