化学络合法在溶胶－凝胶过程中的应用

在利用溶胶－凝胶技术制备先进玻璃及陶瓷时，经常碰到诸如这样一些问题：金属醇盐先驱体在醇中的溶解度小；反应活性大，易生成沉淀；而且一些醇盐很难直接买到。化学络合物方法可以克服这些缺点。本文阐述了添加络合剂的络合方法在溶胶－凝胶上的应用，包括如下几个方面：（１）改变一些醇盐的溶解度，使之溶解在醇溶剂中；（２）控制先驱体的反应活性；（３）变非醇盐先驱体为醇盐光驱体；（４）合成有机－无机复合材料；（５）通过络合剂的作用合成一些易潮解的凝胶；最后讨论了络合物凝胶的分子设计等问题。     

谈电石渣的特性及其建材资源化途径

分析了电石渣的物理性质及化学性质,讨论了电石渣在建材方面的利用途径.     

可见光照射下纳晶TiO2电极对染料污染物的光电催化降解研究

为揭示TiO2光催化降解染料的反应机理,研究了可见光照射下各种染料污染物在正、负不同偏压下的降解情况.以溶胶-凝胶结合水热法制备的TiO2薄膜为光电极,通过检测反应过程中染料溶液的紫外-可见吸收光谱及总有机碳变化情况,深入探讨了外加电压在光电催化降解染料中的作用.同时,通过电子自旋共振技术检测了染料降解过程中活性自由基的生成情况.实验结果表明,在可见光照射下,外加正偏压时,阳离子染料如罗丹明B和孔雀绿虽也褪色,但矿化率比较低;而负偏压作用时,阳离子型染料在可见光与偏压的共同作用下,以分子中共轭结构的破环为主,产生较高的矿化率.     

福建南日群岛海域潮流数值模拟研究

福建南日群岛海域地形复杂,为了解该海域潮流场特征,利用MIKE 21 Flow Model_FM HD模块,搭建了包括南日群岛在内的大范围潮流数学模型,采用实测资料对海域的潮位和潮流进行了验证。结果表明,模型计算值与实测值吻合较好。所建模型能够正确反映南日群岛海域的潮流特征。最大流速出现在群岛内的主要潮流通道上,通过数值模拟,对该海域的水动力状况有了进一步了解,为该海域工程建设与环境保护提供了科学依据。     

固相法制备超细ZrW2O8粉体及其负热膨胀特性的研究

以化学合成的ZrO2和WO3为原料,以固相法制备具有负热膨胀特性的超细立方相ZrW2O8粉体.对其前驱体进行差热分析(DSC),以X射线粉末衍射(XRD)、扫描电子显微镜(SEM)及透射电子显微镜(TEM)对产物结构及形貌进行表征.结果表明:通过化学方法合成出单斜相和四方相混合的纳米级ZrO2粉体,纯单斜相的纳米级WO3粉体,以其为原料能够制备出超细立方相ZrW2O8粉体.同时考察不同研磨时间对其粒径的影响.变温X射线粉末衍射分析表明:所得ZrW2O8粉体具有很好的负热膨胀特性,在20～600℃范围内的平均热膨胀系数为-6.82×10-6K-1.     

查找二次回路故障的方法

二次回路中发生故障,往往会影响一次设备、甚至整个电力系统的安全运行,为此,在变电运行工作中,根据实践经验,总结了一套查找二次回路的方法。     

一种改进的MC-CDMA系统ORC技术

基于对频率非选择性Rayleigh衰落信道中采用ORC(orthogonality restoring combining)技术的MC-CDMA系统误码率下边界的分析,提出了忽略最弱子载波(信道衰减系数最小的子载波)的改进ORC检测方案。仿真结果表明,该方案比传统ORC在性能上有很大提高,比较接近MMSEC技术;如果忽略过多的弱子载波反而会影响用户间扩频码的正交性,引起系统性能恶化。改进方案具有随子载波数线性增长的运算复杂度,是一种比较实用的MC-CDMA系统检测技术。     

多阶段融合网络的图像超分辨率重建

目的 近年来,深度卷积神经网络成为单帧图像超分辨率重建任务中的研究热点。针对多数网络结构均是采用链式堆叠方式使得网络层间联系弱以及分层特征不能充分利用等问题,提出了多阶段融合网络的图像超分辨重建方法,进一步提高重建质量。方法 首先利用特征提取网络得到图像的低频特征,并将其作为两个子网络的输入,其一通过编码网络得到低分辨率图像的结构特征信息,其二通过阶段特征融合单元组成的多路径前馈网络得到高频特征,其中融合单元将网络连续几层的特征进行融合处理并以自适应的方式获得有效特征。然后利用多路径连接的方式连接不同的特征融合单元以增强融合单元之间的联系,提取更多的有效特征,同时提高分层特征的利用率。最后将两个子网络得到的特征进行融合后,利用残差学习完成高分辨图像的重建。结果 在4个基准测试集Set5、Set14、B100和Urban100上进行实验,其中放大规模为4时,峰值信噪比分别为31.69 dB、28.24 dB、27.39 dB和25.46 dB,相比其他方法的结果具有一定提升。结论 本文提出的网络克服了链式结构的弊端,通过充分利用分层特征提取更多的高频信息,同时利用低分辨率图像本身携带的结构特征信息共同完成重建,并取得了较好的重建效果。     

融合感知损失的生成式对抗超分辨率算法

目的 现有的基于深度学习的单帧图像超分辨率重建算法大多采用均方误差损失作为目标优化函数,以期获得较高的图像评价指标,然而重建出的图像高频信息丢失严重、纹理边缘模糊,难以满足主观视觉感受的需求。同时,现有的深度模型往往通过加深网络的方式来获得更好的重建效果,导致梯度消失问题的产生,训练难度增加。为了解决上述问题,本文提出融合感知损失的超分辨率重建算法,通过构建以生成对抗网络为主体框架的残差网络模型,提高了对低分率图像的特征重构能力,高度还原图像缺失的高频语义信息。方法 本文算法模型包含生成器子网络和判别器子网络两个模块。生成器模块主要由包含稠密残差块的特征金字塔构成,每个稠密残差块的卷积层滤波器大小均为3×3。通过递进式提取图像不同尺度的高频特征完成生成器模块的重建任务。判别器模块通过在多层前馈神经网络中引入微步幅卷积和全局平均池化,有效地学习到生成器重建图像的数据分布规律,进而判断生成图像的真实性,并将判别结果反馈给生成器。最后,算法对融合了感知损失的目标函数进行优化,完成网络参数的更新。结果 本文利用峰值信噪比（PSNR）和结构相似度（SSIM）两个指标作为客观评价标准,在Set5和Set14数据集上测得4倍重建后的峰值信噪比分别为31.72 dB和28.34 dB,结构相似度分别为0.892 4和0.785 6,与其他方法相比提升明显。结论 结合感知损失的生成式对抗超分辨率重建算法准确恢复了图像的纹理细节,能够重建出视觉上舒适的高分辨率图像。     

NMN转移酶和乙醇脱氢酶共固定化及其动力学特性

采用磁性纳米颗粒对烟酰胺单核苷酸(NMN)转移酶和乙醇脱氢酶进行共价共固定,用以生产NADH(烟酰胺腺嘌呤二核苷酸),并对共固定化条件、共固定化双酶酶学性质及其动力学进行了考察。结果显示:双酶最佳共固定化反应条件为:NMN转移酶和乙醇脱氢酶添加量分别为6.5U/mg和10.3U/mg,体系pH控制在5.0～7.0,25℃固定化2 h,NADH产率可达到87%,与游离酶的催化产率73%相比提高了14%。所得共固定化双酶在连续使用11次后,剩余酶活仍保留在61.1%左右,表明共固定化酶具有较好的操作稳定性。双酶动力学方程推导与验证结果表明:共固定化双酶反应体系符合米氏方程,其动力学反应速率取决于固定化乙醇脱氢酶的反应速率。