AgBr-Ag3PO4-CSs三元复合光催化剂的制备及性能

以AgNO_3、KBr、Na_2HPO_4和碳球(CSs)为原料,通过共沉淀法制备了高活性的AgBr-Ag_3PO_4-CSs三元复合光催化剂。利用X射线衍射、场发射扫描电子显微镜、紫外-可见漫反射光谱和X射线光电子能谱等对复合催化剂的结构、形貌、光吸收范围及价态进行了表征,通过可见光下降解罗丹明B(RhB)和苯酚对复合催化剂的性能进行了考察。结果表明:以CSs为载体,将AgBr和Ag_3PO_4负载在CSs上,当n(AgBr):n(Ag_3PO_4)=4:100时,所得的4%AgBr-Ag_3PO_4-CSs复合催化剂光催化效果最佳,可见光照50 min时,对RhB的降解率达到99.3%;光照60 min时,降解率达到99.5%,几乎降解完全。对苯酚也具有超强的降解能力,捕获剂实验表明空穴为主要活性物种,并且所制备的复合光催化剂循环使用5次后时仍具有较高的光催化活性。     

基于频率最大化目标的六杆四面体网壳截面尺寸优化研究

随着计算机技术的发展,基于有限元优化的拓扑优化算法在工程设计领域得到广泛应用,以提高结构性能和节约材料.在空间结构领域,目前还并未形成系统性的结构优化策略,主要还是依靠工程师的工作经验来进行优化设计.董石麟教授等提出的六杆四面体网壳是一种由相似的四面体模块组成的空间结构,具有重复性和装配性等特点.本文以六杆四面体网壳为分析对象,进行了结构频率最大化的优化设计.根据挑选出的质量参与系数总和超过90%的7阶模态,建立优化函数最大化这7阶模态的频率,以此提高整个结构的动力学性能.优化结果表明,在结构整体减重18.31%的前提下,各阶频率增加了20%到30%,起到了良好的效果.     

旅游发展背景下城郊乡村更新策略探析——以玉溪市牟溪冲项目为例

伴随新型城镇化与乡村振兴等政策的提出,城郊乡村因其良好的生态本底、丰富的民俗活动以及便捷的交通条件成为了乡村旅游开发的热点。但由于部分城郊乡村在开发过程中,缺乏与文化、生态相协同的意识,只是单方面追求经济效益,致使乡村建设存在诸多问题。文章以牟溪冲项目为例,借助旅游开发的契机,来推动产业发展、文化突显、景观提升及形态塑造,以期把牟溪冲打造成生产发展、生活富裕、生态良好的城郊旅游村落。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

分析化学中四类滴定方法的差异性比较

分析化学中的四大滴定方法分别为酸碱滴定法、络合滴定法、氧化还原法、沉淀滴定四大类。通过对四类滴定方法进行学习,对其考察对象、滴定突跃的影响因素、指示剂的作用原理进行比较分析,以期对分析化学中的四大滴定有一个更加深刻的了解。     

湍流进流诱发的二维水翼振动噪声特性研究

为研究螺旋桨流噪声,以螺旋桨的基本构型单位二维翼型为研究对象,研究其在不同工况下的振动噪声规律。以Lighthill声类比理论为基础,应用计算流体力学软件CFX和声学仿真软件LMS Virtual Lab分别模拟在不同工况下翼型的流场和声场分布。取翼型非定常脉动力作为声源,然后采用边界元方法分别求解翼型流噪声和振动噪声。结果表明,噪声水平随速度和翼型攻角的变化呈现较为明显的规律;相比考虑翼型振动时的振动噪声,忽略翼型振动影响的情况下流噪声水平偏大。     

基于应变能最小准则的六杆四面体球面网壳结构的截面尺寸优化研究

随着计算机技术的发展,基于拓扑优化技术的轻量化设计在结构设计领域广泛运用.从目前的空间结构领域来看,针对具体项目的连续体结构的拓扑优化主要还是靠工程师的工作经验来进行,而采用系统性的优化策略来进行结构优化还并不成熟,尚待深入研究.六杆四面体球面网壳是一种包含装配式建筑思想的新型空间壳体,近年来进行了广泛深入的研究.本文基于应变能最小准则针对这种新型网壳结构的力学性能进行了截面尺寸优化,对优化前后网壳各个方向的位移及各杆件截面尺寸的变化进行分析研究.优化结果表明,在减重百分之二十的条件下,结构刚度有了较大提高,竖向位移得到了有效控制,自动化的拓扑优化技术在新型空间结构体系上得到了较好的实现.     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。