氮掺杂TiO_2的制备及其光催化性能研究

应用溶胶-凝胶法,以尿素和钛酸丁酯为原料制备前躯体,前躯体在500℃、焙烧3 h条件下制备不同浓度掺杂氮的TiO2纳米粉体。采用X射线衍射(XRD)、扫描电镜(SEM)、能谱分析(EDS)、紫外可见光谱(UV-Vis)等分析手段对样品的物相、形貌、成分和吸光性能进行表征,并且以亚甲基蓝溶液为模拟污染物在阳光下进行光催化实验。结果表明:样品主要为锐钛矿相二氧化钛及少量的金红石型二氧化钛,颗粒粒径小于300 nm,有一定程度的团聚,样品中含有质量分数分别为0、2.99%、6.23%、11.38%的氮元素,氮掺杂样品的光谱吸收边缘红移至400~470 nm。光催化实验表明:氮掺杂可以大大改善TiO2在可见光波段的光催化性能。     

H.264和AVS编解码性能分析及其对视频质量的影响

H.264是由ISO/IEC组成的联合视频组(JVT)制定的新一代视频压缩编码标准,具有非常高的编码效率,AVS是我国第一个拥有自主知识产权的音视频编解码标准,代表了我国在视频编码领域的最新水平。本文在AVS与H.264的软件测试平台上,对二者技术进行分析,然后进行客观实验和主观视觉感知实验。结果表明,AVS客观性能略低于H.264,主观性能二者相当。     

基于深度强化学习的空间众包任务分配策略

针对动态在线任务分配策略难以有效利用历史数据进行学习、同时未考虑当前决策对未来收益的影响的问题,提出基于深度强化学习的空间众包任务分配策略.首先,以最大化长期累积收益为优化目标,基于马尔科夫决策过程从单个众包工作者的角度建模,将任务分配问题转化为对状态动作价值Q的求解及工作者与任务的一对一分配.然后采用改进的深度强化学...     

信息交互多任务粒子群算法

不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的“隐”并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM). 对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.     

N、Mn共掺杂TiO_2的制备、表征及光催化性能研究

应用溶胶凝胶法,以尿素、氯化锰和钛酸丁酯为原料制备了纯Ti O2、N掺杂、Mn掺杂及N、Mn共掺杂的Ti O2纳米粉体。采用XRD、SEM、EDS、UV-VIS等分析手段对样品的物相、形貌、成分和吸光性能进行了表征,并且以亚甲基蓝溶液为模拟污染物在阳光下进行了光催化实验。结果表明,样品主要为锐钛矿相二氧化钛及少量的金红石型二氧化钛;样品呈颗粒状,有一定程度的团聚;N掺杂、Mn掺杂及N、Mn共掺杂样品的吸收光谱分别红移至470、440、490 nm;光催化实验表明,在可见光照射下的光催化能力由强到弱依次为N、Mn共掺杂N掺杂Mn掺杂纯Ti O2。     

基于Pro／M的碟形弹簧优化设计

采用基于Pro／M的非标准碟簧的设计变量的灵敏度分析，对碟簧进行优化设计，得到了碟簧的最佳设计结构。     

社区用微型电动车车架结构的有限元分析

运用CAD软件Pro/E进行车架结构模型的建立,然后利用标准的CAE软件平台ANSYS,对社区用微型电动车车架结构进行静动态特性分析,计算时考虑电动车实际运行中出现的两种典型工况,如匀速直线行驶、单轮瞬态悬空等工况。静态分析之后进而对车架进行模态分析。     

考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解

针对空间众包中的任务分配问题,考虑空间众包工作者的服务质量对分配结果的影响,从而提出了一种加入了工作者服务质量评价的任务分配策略。首先,在每个时空环境下,加入工作者的评价要素以建立充分考虑工作者服务质量和距离成本的多目标模型;其次,通过改进离散型萤火虫群优化算法的初始化及编码策略、位置移动策略、邻域搜索策略使算法收敛速度加快、全局寻优能力提高;最后,利用改进后的算法来求解模型。在模拟和真实数据集上的实验结果表明,该算法在不同规模数据集上较其他群智能算法可提高2%~25%的任务分配总得分。该算法考虑了工作者的服务质量后,可有效提高任务分配效率和最终总得分。     

多任务处理协同进化粒子群算法

粒子群算法及其改进算法专注于单任务的求解.随着电子商务的发展,在线服务器在某一时刻需要同时处理来自多个用户的服务请求,即多任务处理.区别于以往的并行计算机,文中充分挖掘粒子群算法的“隐并行性”,并引入协同进化机制,在同一搜索空间根据任务个数设置不同的子种群,各子种群以一定的概率相互传递有效信息,最后提出基于多任务处理协同进化粒子群算法(CPSOM),并将CPSOM应用于多任务连续型函数优化问题、多任务离散型属性选择问题以及多任务约束工程优化问题.仿真实验表明,在CPSOM多任务环境中,不同任务之间确实存在有效信息的传递,不同任务之间的相互协作不仅可以提高解的质量,而且可以加快各优化问题的收敛速度.