氮气氛下直拉硅中氮含量的红外光谱测定

提出了利用直拉硅中与氮有关的特征红外吸收峰９６３、９９６、１０８１－１及１０２７ｃｍ－１确定直拉硅中氮含量的计算公式，并进行了多种样品实测。该法克服了只用９６３ｃｍ－１峰测定直拉硅中氮使结果偏低的弊病，方法相对偏差为５％～２０％     

新钢基于多元数据采集的电弧炉炼钢过程能量监控系统

电弧炉炼钢过程中能量多元且复杂,采用单一的数据采集方式不能满足对电弧炉炼钢过程各工序能量构成分析要求。通过多元数据采集方式,准确采集电弧炉炼钢过程各工序实际生产数据,并使用Visual Studio 2013、Microsoft SQL Server 2012数据库等软件建立电弧炉炼钢过程能量监控系统。该系统通过实时动态采集到的电弧炉炼钢过程各项冶炼数据,量化电弧炉炼钢过程各工序能量,实现电弧炉炼钢过程能量监控;对电弧炉炼钢过程各工序能量消耗、能量流动、能量利用等方面进行分析,为电弧炉生产过程能量高效利用提供理论依据。     

用正交实验设计研究Zr—Nb合金的耐蚀性

利用正交设计实验的方法安排了一组Ｚｒ－Ｎｂ二元合金，考查了两个水平的Ｎｂ含量，淬火温度，时效温度，时间以及合金组织状态对耐蚀性能的影响，５００℃蒸汽腐蚀结果表明，Ｎｂ含量控制在固溶极限范围内Ｚｒ－Ｎｂ二元含金具有较佳的耐蚀性，而当Ｎｂ含量较高时，采用双相区淬火，较高温度长时间时效处理是获得较好耐蚀性的工艺方向。     

Effect of annealing treatment on electrochemical property of LiNi0.5Mn1.5O4 spinel

LiNi0.5Mn1.5O4 was prepared under different cooling conditions. The electrochemical properties of LiNi0.5Mn1.5O4 prepared under different cooling conditions were investigated. The results show that LiNi0.5Mn1.5O4 synthesized with or without annealing treatment has similar X-ray diffraction patterns that can be indexed to cubic spinel structure. The mass loss occurring above 650℃ during the heating process can be mostly gained during the cooling process. LiNi0.5Mn1.5O4 synthesized with an annealing treatment exhibits almost one voltage plateau at around 4.7 V and higher capacity with a quick fading upon cycling, whereas LiNi0.5Mn1.5O4 synthesized without annealing treatment shows two voltage plateaus at around 4.1 and 4.7 V and superior capacity retention upon cycling both at rates of 1/7C and 1 C, though the capacity is not high.     

适应不同温度的几种钛熔块的研究

用TiO2作乳浊剂通过调节各种熔剂的用量制得了适用于各种不同温度的钛熔块釉。     

改性聚丙烯酰胺水溶液的疏水缔合性质

合成了一种疏水缔合水溶性聚丙烯酰胺共聚物，使用荧光光谱法并结合紫外及流变性实验，对制备的疏水缔合水溶性聚丙烯酰胺共聚物在水溶液中形成疏水微区、超分子聚集体及空间网络结构进行了研究，并用扫描电子显微镜证实了溶液中网络结构的存在．     

十四醇聚氧化烯烃醚琥珀酸单酯磺酸盐的表面活性研究

合成了一系列十四醇聚氧乙烯醚和聚氧丙烯醚琥珀酸单酯磺酸盐，比较了其临界胶束浓度、润湿力、起泡力等表面活性     

结合方向纹理熵的Haar-like特征在线boosting跟踪算法

针对传统基于Haar-like特征的on-line boosting跟踪算法（HBT）需要产生大规模随机特征、占用大量计算资源和存储空间的缺点,提出结合方向纹理熵的Haar-like特征在线boosting跟踪算法（HBTT）。HBTT算法利用灰度共生矩阵的熵获得目标纹理的方向信息,在此基础上有针对性地产生具有方向纹理信息的Haar-like特征,从而可有效避免无效随机特征的产生,减小特征池容量;更进一步,可根据目标纹理的复杂程度自动调整特征数量,使得算法更灵活。在跟踪过程中,在线学习模块可以使错误率较高的特征被结合了目标纹理方向信息的Haar-like特征所替换。与HBT算法比较,HBTT算法的跟踪误差降低了10%以上;在相同特征池容量下,置信度提高了2%以上。实验结果表明,该算法不仅具有较高的鲁棒性,而且在跟踪效率和性能上都有所提高。