La-Mg-Ni系AB3型贮氢电极合金的相结构与电化学性能

XRDRietveld分析显示,LaxMg3-xNi9(x=1.0-2.3)均由六方PuNi3型结构的主相及少量LaNi5及MgNi2杂相组成,主相的晶胞参数随x的增加而线性增大.合金的氢化物仍保持PuNi3型结构,但其晶胞体积有较大的膨胀.电化学测试表明,随x增加,合金的最大放电容量由88.3(x=1.0)逐渐增大到397.5mA·h/g(x=2.0),然后又降低到230mA·h/g(x=2.3).对放电容量超过348mA·h/g的合金(x=1.7-2.2),在放电电流i=400-1200mA/g的条件下,合金的高倍率放电性能(HRD)均随x增加而有不同程度的降低.HRD的缓慢降低主要与合金电极进行电荷迁移反应时的电催化活性的逐渐降低有关,而在x＞2.0时,HRD的快速降低与氢在合金中的扩散速率明显降低有关,上述合金经100次循环后合金的容量保持率为55.7%-62.9%,容量衰退较快与循环过程中La和Mg的氧化腐蚀以及合金较大的吸氢体积膨胀率有关.     

采用泡沫铜改进ZrCo合金吸放氢性能研究

采用孔隙率大于90％的泡沫铜装填ZrCo合金粉末，测试分析了泡沫铜填充ZrCo合金粉末的吸放氢性能和充放氢抗破坏性能。结果表明：通过泡沫铜填充法制备贮氢块的传热性能比自然堆积状态的粉末有很大提高，因此采用泡沫铜装填的贮氢反应容器吸、放氢速率比自然堆积粉末有明显改善，并显著提高了充放氢抗破坏能力，利用该方法改进贮氢粉末的装填方式是可行的。     

锻造变形量对FeNi基奥氏体合金力学性能的影响

研究了最后一火锻造变形量对FeNi基合金微观组织和性能的影响.结果表明,变形量为10%时合金中出现孪晶,其数量随着变形量的增大而增多.随着最后一火锻造变形量的增大,室温拉伸强度因晶粒细化而提高;但是,变形量大于15%后,室温塑性因孪晶对晶内滑移的阻碍作用和晶界碳化物对晶界结合力的削弱而降低;变形量大于10%时高温强度和塑性下降,其原因是孪晶与晶界相交阻碍了晶界滑动,相交部分在外力作用下易产生应力集中导致裂纹萌生并沿晶界扩展.     

基于BIM模型的水利泵站工程施工风险智能化预测方法

在水利泵站工程施工管理中,需要进行风险预测,提出基于BIM模型的水利泵站工程施工风险智能化预测模型。构建水利泵站工程施工风险的约束变量模型,结合水利泵站工程施工的BIM信息数据库构造,采用风险的量化特征分析方法,结合风险因素的回归分析和风险发生概率分析,计算水利泵站工程施工的风险价值评价参数;在不同的环境和标准分类下,建立水利泵站工程施工风险评价指标体系;根据质量控制风险因素、进度控制风险因素、造价控制风险因素等联合评价,实现工程建设的风险评价和智能化预测。测试结果表明,采用该方法进行水利泵站工程施工风险预测的指标评价具体可靠,风险预测精度较高,可实现施工方案的最优化管理。     

成都国际采购节掀起震后首场“靓鞋风暴”

采购节期间,国际国内知名鞋企、采购商、参展商汇聚成都,不仅与制鞋王国意大利、西班牙等达成了深度交流与合作,同时更体现了中国女鞋之都这个区域品牌在业界的影响力和吸引力。     

小鼠在体皮下乳腺癌的太赫兹波成像检测研究

乳腺癌是女性常见癌症之一,乳腺癌区域的精准检测对乳腺癌的治疗有至关重要的作用。本文采用频率为2.52THz的连续太赫兹波反射式成像系统,对小鼠在体皮下乳腺癌模型进行了太赫兹波成像检测。研究结果表明,太赫兹波成像可以清晰识别出乳腺癌区域,且与肉眼可见肿瘤区域一致。在体乳腺癌区域的太赫兹波相对反射率高于正常组织,两者相对反射率差值高达15%。进一步,对距离皮肤表面不同深度的离体乳腺癌组织进行切片和苏木精-伊红(H&E)染色,作为金标准对照。结果发现乳腺癌区域的面积随着距离皮肤表面深度的增加而增大。通过将太赫兹波成像与H&E染色结果对比可知,在距离皮肤表面约460μm处,太赫兹波图像和H&E染色图中的肿瘤区域面积相等。由此可知,太赫兹波对在体皮下乳腺癌的探测深度大约在460μm左右,太赫兹波有望实现深部肿瘤的检测。     

氦屏蔽效应的计算机模拟

通过计算机模拟,对氦屏蔽效应（HBE）进行了运动学过程的分析。HBE过程是分子扩散迁移限制的过程,而管道限制的存在是HBE能够显现的装置因素;该模型能够很好地解释实验结果。Ortman的“整体流”模型只能在宏观上预测屏蔽压强,而不能对吸氢的运动学过程进行描述。     

基于Spark的ItemBased推荐算法性能优化

MapReduce计算场景下,复杂的大数据挖掘类算法通常需要多个MapReduce作业协作完成,但多个作业之间严重的冗余磁盘读写及重复的资源申请操作,使得算法的性能严重降低。为提高ItemBased推荐算法的计算效率,首先对MapReduce平台下ItemBased协同过滤算法存在的性能问题进行了分析;在此基础上利用Spark迭代计算及内存计算上的优势提高算法的执行效率,并实现了基于Spark平台的ItemBased推荐算法。实验结果表明：当集群节点规模分别为10与20时,算法在Spark中的运行时间分别只有MapReduce中的25.6%及30.8%,Spark平台下的算法相比MapReduce平台,执行效率整体提高3倍以上。     

基于二维划分的杰卡德相似系数批量计算效率优化

随着互联网用户及内容的指数级增长,大规模数据场景下的杰卡德相似系数计算对算法的效率提出了更高的要求。为提高算法的执行效率,对MapReduce架构下的算法执行缺陷进行了分析,结合Spark适用于迭代型及交互型任务的特点,基于二维划分算法将算法从MapReduce平台移植到Spark平台;并通过参数调整、内存优化等方法进一步提高了算法的执行效率。两组数据集分别在3组不同规模的集群上的实验结果表明,与MapReduce相比,Spark平台下的算法执行效率提高了4倍以上,能耗效率提升了3倍以上。     

适应异构集群的Mesos多资源调度DRF增强算法

云计算集群环境下多资源分配的公平性是考量资源调度子系统最重要的指标之一,DRF作为通用的多资源公平分配算法,在异构异质的集群环境下可能有失公平性。在研究Mesos框架中DRF多资源公平分配算法的基础上,设计并实现了增加机器性能评估影响因子的meDRF分配算法。将计算节点的机器性能得分,作为DRF主导份额计算的因子,使得计算任务有均等的机会获得优质计算资源和劣质计算资源。通过选取K-means、Bayes及PageRank等多种作业进行实验,实验结果表明:meDRF较DRF分配算法更能体现多资源分配的公平性,且资源分配具有更好的稳定性,能有效提高系统资源的利用率。