混合碱法制备尖晶石型LiMn_2O_4纳米棒及其表征

以MnSO4·H2O和LiOH·H2O为原料,NaOH和KOH为溶剂,利用混合碱法制备了尖晶石型LiMn2O4纳米棒,并系统地研究了不同反应条件对比表面积的影响.制备LiMn2O4纳米棒的适宜工艺条件:Li和Mn物质的量比为1.1∶2,反应温度200℃,反应时间24h.采用表面与孔径测定仪、X射线衍射仪、红外光谱仪和扫描电镜对产品进行了表征,并得出结论:混合碱法制备的LiMn2O4粒度较小,比表面积大,具有尖晶石型结构,有望成为高性能锂离子电池正极材料.     

柠檬酸溶胶-凝胶法合成嵌锂电极材料

选用金属醋酸盐和柠檬酸配体,采用溶胶-凝胶法合成出锂离子电池正极材料L i1.05M n2O4.通过优化溶液的pH值和合成温度,包括预烧温度和灼烧温度,制备出纳米尺寸颗粒占13.05%的样品.X射线衍射分析表明,样品为尖晶石型结构,晶格常数a=0.823 nm.扣式电池充放电性能测试的结果表明,合成的L i1.05M n2O4样品具有良好的充放电循环性能,0.1 C充放电循环100次容量损失仅为4.5%.     

Li-Mn-Al-O锂离子正极材料的合成及其性能

以Mn2O3,Al(NO3)3.9H2O和LiOH.H2O为原料,采用固相合成法制备掺铝锰酸锂材料。研究结果表明:掺铝样品是一种复相,物相组成为尖晶石LiMn2O4和单斜型Li2MnO3;掺铝后材料颗粒粒度变小,晶体形状为类球形;该材料性能介于层状LiMnO2和尖晶石LiMn2O4性能之间,当掺铝量为0.1时,最高容量可达197mA.h.g-1,循环20次后,容量还高于在190 mA.h.g-1;掺铝可提高材料的电导率,促进锂离子在电极中的迁移,提高材料电化学性能。     

蔗糖辅助燃烧法制备纳米锂离子电池正极材料Li1.1 Mn2 O4

采用蔗糖辅助燃烧法制备了富锂型锂离子电池正极材料Li1.1Mn2O4, XRD表明合成的Li1.1Mn2O4样品具有完整的尖晶石结构. SEM显示样品是由纳米粒子组成. 0.5 C 初始放电比容量为115 mAh/g, 10 C放电比容量可达109 mAh/g. 10 C倍率下循环200次容量保持率为90%. 实验结果表明该材料倍率和循环性能均优良.     

Li4Ti5O12作为混合电化学电容器负极材料的电化学性能

通过XRD,SEM,BET及电化学测试等手段研究了高温固相合成条件对尖晶石Li4Ti5O12粉体结构、形貌、孔径分布的影响及其在Li4Ti5O12/C混合电化学电容器中的电化学性能.研究表明:采用800.℃合成温度,保温2.h的合成条件获得的尖晶石Li4Ti5O12中孔发达,电化学性能良好,其比表面积为4.4.m2·g-1.该样品采用175.mA·g-1充放电时的比容量约为150.mAh·g-1,功率特性和循环性能良好.     

以竹纤维为模板制备微米管状Li4Ti5O12负极材料

以竹纤维为模板,Ti(OC4H9)4和Li(Ac).2H2O为原料,用模板法制备锂离子电池微米管状Li4Ti5O12负极材料。采用XRD,SEM,BET,充放电实验和交流阻抗等对合成材料的结构、形貌和电化学性能进行表征。研究结果表明:制备的微米管状Li4Ti5O12负极材料由尖晶石型纳米Li4Ti5O12颗粒构成,具有较大的比表面积,该材料具有良好的电化学性能,在0.5~3.0 V,0.1C倍率下的首次放电比容量为178 mA.h/g,充放电循环100次后放电比容量仍保留162 mA.h/g,且倍率性能优异。     

锂离子电池正极材料LiV_3O_8的研制

以NH4VO3、LiOH.H2O为原料用固相合成法制备了LiV3O8锂电池正极材料,采用XRD、TEM、EDS、粒度分析方法进行该材料的微观结构研究,测试了LiV3O8样品的电化学性能。在0.1C倍率下材料的首次充放电容量为302mA.h/g、283mA.h/g,前10次循环的平均放电容量为272mAh/g。同时进一步指出了改进循环性能的研究方向。     

高电压锂离子电池正极材料LiNi 0.5 Mn 1.5 O 4制备及改性

采用草酸铵共沉淀-高温固相烧结法合成了高电压尖晶石正极材料LiNi0.5Mn1.5O4及其掺杂改性材料LiNi0.4Mg0.1Mn1.5O4.采用X射线衍射(XRD)、扫描电子显微镜(SEM)、恒流充放电测试等对所合成样品进行表征.XRD测试表明所合成的样品具有尖晶石结构,空间群为Fd3m.电化学测试表明,样品有两个主放电平台,分别为4.7V和4.1V.经过800℃煅烧的样品LiNi0.5Mn1.5O4具有最好的倍率性能.经过900℃煅烧的样品具有最好的循环性能,以0.1C充放电,最高放电比容量达到124.2mAh.g-1,循环30次后容量保持率达92.7%.Mg掺杂的改性样品LiNi0.4Mg0.1Mn1.5O4在0.1C倍率下循环30次后容量保持率达95.7%,Mg的掺杂可以提高该材料的循环性能.     

Al^3＋、Cl^掺杂LiMn2O4的电化学性能研究

采用以柠檬酸为配位剂的溶胶-凝胶法制备了复合掺杂Al、Cl两种元素的锂离子电池正极材料LiMn2_xAlxO4_yCly.采用X射线衍射、透射电子显微镜及充放电循环等方法分析研究了不同掺杂量对材料结构、粒径及电化学性能的影响.结果表明,制备的样品具有良好的尖晶石结构,其中LiMn1.9A10.103.9C10.1的高温(55C)循环性能最佳,初始放电比容量为105.2 mAh/g,25次循环后容量仅衰减4.37%.显示Al-Cl复合掺杂能有效的改善尖晶石的高温电化学性能.     

流变相法合成Li2ZnTi3O8的电化学性能

采用流变相法成功合成了尖晶石Li2ZnTi3O8.X射线衍射(XRD) 分析结果表明所合成的尖晶石颗粒结晶良好.扫描电子显微镜(SEM)测试结果表明,所得Li2ZnTi3O8粒径较小,分散较均匀.将所合成的样品作为锂离子电池电极材料,采用充放电测试和循环伏安测试研究了其电化学性能.电化学性能测试结果表明,该材料的放电比容量和循环性能都较好,在0.05～3.0 V 电压下,以100 mA/g进行充放电,首次放电比容量为234.6 mAh/g,100次循环后放电比容量仍保持在208.5 mAh/g.     

资源预约协议和可扩展资源预约协议

针对目前的资源预约协议（ＲＳＶＰ）中资源预约结构还不能适应大量数据流要求的问题,Ｗｅｒｎｅｒ Ａｌｍｅｓｂｅｒｇｅｒ提出了一种能在网络各链路上自动会聚数据流的可扩展资源预约协议（ＳＲＰ）。文中阐述了ＲＳＶＰ的实现和存在的问题,说明了ＳＲＰ的结构,实现原理,并给出了ＳＲＰ评估器的实现算法。     

带资源空窗期的资源投入型问题的建模与优化

以飞机移动式装配线为背景,在基本资源投入型问题的基础上考虑资源空窗期约束,建立以最小化资源使用总成本为目标的数学模型.针对该模型设计了一种构造启发式算法,并提出了非关键任务优先级决策规则.考虑空窗期约束特点,以连续排入的两个非关键任务间结果最优的启发式规则来确定非关键任务位置,并提出以非关键任务优先级和关键任务开始时间为双链表编码的遗传算法,然后将启发式规则嵌套在遗传算法的解码和评估阶段.最后通过数值实验比较启发式算法和遗传算法与CPLEX在求解该问题时的优劣,证明了两种算法的有效性.     

公共资源网络中资源滥用行为检测研究仿真

传统网络资源行为检测方法无法准确确定资源行为的符号观测，导致检测效果较差，整体检测严重受 限。为此，提出一种新的基于隐马尔科夫模型的公共资源滥用行为检测方法。构建隐马尔科夫模型，通过数据 分析，确定当前观测符号序列，利用Windows 操作系统信息为蓝本进行行为检测。建立敏感文件信息集，并使 其分布在系统敏感文件夹中。在此基础上确定当前隐马尔科夫模型参数。计算对应序列概率差值，根据当前 公共资源网络信息安全要求，设定实际阈值，确定资源滥用行为。仿真实验结果表明，该监测方法真实有效， 具有较高的推广和应用价值。     

多资源约束的改进RSM方法

在对原RSM法研究的基础上 ,提出了一种多资源约束下的改进RSM法 ,并介绍了其决策原理和计算步骤。该法对原RSM法进行了改进 ,能相对减少计算量 ,且通过案例证明该法能取得满意的效果     

资源空窗期及任务可拆分的资源投入问题研究

考虑飞机装配过程中任务可拆分及资源存在空窗期的两大特性,对飞机移动生产线资源投入问题进行模型与算法研究.针对部分任务存在已知拆分模式及拆分惩罚的情形,设计了求解该问题的改进遗传算法,对传统实数交叉操作进行优化,提出了基于染色体适应值的交叉方法,并在数值实验中对相关参数的取值范围进行了敏感性分析;同时,提出了基于任务开始时间选择概率的变异机制.对满足优化条件的任务调度方案,结合空窗期的位置,评判各可拆分任务可否通过选取新的拆分模式重新调度执行,对不同情形进行总结归纳,通过局部操作进一步降低目标资源量.数值实验表明:通过本文算法对求解带资源空窗期的任务不可拆分问题与基本问题的结果对比,得到任务数分别为10、16、30、60、90算例的目标值平均增量达到4.3%;对求解本文问题与任务不可拆分问题的结果对比,平均优化率达3.5%,证明了本文算法的有效性,同时证明将任务拆分纳入考虑资源空窗期的资源投入问题中,可提高问题求解的灵活性,从而获得较好的调度结果.     

东营优化配置区域科技资源促进高新技术产业持续快速发展

近年来，市委、市政府把发展高新技术产业作为提升区域核心竞争力的重要措施，摆上重要议事日程，进行强力推动，高新技术产业呈现出蓬勃发展的良好态势，2002、2003连续两年顺利完成省政府确定的高新技术产业发展任务目标。2004年，我市深入贯彻全省科学技术大会精神，不断强化措施，加大工作力度，高新技术产业保持了持续快速健康发展。1-11月份，全市高新技术产业累计实现产值100.88亿元，同比增长65.45%；全市高新技术产业产值占规模以上工业总产值的     

高职专业教学资源库与图书馆数字资源建设

共享型专业教学资源库建设是国家示范性高等职业院校建设的重要部分,该文从思路、框架、模式等方面对资源库的建设进行了探讨,提出建设具有高职特色的专业教学资源库必须以职业能力培养为主线,资源配置以课程为载体的建设方案。通过分析,提出由图书馆组织或参与资源库建设有利于建立成果共享、维护与管理的长效机制。     

"第一资源"说

近期在基层企业采访,老总们屡屡谈论的一个话题是:人才。而且不无感叹:现在企业最缺的是人才,尤其是“术有专攻”的技术人才。对于人才渴求从未有过的紧迫,无疑来自空前激烈的市场竞争。当经济的增长方式由单纯依赖量的扩张,进入到主要依靠质的提升的内涵发展阶段,人才与技术要素便逐渐上升为主导地位。试想,一个企业新产品的研制开发,新     

绵阳市城市垃圾资源化利用研究

按照循环经济的观点,垃圾是一种错放在垃圾场的资源。伴随着日益增长的城市垃圾,城市垃圾资源化利用的问题日益突出。完善法制环境、建立市场化的城市垃圾管理机制、妥善解决城市垃圾资源化处理的资金瓶颈、增强市民环境保护意识和参与积极性是绵阳市加快垃圾资源化利用的几个主要措施。同时,今后城市垃圾处理趋势是走向市场,必须综合考虑项目技术和经济可行性。     

Balance Resource Allocation for Spark Jobs Based on Prediction of the Optimal Resource

Apache Spark provides a well-known Map Reduce computing framework, aiming to fast-process big data analytics in data-parallel manners.With this platform, large input data are divided into data partitions.Each data partition is processed by multiple computation tasks concurrently.Outputs of these computation tasks are transferred among multiple computers via the network.However, such a distributed computing framework suffers from system overheads, inevitably caused by communication and disk I/O operations.System overheads take up a large proportion of the Job Completion Time(JCT).We observed that excessive computational resources incurs considerable system overheads, prolonging the JCT.The over-allocation of individual jobs not only prolongs their own JCTs, but also likely makes other jobs suffer from under-allocation.Thus, the average JCT is suboptimal,too.To address this problem, we propose a prediction model to estimate the changing JCT of a single Spark job.With the support of the prediction method, we designed a heuristic algorithm to balance the resource allocation of multiple Spark jobs, aiming to minimize the average JCT in multiple-job cases.We implemented the prediction model and resource allocation method in Re B, a Resource-Balancer based on Apache Spark.Experimental results showed that Re B significantly outperformed the traditional max-min fairness and shortest-job-optimal methods.The average JCT was decreased by around 10%–30% compared to the existing solutions.