188Re β-衰变纲图的研究

基于前人核能测量数据,研究188Re经β-衰变到达188Os的各低激发态的能级值,及各能级间的跃迁γ分支比,各γ射线的跃迁能量和跃迁强度等.经分析筛选及用新标准重新归一,推荐最佳实验数据,对测量误差采用加权平均法确定;对没有新实验数据的,多采用SingnhB推荐数据;对衰变纲图及其衰变特性不完全自洽,推荐物理量不齐全的,用国际ENSDF评价系统,以原推荐最佳实验数据为基础进行自洽处理与理论计算.该理论计算填补了目前实验数据不足的空缺,给出了一个更合理的188Os能级结构纲图.     

BN分子跃迁谱线的理论研究

借助孙卫国等建立的能正确计算双核体系跃迁谱线的理论方法,研究了材料分子BN从电子态b1Π向电子态a1∑＋跃迁过程中（0,0）、（1,1）跃迁带的P线系跃迁谱线。研究获得的理论结果不仅很好地重现了已知的实验结果,同时还预测了这些跃迁带包含转动量子数J=80在内的高激发振转态的跃迁谱线数据,从理论上为进一步掌握BN分子性能提供了重要的结构信息。     

关于δ型跃迁弛豫时间的测量

介绍了α型跃迁、β型跃迁、δ型跃迁类型,对于弛豫过程、弛豫时间进行了阐述,用实验测量了δ型跃迁的弛豫时间.     

山东蓝宝石中Fe^3＋电子跃迁谱带的指派

本文运用晶体场理论对蓝宝石中Ｆｅ＾３＋离子的能级分裂和电子跃迁进行了较深入的讨论。利用光学光谱中已知的Ｆ３＾３＋，单电子跃迁吸收带的有关参数计算了电子相互排斥参量Ｂ＝６２９，Ｃ＝３１８５，进而利用Ｂ、Ｃ参量值估算出Ｆｅ＾３＋电子由基 向其他激发态能级跃迁的能量，从而确定山东蓝宝石光学光谱中ａ１、ａ２、ａ３、ａ４四个吸收带系Ｆｅ＾３＋单电子跃迁吸收带，为解析复杂的蓝宝石光学吸收谱和研究蓝宝石呈色机制     

TaO分子跃迁结构的理论研究

结合实验上获得的有限的低激发振转态的跃迁结构,利用孙卫国等建立的能精确计算双核分子体系跃迁谱线的理论方法,研究了TaO分子K2Φ5/2-X2Δ3/2跃迁过程中(1,2)跃迁带的R线系跃迁结构。获得的理论结果在重现已知实验数据的基础上又成功预测了包含转动量子数J=80.5在内的高激发振转态的跃迁谱线数据,为进一步正确认识TaO分子的微观结构提供了重要的光谱信息。     

并联双跃迁系统的谱线竞争效应

本文讨论了并联双跃迁系统的谱线竞争效应,提出了“交叉耦合比”的概念,并给出了计算与实验测定的数值,与作者以前计算强场的结果进行了比较.这部分工作是设计双波长同时运转的稳频激光器的基础.     

双原子分子高振转激发态跃迁谱线间的相互关系研究

从双原子分子跃迁谱线的普遍表达式出发,建立了预言双原子分子P、R、Q线系高激发振转跃迁谱线的新代数方法,并给出了1组解析的物理公式。本文从这些公式出发,以TiF（4T5/2-4φ3/2）的（0,0）振动带的Q支跃迁谱线为例,进一步分析了高激发振转跃迁谱线的相互依赖关系,定义了表征实验测定谱线对新谱线的贡献度C（contribution）参数。结果表明,新代数方法提出的物理公式不仅很好地复现已知的实验数据,正确地预言了实验未能测定的很多高激发振转跃迁谱线,而且还能了解不同实验谱线对新谱线的贡献程度,使人们能深人地了解给定跃迁体系中各条谱线之间的相互关系。     

精确研究AlO分子P线系高振转跃迁谱线

对大部分双原子分子体系某一跃迁带而言,由于受实验条件的限制,往往很难获得跃迁带内高振转能级的跃迁谱线,而只能测得一组几乎能包含体系振转信息的实验能谱子集合.本文应用能精确预言双原子分子P线系高激发振转跃迁谱线的新解析物理公式,首次从理论上研究了AlO分子在电子态B2∑+-X2∑+跃迁中(5,6)跃迁带的P支跃迁光谱,基...     

共振散射光谱法研究槲皮素与DNA相互作用

在BR缓冲液中,槲皮素存在微弱的共振散射现象,分别在288 nm、466 nm、562 nm处出现共振散射峰,随着DNA的加入,散射信号逐渐增强,且以上3处的峰值明显增加,并且562 nm处的增加值与DNA在3.024×10-7 mol/L～9.072×10-5 mol/L范围内呈现出良好的线性关系.在20℃时,通过Scatchard方程计算出槲皮素与DNA结合常数K=9.91×106 mol-1.L.     

NaAs材料分子R线系高激发量子态跃迁谱线研究

基于课题组前期建立的差分收敛法(DCM)中的微分思想,从双原子分子R线系跃迁能量的经典表达形式出发,推导获得仅需11条已知精确的R支跃迁谱线数据,精准预测出该线系实验上难于测量的高激发量子态跃迁谱线的新解析表达式。利用新解析式,重点研究了NaAs材料分子在其电子态A₃0+→X₁0+的(0, 0)跃迁带的R线系跃迁谱线,不仅获得了实验上没能给出的该跃迁带部分低激发振转态的跃迁谱线数据,还预测了包含转动量子数J=80在内的高激发量子态跃迁谱线。本研究为进一步认识NaAs材料分子的微观结构提供了大量重要的结构信息。     

TC2模型下中性top-pion衰变过程研究

在顶色辅助的人工色（TC2）理论模型中，研究了树图下中性top—pion（πt^0）的衰变过程πt^0→bb^-，tt^-，tc^-和圈图下中性top—pion（πt^0）的衰变过程πt^0→gg，γγ，γz，通过对这些衰变过程的衰变分支比的计算，可以得到πt^0在树图下的主要衰变过程为πt^0→tt^-，tc^-，在圈图下的主要衰变过程为πt^0→gg.对于小质量的中性top-pion（πt^0），可以用πt^0→tc^-来探测；对于大质量的中性top—pion（πt^0），可以用πt^0→tt^-来探测．中性top—pion（πt^0）是TC2模型中的特征粒子，通过对这些过程的研究可为在将来的直线对撞机上探测top—pion（πt^0）的存在提供理论依据。以此来检验TC2理论的正确性．     

TC2模型下中性top-pion衰变过程研究

在顶色辅助的人工色(TC2)理论模型中,研究了树图下中性top-pion(πt0)的衰变过程π0t→b-b,t-t,t-c和圈图下中性top-pion(π0t)的衰变过程π0t→gg,γγ,γz,通过对这些衰变过程的衰变分支比的计算,可以得到πt0在树图下的主要衰变过程为π0t→t-t,t-c,在圈图下的主要衰变过程为π0t→gg.对于小质量的中性top-pion(πt0),可以用πt0→t-c来探测;对于大质量的中性top-pion(π0t),可以用π0t→t-t来探测.中性top-pion(π0t)是TC2模型中的特征粒子,通过对这些过程的研究可为在将来的直线对撞机上探测top-pion(π0t)的存在提供理论依据,以此来检验TC2理论的正确性.     

一种广义高斯分布的参数快速估计法

广义高斯分布(GGD)在信号处理和图像处理等领域都有广泛的应用。本文从广义高斯概率密度函数及其统计性质出发,首先推导出广义高斯分布参数比函数,然后通过曲线拟合的方式,给出了一种GGD的形状参数和尺度参数的估计方法,最后利用模拟实验对之加以验证。     

基于Hopfield网络的衰变目标识别研究

人工神经网络是对人脑功能的某种程度的反映，具有自适应，自学习的能力，可通过对模式样本的自学习，从中获取特征，并能将学习获得的知识应用到后来的识别中。本文采用单层离散Hopfield网络来实现衰变目标的识别，提出了选取Hopfield网络三个记忆模式方法。     

复合振动系统中“局部扭转共振”现象的研究

本文从扭转振动波动方程出发，推导出具有“类圆锥”过渡段的复合阶梯型扭转变幅杆的频率方程和放大倍数的解析表达式，从实验和理论上对该复合变幅杆的谐振频率随细端长度和直径的变化进行了测量和计算。通过对比，效益证明了复合振动系统中“局部”扭转共振现象的存在，并给出了其产生条件。     

粒子散射问题的共振研究

依据一维粒子散射问题听透射系数公式，从微观角度解释了势垒贯穿的物理机理，并讨论了共振透射和计算了共振宽度。     

锌试剂共振散射光谱新方法快速测定硫酸新霉素

在酸性介质中,硫酸新霉素质子化而带正电荷,与带负电荷的锌试剂阴离子通过静电引力作用结合成离子缔合物,反应体系的共振散射信号增强,据此建立了一种简单、灵敏、快速测定硫酸新霉素含量的共振散射光谱新方法。在优化的实验条件下,波长６２８ｎｍ处,硫酸新霉素浓度在０.０４～０.４μｇ／ｍＬ范围内与体系共振散射强度的增加值（ΔＩ）呈良好的线性关系,线性回归方程为：ΔＩ＝１４５.６０ｃ＋５.３６３,相关系数ｒ＝０.９９８９,方法检出限为９ｎｇ／ｍＬ。将该方法应用于实际样品的测定,同时做加标回收实验,回收率为９９.４％ ～１０５.２％。     

轴承故障诊断中共振解调技术的应用研究

为解决机械设备滚动轴承的早期故障难于识别的问题,采用共振解调技术对此类故障对应的微冲击脉冲进行了提取研究.分别采用频谱分析、软件及硬件共振解调的方法对滚动轴承的外圈点蚀故障信号进行了分析.结果表明,共振解调技术能提取早期故障的微冲击特征,相对软件共振解调,硬件共振解调谱图故障特征明显,能对轴承早期裂纹、点蚀等微冲击故障进行有效提取.     

基于混合高斯分布的传感器网络主观信任模型

在传感器网络中,节点可信度常受到节点性能和环境的影响而呈现周期性变化,针对现有信任模型对这种情况的动态适应性不足,提出了一种基于混合高斯分布的传感器网络主观信任模型(MGSRM).该模型通过建立多个高斯分布函数对应被评价节点的多个可信度"状态",提高了信任值计算的动态适应能力.使用当前信任值和综合信任值分别评测被评价节点的短期行为和长期行为,具有针对性和实用性.仿真分析表明,与已有信任模型相比,MGSRM模型在准确性、动态适应能力和学习记忆能力等方面具有优势.