矢量语音传感器微阵列

人工智能的普及促进了语音交互技术的发展,语音传感器阵列作为智能语音交互的硬件前端,成为语音交互领域的前沿研究方向.矢量语音传声器自有的偶极子指向性、零点深度以及阵列体积小便于集成的特点特别符合语音交互技术对硬件设备的要求.基于此,通过采用两组矢量敏感单元"共点正交"形成矢量微阵列实现声源空间锐化波束指向,其不受瑞利限与空间采样率限制,与传统空间离散分布的声压麦克风阵列有着本质区别,是矢量微阵列的核心优势所在.矢量微阵列传声器弥补了现有双麦阵列的不足,具有更为广阔的应用前景,作为智能语音交互的硬件前端,对推动智能语音交互领域的发展具有重要意义.     

生物矿化法制备氧化镓颗粒及其性能表征

以蚕丝蛋白为模板,在相对温和的条件下通过生物矿化的手段形成具有特殊形貌的α-GaOOH颗粒,并通过在不同温度下煅烧α-GaOOH得到α-Ga2O3和β-Ga2O3.采用扫描电镜(SEM)、透射电镜(TEM)、X射线衍射仪(XRD)和荧光分光光度计(PL)等手段研究了丝素蛋白多肽和矿化时间对颗粒的影响,对其生物矿化机理进行了初步探讨.结果表明,所制备的β-Ga2O3具有优良的发光特性,丝素蛋白多肽模板以无定形的结构与产物结合在一起,并且经过高温烧结后仍以碳膜的形式包覆在材料的表面.这种碳膜结构对于提高材料的生物学性能起着重要的作用.     

高岭土性质对催化裂化催化剂性能的影响

采用X射线荧光分析仪、X射线衍射仪、N2物理吸附仪、场发射扫描电子显微镜等仪器表征了苏州、广西和美国佐治亚州3个产地的高岭土，并以此3种高岭土为原料制备了模型催化裂化（FCC）催化剂，在ACE评价装置上对比了模型催化剂的反应性能。结果表明:苏州及广西高岭土主要组分为高岭石，佐治亚高岭土主要组分为地开石及珍珠陶土；苏州高岭土呈片状，还含有少量棒状颗粒；广西高岭土呈多层片状，晶粒粒径较大；佐治亚高岭土呈薄片状，晶粒粒径较小；3种高岭土制备的模型催化剂反应活性、Na2O及RE2O3质量分数相近；广西高岭土制备的模型催化剂具有最大的孔体积和磨损指数，但比表面积最小，具有较强的重油转化能力，其目标产物（液化气+汽油）和副产物（干气+焦炭）收率都高于苏州、佐治亚高岭土制备的催化剂的。     

基于发展科学探究能力的高中化学教学实践 ——以"元素周期律"章节为例

基于学生在学习元素周期律时存在的普遍问题改进了教学实践,分析了元素周期律发展学生科学探究能力的价值,设计了四个教学环节——趣味导入,成果展示;分析规律,做出猜想;设计方案,收集证据;梳理模型,迁移应用,并提出了三点针对学生探究能力发展的教学建议.     

负极添加NMP对电池性能的影响

锂离子电池负极浆料中添加N-甲基吡咯烷酮(NMP),在极片加热干燥时不能完全除去.残留的NMP吸附在石墨表面,使得SEI膜与石墨结合不牢固.研究了其对电池性能的影响,结果显示,在电池的循环过程中,SEI膜逐渐脱落,导致电池循环寿命缩短,但对电池的容量、内阻、倍率、存储等初期性能不影响.     

基于蜻蜓翅脉结构的连续碳纤维增强树脂基复合材料仿生设计与增材制造

以具有轻质高强优异性能的蜻蜓翅脉结构为设计灵感，在分析翅脉网格结构抗冲击原理的基础上，设计了传统和仿生两类对比结构。采用熔融挤出3D打印机成功制备了具有不同结构的连续碳纤维增强聚乳酸复合材料试样，并对不同结构复合材料试样的拉伸性能和抗冲击性能进行了测试和对比分析。研究分析结果表明：由于拉伸力方向上的连续碳纤维含量相对较少，限制了仿生结构复合材料抗拉强度的提高，但仿生结构的平均抗拉强度为传统结构的1.18倍；当仿生结构复合材料试样受到冲击力时，其内部六边形结构的连接角度会发生变化，从而极大消耗冲击能量，同时具有六边形网格结构的连续碳纤维可以有效阻碍裂纹的扩展，因此仿生结构的平均冲击韧性可以达到传统结构的2.46倍；仿生蜻蜓翅脉结构可以显著提高增材制造复合材料的综合力学性能，且对于抗冲击性能的提高具体突出效果。连续碳纤维增强树脂基复合材料的有效可行的仿生蜻蜓翅脉结构设计和增材制造，可极大扩展其在高冲击载荷领域中的相应应用。     

Attitude dynamics of coupled spacecraft undergoing fuel transfer

Multibody System Dynamics - This paper represents an explicit analytical solution for attitude dynamics of spacecraft combination during on-orbit refueling. Due to the fuel transfer from the...     

Wearing prediction of stellite alloys based on opposite degree algorithm

In order to predict the wearing of stellite alloys,the related methods of rare metals data processing were discussed. The method of opposite degree(OD) algorithm was put forward to predict the wearing of stellite alloys.OD algorithm is based on prior numerical data, posterior numerical data and the opposite degree between numerical forecast data. To compare the performance of predicted results based on different algorithms, the back propagation(BP) and radial basis function(RBF) neural network methods were introduced. Predicted results show that the relative error of OD algorithm is smaller than those of BP and RBF neural network methods. OD algorithm is an effective method to predict the wearing of stellite alloys and it can be applied in practice.