熔盐添加剂对熔盐高温热稳定性的改性研究

熔盐由于其化学性质稳定、传热性能优异,常被用作熔盐堆的冷却剂,同时熔盐的高温热稳定性也决定着熔盐堆的稳定。选取成本低廉、传蓄热性能优异的太阳盐(Solar salt)(Na NO3-KNO3,60%(wt)~40%(wt))熔盐作为基盐,Na_2CO_3作为添加剂,研究了添加剂对熔盐高温热稳定性的影响。利用同步热分析仪、质量损失率-时间曲线研究了Na_2CO_3对Solar salt工作温度范围和热稳定性的影响,并通过化学分析和pH值分析验证了Solar salt的分解产物。结果表明:添加1%(wt)的Na_2CO_3能使Solar salt熔盐的工作温度范围扩大20oC,热稳定性提高3.2%。上述研究可以为添加剂在熔盐堆中的应用提供一定的参考。     

减压蒸馏法对熔盐堆载体盐中氧的去除研究

在熔盐堆核能系统中,为避免载体盐中含氧类杂质离子的腐蚀性及其与UF4燃料反应生成UO2沉淀而造成安全隐患,需严格控制熔盐中的含氧类杂质离子含量.利用自行研制的熔盐减压蒸馏装置,研究了载体盐中主要含氧杂质离子(O2?、NO3?、SO42?、PO43?)在高温低压下的蒸发分离行为,以及温度、压力、熔盐起始氧含量等工艺参数对...     

用人工神经网络方法研究烷烃结构与辛烷值,沸点的关系

本文用人工神经网络拟合直链烷烃分子结构参数与其沸点和辛烷值，取得满意结果。     

Ga－In－As－Sb系合金固－液平衡和人工神经网络预报

本文用ＤＴＡ法测量了Ｇａ－Ｉｎ－Ａｓ－Ｓｂ系合金的液相线温度，并用滑舟法在Ｇａｓｈ衬底上生长液相外延膜，并用电子探针法分析膜的成分．在此基础上利用实验数据和文献数据训练人工神经网络模型，神经网络模型用交叉检验法测试是否过拟合．经测试合格的神经网络可以预报液相线温度和外延层组成．     

Prediction of Composition of GaInAsSb Epilayers by MOCVD Using Pattern Recognition and Artificial Neural Network Method

ＰｒｅｄｉｃｔｉｏｎｏｆＣｏｍｐｏｓｉｔｉｏｎｏｆＧａＩｎＡｓＳｂＥｐｉｌａｙｅｒｓｂｙＭＯＣＶＤＵｓｉｎｇＰａｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋＭｅｔｈｏｄＹａｎＬｉｕｍｉｎｇ①（严六明）ＥａｓｔＣｈ...     

MOCVD外延生长GaInAsSb合金半导体薄膜的模式识别和人工神经网…

用模式识别和人工神经网络法总结ＭＯＣＶＤ外延生长ＧａＩｎＡｓＳｂ薄膜的生长条件与外处层组成的关系。结果表明，气相中ＴＭＩｎ和ＴＭＳｂ的含量，Ⅴ／Ⅲ比和生长温度是影响外延层组成的主要因素。     

模式识别和人工神经网络预报复合硫族元素化合物结构类型

用化学键参数法结合主成分分析和人工神经网络方法，研究硫族元素化合物ＡＢＸ＿２和ＡＢ＿２Ｘ＿４的结晶类型规律。结果表明，对于ＡＢＸ＿２型化合物，Ａ和Ｘ的半径越大、Ａ的电负性越大、Ｂ的半径和电负性越小，越利于生成Ｅ＿１１结构，相反，则生成Ｂ＿１结构。对于ＡＢ＿２Ｘ＿４类型，也可判别化合物属于ＣｄＡｌ＿２Ｓ＿４Ｈ＿１１和１－Ｈ＿１１中的哪种结构类型。用人工神经网络法判别它们的结构类型的结果亦好。     

MOCVD外延生长GaInAsSb合金半导体薄膜的模式识别和人工神经网络研究

用模式识别和人工神经网络法总结ＭＯＣＶＤ外延生长ＧａＩｎＡｓＳｂ薄膜的生长条件与外延层组成的关系。结果表明，气相中ＴＭＩｎ和ＴＭＳｂ的含量、Ⅴ／Ⅲ比和生长温度是影响外延层组成的主要因素。用这些参数作特征变量，以外延层铟含量是否大于０６、锑含量是否大于０４作为分类标准，可得到良好的模式识别分类效果和人工神经网络交叉检验结果。     

四元硫族化合物A2MnBX4的结构类型和磁学性质的模式识别研究

本文用模式识别法研究了四元硫族化合物Ａ＿２ＭｎＢＸ＿４的结构类型和磁性类别与Ａ、Ｂ和Ｘ的半径的关系，结果表明ＲＡ越大，Ｒ＿Ｂ和Ｒ＿Ｘ越小越利于生成正交结构，相反则利于生成正方结构。亚稳的立方结构只在Ｒ＿Ｂ和Ｒ＿Ｘ较大的体系生成。从模式识别法表明符合０．０５０Ｒ＿Ｂ＋１．３２２Ｒ＿Ｘ＜３７５．３－Ｒ＿Ａ和２．１１８Ｒ＿Ｂ＋１．０８２Ｒ＿Ｘ＜２３９．３＋Ｒ＿Ａ（其中Ｒ＿Ａ、Ｒ＿Ｂ和Ｒ＿Ｘ的单位是ｐｍ）条件的体系具有铁磁性，相反则具反铁磁性。     

氧化物系相图若干特征的计算机预报研究

用人工神经网络和化学键参数相结合，总结氧化物系相图的规律。据此可判断这类相图的中间合物的化学配比是同分熔化还是异化熔化，并能对中间化合物的熔点或分解温度粗略估计，估算结果与实验符合较好，本文还从结构化学角度探讨了这些经验规律的实质。