用四氯化钛制备TiO2微球的研究

以阳离子交换树脂为模板，以四氯化钛为原料采用溶胶．凝胶法制备了TiO2微球，并通过X射线衍射（XRD），红外光谱（FTIR），扫描电子显微镜（SEM）等手段对样品进行了表征。结果表明：制备的多层结构的TiO2微球直径在300μm-700μm之间，微球主要组分为锐钛矿晶型的TiO2，晶粒粒度约为16．3nm。分别以300W高压汞灯和太阳光为光源进行光催化实验，研究了样品对10mg／L甲基橙溶液光催化氧化的效果，结果表明此种TiO2微球具有很好的光催化性能。     

微孔硅酸钙柔性隔热材料的显微结构和导热性能

微孔硅酸钙柔性隔热材料由以硬硅钙石针状微小晶体构成的微孔硅酸钙球形颗粒和硅酸铝纤维复合而成，其中大部分硅酸铝纤维首先形成柔软的纸型材料，微孔硅酸钙颗粒和其余硅酸铝纤维沉积其上，填充在硅酸铝纤维之间的大孔隙中。由于微孔硅酸钙颗粒被硅酸铝纤维分割，互相之间不能通过氢键直接相连，从而无法形成普通微孔硅酸钙材料所具有的刚性结构，只能借助硅酸铝纤维构成柔性结构。具有大量0．1～1μm直径孔隙的微孔硅酸钙颗粒极大程度地限制了材料内空气的对流传热，同时，实验发现减少大孔隙和适当增加材料的致密度可以降低辐射传热，从而进一步降低材料的导热系数。这种复合材料的表观密度为0．25～0．32g／cm^3，热面温度1000℃下的表观导热系数可低至O．08W／（m·K）。     

BNi—2钎焊条的真空吸铸工艺

研究了ＢＮｉ－２钎焊条真空吸铸原理，并由试验得出：当ＢＮｉ－２合金加热到１５００℃，真空控制阀门开口为φ６ｍｍ以上，真空度５０ｋＰａ，铸型预热温度５００℃，并用φ内２ｍｍ×５００ｍｍ石英管进行真空吸铸时，吸铸高度可达到４０ｃｍ以上。     

大模数齿轮磨损后的堆焊修复工艺研究

通过试板的工艺试验，探索选用适当的焊条、采用适当的焊接工艺和焊后热处理工艺来修复ＺＧ４５钢大模数齿轮磨损齿面的可能性。试验结果表明，联合使用Ｄ１３２＋Ｄ１１２或Ｄ１３２＋Ｊ４２２进行堆焊，均可满足堆焊修复工艺的要求。     

Mn掺杂对La0.68Pb0.32FeO3纳米材料电阻率、气敏性能的影响

采用Sol-gel法合成了系列纳米材料La0.68Pb0.32Fe1-xMnxO3（x=0．0，0．1，0．2，0．4，0．6），研究了Mn掺杂对材料的导电特性和气敏特性的影响。研究表明：合成的系列纳米材料均具有正交钙钛矿结构，Mn的掺杂对材料La0.68Pb0.32FeO3的结构没有影响，且对材料粒径的影响较小；随Mn元素含量的增加，La0.68Pb0.32Fe-xMnxO3纳米粉体对丙酮的气敏性均迅速降低；Mn掺杂同时导致电阻率减小，这是由于形成Mn^3＋-O^2--Mn^4＋双交换作用键的缘故。     

La0．67Mg0．33Ni2．5Co0．5贮氢合金的制备和MH电极性能研究

采用高频感应熔炼方法制备了PuNi3型La0.67Mg0.33Ni2.5Co0.5合金;用X射线衍射分析和电化学方法研究了添加不同Mg含量以补偿Mg元素烧损时合金的组织结构和电化学性能。X射线衍射分析(XRD)表明,铸态合金由．PuNi3型主相和少量的CaCu5型第二相组成,铸态合金经1223K和10h退火处理后,CaCu5型第二相可明显减少,其中Mg增加10％时得到纯度较高的PuNi3型组织。电化学测试表明,增加适当Mg含量和进行退火热处理能明显提高和改善合金电极容量、循环稳定性和大电流放电性能。与AB5型和。482型Laves相贮氢合金比较,PuNi3型La0.67Mg0.33Ni2.5Co0.5贮氢合金具有电极容量高及优良的大电流放电性能。     

基于长引水隧洞下的大型水电站一次调频仿真研究

针对锦屏二级水电站引水隧洞长,机组容量大、运行水头高,导致调压室水位波动稳定性以及机组间的水力干扰等较为突出的问题,对一次调频进行了深入分析研究,在满足电网安全的前提下,通过对机组一次调频进行仿真计算,得到了各种模拟工况下的机组开度、功率和转速的变化情况,为机组正常投入运行提供了可靠保证。     

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点.建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高.通过在CloudSim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力.     

基于Spark的大数据混合计算模型

现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个应用的需求,因此需要考虑不同计算模式的混搭使用。混合计算模式之集大成者当属UCBerkeley AMPLab的Spark系统,其涵盖了几乎所有典型的大数据计算模式,包括迭代计算、批处理计算、内存计算、流式计算(Spark Streaming)、数据查询分析计算(Shark)、以及图计算(GraphX)。 Spark提供了一个强大的内存计算引擎,实现了优异的计算性能,同时还保持与Hadoop平台的兼容性。因此,随着系统的不断稳定和成熟, Spark有望成为与Hadoop共存的新一代大数据处理系统和平台。本文详细研究和分析了Spark生态系统,建立了基于Spark平台的混合计算模型架构,并说明通过spark生态系统可以有效地满足大数据混合计算模式的应用。