高温氢工质热物理性质计算分析

氢工质在新能源与动力、航天推进、化工材料等领域有着广泛应用。通过开展高温氢工质热力学与输运性质研究，建立了原子态氢、分子态氢、热解平衡态氢的热物理性质计算模型，开发了热物性计算程序Prop_H_H2，适用范围为温度100~3 500 K、压力104~5×107 Pa 。验证表明，Prop_H_H2在适用范围内计算氢工质的物性参数合理可靠，在温度200~3 000 K、压力104~107 Pa范围内，程序预测值更加准确，相对偏差在±5%左右。本研究可为氢工质相关的航天推进、应用物理学、能源动力等行业的科研和应用提供支持借鉴。     

服役后20号钢在低温下的力学性能研究

分析了20号无缝钢管的室温和低温力学性能,结合显微组织观察、晶粒度统计和断口分析,发现低温低应力工况下服役后20号无缝钢管的力学性能完全符合冷库用液氨管道的使用要求。     

Room Temperature Ferromagnetism in Co-doped CuAlO2 Nanofibers Fabricated by Electrospinning

One-dimensional, diluted magnetic semiconductor nanofibers have attracted increasing attention for their unique magnetic properties, large specific surface area, and high porosity. These qualities lead to excellent performance in magneto-optical devices, magnetic resonance imaging, ferrofluids and magnetic separation. The purpose of this study is to fabricate P-type one dimensional CuAlO2-based diluted magnetic semiconductor nanofibers. First, we fabricated Cu Al0.95Co0.05O2 nanofibers with an average diameter of 1 μm with the electrospinning method. The annealed nanofibers were thermally treated at a temperature of 1 100 ℃ and then shrunk to a diameter of about 650 nm. We used X-ray diffraction measurements and Raman spectra to confirm that the Cu Al0.95Co0.05O2 nanofibers had a single impurity free delafossite phase. The X-ray photoelectron spectroscopy analysis indicates that Co was present in the +2 oxidation state, resulting in an room temperature ferromagnetism in the Cu Al0.95Co0.05O2 fiber. This contrasts with nonmagnetism in pristine CuAlO2 fiber. The coercivity(Hc) value of 65.26 Oe and approximate saturation magnetization(Ms) of 0.012 emu/g demonstrate good evidence of ferromagnetism at room temperature for Cu Al0.95Co0.05O2 nanofibers.     

基于词法特征的恶意域名快速检测算法

针对互联网中恶意域名攻击事件频发，现有域名检测方法实时性不强的问题，提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点，首先将所有待测域名按照长度进行正则化处理后赋予权值；然后利用聚类算法将待测域名划分成多个小组，并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级，根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离；最后依据编辑距离值快速判定恶意域名。算法运行结果表明，基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比，准确率分别提高1.7%与2.5%，检测速率分别提高13.9%与6.8%，具有更高的准确率和实时性。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。