CuO-SiO2气凝胶@TiO2纳米纤维无牺牲剂光催化还原CO2

采用溶胶-凝胶法制备CuO-SiO2复合气凝胶,通过在气凝胶孔道内填充TiCl4,然后将其气相水解,得到了在CuO-SiO2气凝胶表面生长了高结晶度的TiO2纳米纤维(CuO-SiO2@TiO2),纤维直径～16 nm.通过XPS、UPS、UV-Vis DRS、荧光光谱(PL)等表征了材料的结构及光电性能.结果表明,制备的CuO-SiO2@TiO2对可见光有明显吸收,且荧光强度较商用TiO2(P25)大幅降低,光生电子-空穴对更加稳定.再在纳米纤维上负载CuO,所得CuO-SiO2@TiO2/CuO在可见光区的荧光强度进一步增强.以300 W氙灯为光源,分别以CuO-SiO2@TiO2及CuO-SiO2@TiO2/CuO为催化剂,无牺牲剂条件下光催化还原CO2,4 h后甲醇产率分别为1304.0及1589.0μmol/g-cat,转换频率(TOF)分别为0.038及0.046 h–1.循环实验表明,纳米纤维具有较好的光催化稳定性,经过4次光催化循环实验后,CuO-SiO2@TiO2/CuO的保留率～94％,甲醇产率可达1472.0μmol/g-cat,TOF为0.042 h–1.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。     

高强中空夹层钢管混凝土柱的耐火性能试验研究

针对应用高强钢与超高强混凝土的中空夹层钢管混凝土柱，开展了轴心受压柱的标准耐火试验，得到了不同截面形状、边界条件、涂料厚度、荷载比条件下该柱的耐火极限，提出了表征柱耐火性能的延性指标，探讨了高强柱与普通柱耐火性能的差异。试验结果表明:高强中空夹层钢管混凝土柱的受火时间-位移响应与普通柱相似，受火前期膨胀而后期压缩变形进一步增大达到耐火极限。参数分析表明:相同条件下，应用高强钢的中空夹层柱其耐火极限低于应用普通钢的中空夹层柱，而应用超高强混凝土的中空夹层柱其耐火极限则高于应用普通或高强混凝土的中空夹层柱。此外，该文分别基于欧洲规范4中轴心受压柱和压弯构件的常温承载力计算模型，运用材料高温力学参数，计算了该柱高温屈曲承载力与耐火极限，计算结果与试验结果吻合较好。     

BIM用于垃圾垂直运输系统设计上的技术研究

工地扬尘控制属于绿色施工中的一项重要指标。目前,工程针对作业面扬尘的控制措施很少,控制效果不明显。针对此问题,利用BIM技术设计了一种垃圾垂直运输系统。BIM技术在设计过程中的主要应用点是:设计了各组成构件,模拟垃圾坠落时的冲击,设计出了转子这一个缓冲构件;优化了三维空间中钢板、角钢、螺栓等各零件的位置关系,避免碰撞;对整块钢板进行了切割排布,减少加工产生的边角料等。最终,垃圾垂直运输系统在工地现场的使用过程中取得了良好的效果。     

Mn-Ce负载型催化剂催化臭氧氧化苯胺实验研究

采用浸渍-焙烧法制备不同组分比例的Mn-Ce-O_x/γ-Al_2O_3双活性组分负载型催化剂,与臭氧联用降解模拟苯胺废水。催化臭氧氧化苯胺实验得出,浸渍液锰铈物质的量比为3∶1、浸渍液Mn(NO_3)_2浓度为1.0 mol/L时,催化剂对苯胺模拟废水的降解效果最佳。用该催化剂催化臭氧氧化佛山市某纺织厂的实际废水,反应30 min后,苯胺质量浓度均在0.03 mg/L以下,达到国家行业废水排放标准。     

有机添加剂法制备原位晶化型大孔催化裂化催化剂

采用淀粉及聚合物-PDDA（聚二甲基二烯丙基氯化铵）分别作为有机添加剂，通过原位晶化方法制备NaY/高岭土复合物及催化裂化催化剂，并采用XRD、N2吸附及ACE装置进行表征和评价。结果表明：引入淀粉或者聚合物-PDDA后，NaY/高岭土复合物结晶度从18%增加到24%，引入淀粉后，复合物介孔孔体积从0.180 cm3/g提升到0.355 cm3/g，而引入PDDA，复合物介孔孔体积进一步增加到0.431 cm3/g；与空白试验相比，引入淀粉和PDDA所制备催化剂，油浆产率分别降低1.98百分点和2.43百分点，总液体收率增加2.55百分点和3.07百分点。     

STL模型特征信息的自适应分层的研究

模型的分层是3D打印前处理的一个重要环节，针对目前分层算法效率低、不能有效保留模型细微特征的问题，提出了一种新的基于STL模型特征信息的思想。首先提取模型的特征边，对特征边内实体表面采用区域增长算法进行表面分割，然后对分割后的表面判断其类型，最后对于不同的表面类型采用不同的分层求交处理算法。利用VC++6.0平台和OpenGL显示技术，依据模型表面几何特征自适应地变动层厚，减小台阶效应，加快分层效率，同样能很好地保留模型局部特征，且该算法可以根据实际模型的成型方向，实现分层方向的改变，保证成型零件的精度。