钴酸镍空心球的合成及其抗坏血酸电化学敏感性能

本文以氧化亚铜小球为模板,采用简单温和的化学方法成功刻蚀制备出了钴酸镍空心球。通过多种表征手段对样品的形貌及组成进行了表征,结果表明,钴酸镍为空心结构并保持了氧化亚铜的形貌,粒径约为350nm,具有多晶的特征。将该材料修饰的电极应用到抗坏血酸电化学传感器中,测试结果表明,其对抗坏血酸的检测极限为3×10-7 M(S/N=3),线性相关系数为0.9993,线性检测范围为0.1~3mM,灵敏度高达1148.7μA·mM-1·cm-2,并具有良好的选择性。     

热处理温度及掺硼对富硅氧化硅发光的影响

利用等离子体增强化学气相沉积制备了未掺杂与掺硼富硅氧化硅薄膜。在高纯N2气氛中经过600℃、800℃和1100℃热处理,发现随着热处理温度的升高,富硅氧化硅薄膜的光致发光发生了明显红移。这表明薄膜的光致发光来源逐渐由薄膜中的发光中心演变为硅纳米晶。在经过1100℃热处理的未掺杂与掺硼样品中,掺硼样品光致发光强度有明显减弱,这是由俄歇复合效应引起的。此外,在ESR测试谱中,掺硼样品的g因子为2.0020,这表明掺硼可以在薄膜基体和硅纳米晶之间的界面引入发光中心。     

高温处理对ZnO薄膜及其忆阻性能的影响

本文研究了高温处理对ZnO薄膜及其忆阻效应的影响,发现利用经800℃高温处理后的ZnO薄膜制备的Cu/ZnO/Pt器件依然保持忆阻性能,并观察到无电形成过程的忆阻效应。研究表明,无电形成过程的原因在于高温处理后的ZnO薄膜出现了纳米级通道,使得在沉积顶电极Cu的过程中,形成天然的导电通道,使器件呈现低阻态。     

微观组织演变对细晶Mg-Y-Nd合金超塑性性能的影响

在初始应变速率为2×10^-2~4×10^-4 s^-1,温度为683~758 K的条件下,对用水下搅拌摩擦加工制备的细晶Mg-Y-Nd合金进行高温拉伸实验,研究了微观组织演变对其超塑性性能的影响。结果表明:因为具有细小均匀的微观组织和良好的热稳定性,Mg-Y-Nd合金在733 K和3×10^-3 s^-1初始应变速率下表现出最大的伸长率(967%),在758 K和2×10^-2 s^-1条件下表现出最优的高应变速率超塑性(900%)。在高温下暴露时间过长导致α-Mg晶粒和第二相颗粒显著长大,使试样的伸长率明显降低;因为第二相颗粒与镁基体之间有良好的变形协调性,在相界处不会产生明显的应力集中,裂纹主要在晶界生成。     

基于贝叶斯推理的包装件动力学模型优化选择研究

目的 在多种类型的模型中挑选出最优包装件模型,并实现参数识别的方法。方法 文中将包装件模型构建为参数不确定模型,在贝叶斯推理的框架下,采用马尔可夫链蒙特卡洛法识别模型参数,采用偏差信息准则(DIC)计算各备选模型的DIC参数,选择出最优包装件模型。结果 在振动实验台用质量块–缓冲材料模拟包装件并进行随机振动测试,分析结果表明,Bouc–Wen(n=2)模型为文中包装系统的最佳模型。结论 文中提出的基于贝叶斯推理的包装件模型优化选择和参数识别方法考虑了模型不确定性,构建的模型可准确预测包装件在随机振动下加速度响应的时域信号。     

食品接触材料中有害物质迁移的研究进展

目的 综述目前食品接触材料中几种常用材料(纸、塑料、油墨)迁移与检测的研究进展,并指出几种材料未来的发展趋势,促使我国食品行业向着更绿色、更安全的方向发展。方法 概述纸质、塑料、油墨的发展趋势和材料中有害物质的来源;对比几种材料的迁移规律及迁移模型;总结几类常见有害物质的检测方法。结论 绿色环保的生物基材料是食品接触材料未来的发展方向,同时也需重视可持续性生物基食品接触材料的化学安全性。因其产生的化学品对人体健康的影响不甚明朗,因此需多方面研究生物基食品接触材料中化学物质的存在和迁移到食品中的情况,并采取相应措施减少包装材料的使用,降低材料中有毒有害物质对人体和环境的威胁。     

绿色气相缓蚀剂的复配及其缓蚀性能研究

目的 为解决单组分绿色气相缓蚀剂缓蚀性能差的问题,复配一种绿色复合气相缓蚀剂,探究其对碳钢和黄铜金属试样的缓蚀作用。方法 采用腐蚀质量损失、接触角、电化学等试验测试分析复合气相缓蚀剂对碳钢、黄铜的缓蚀效果与成膜耐久性。结果 复合气相缓蚀剂对10号钢、H62黄铜的缓蚀效率分别为84.71%、91.67%,缓蚀性能显著优于单组分气相缓蚀剂;复合气相缓蚀剂在10号钢、H62黄铜表面均形成了缓蚀膜,H62黄铜表面形成的缓蚀膜较10号钢的更具耐久性。结论 与单组分气相缓蚀剂相比,该复合气相缓蚀剂对碳钢、黄铜均具备良好的缓蚀作用,为绿色气相缓蚀剂的防锈包装应用提供支撑。     

木材断裂解离分形特征与分形断裂力学模型研究

目的 以椴木为研究对象,研究冲击载荷作用下椴木试件的断裂解离形貌特征和断裂力学特性,建立适用于木材原料断裂解离的分形断裂力学模型,并对其断裂解离力学行为进行描述。方法 对椴木试件进行冲击加载试验,分析试件断口的形貌特征和断裂力学特性,构建适用于木材原料断裂解离的分形断裂力学模型。结果 椴木试件横向冲击断裂断口裂纹形状和断口形貌特征比纵向冲击复杂,横、纵向冲击断裂断口均具有分形特征;椴木试件纵向冲击断裂韧性均值是横向冲击断裂韧性均值的1.112倍,椴木试件横、纵向冲击断口的分形维数均值分别为2.063 5和2.075 1,椴木试件横、纵向冲击韧性与其断口分形维数之间存在线性正相关关系,拟合优度分别为0.778 7和0.812 2;构建的木材原料断裂解离临界解离应力和断裂韧性的分形断裂力学模型也适用于脆性材料。结论 在木材原料冲击断裂解离时,木材原料初始裂纹长度越短,断裂解离断口越粗糙复杂,木材原料断裂解离所需要的能量越大;当裂纹沿着与冲击加载力方向垂直成大约1.055rad方向扩展时所需的能量最小,木材原料最易沿该方向进行断裂解离。     

参数优化VMD的滚动轴承故障诊断方法

由于滚动轴承早期故障信号特征微弱,变分模态分解（Variational Mode Decomposition,VMD）的性能易受模态数和惩罚因子设置的影响,提出了一种自适应优化VMD参数的方法。基于中心频率判断本征模态函数（Band Limited Intrinsic Mode Functions,BIMF）是否混叠的思想提出中心频率混叠商算法,利用最小中心频率差与次小中心频率差的比值确定模态数。利用模糊熵原理,提出求和模糊熵算法优化惩罚因子。利用相关系数筛选模态分量,重构信号提取故障信息。通过对强噪声下外圈故障信号、内圈故障信号的分析,表明该方法能自适应确定模态数和惩罚因子,抑制模态混叠,能够从强噪声下有效地提取出故障信号特征,实现滚动轴承故障诊断。     

MHSACAE-CNN在噪声下的电机轴承故障诊断

电机的运行情况复杂,实际运行工况下会有大量的噪声,导致其轴承故障诊断精度下降。为了改善这一问题,提出了一种基于多头自注意力机制的一维全卷积自编码网络（One-dimensional Fully Convolutional Autoencoding Network Basedon Multi-head Self-attention,MHSACAE）与卷积神经网络（Convolutional Neural Network,CNN）结合的轴承故障诊断方法。该方法先采用MHSACAE网络进行降噪,再通过CNN进行故障诊断。其中MHSACAE去噪网络采用无监督训练的方式,充分考虑了实际工况和序列数据内在联系,在实现对噪声的滤除效果的同时,最大限度地保留下了原始的故障信息,使得CNN可以实现在噪声情况下对电机轴承故障的高精度诊断。通过与其他轴承故障诊断方法在噪声情况下进行对比,证明提出的方法具有更好的效果。