铁酸镧超细粉末的制备

以La(NO3)3·6H2O、(NH4)2Fe(SO4)2和Fe2O3为原料,运用正交实验法确定最优实验条件,利用固-液界面法制备稀土铁酸盐超细粉末———铁酸镧.对产物进行部分物理测试,分别测定其全铁、亚铁离子含量,用扫描电子显微镜测定其形貌和粒径.结果表明,产物为均匀的圆球状纳米微粒,平均粒径76.0nm,反应中没有经过中间化合物,而是在固液界面上进行的.     

媒介形态视角的网络空间探讨

随着网络时代的到来,网络空间的探讨成为学界关注的话题,从内容和角度来看,大多限于现象层面的剖析。本文从媒介形态理论的视角出发,通过对网络虚拟实质的分析以及对传媒工具的不可消解性的认同,着重说明网络作为传媒工具在现实生活中的本质特征,以及网络虚拟与网络媒介发展的关系;试图对网络虚拟给出一种新的解释。     

瓦斯隧道煤窑采空区处理施工技术

黄陵二号煤矿铁路专用线白石隧道是一座瓦斯隧道，涧身通过地段有大面积小煤窑采空区分布。从钻孔、灌浆、安全措施、质量保证措施、质量检查等方面阐述了隧道煤窑采空区的处理方法，以供类似工程参考。     

基于位移的抗震设计中位移模式的确定

根据地震强度、地震波、结构层数与跨度、强柱弱梁系数等影响水平位移模式的主要因素,通过大量算例分析,提出了确定基于位移的抗震设计中水平位移模式的方法.     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

针刺麻醉与镇痛泵在肩关节术后镇痛领域中的应用及评价

以行肩关节手术的患者作为研究对象,比较和评价了针刺麻醉与肩峰下自控型镇痛泵对术后镇痛的疗效与安全性,指标包括疼痛视觉模拟评分（VAS）、肩关节活动度（ROM）、Lovett肌力分级等,结果显示镇痛泵组的胃肠道不良反应发生率（7/64）、基础病复发率（4/64）,及总体不良反应发生率（16/64）均显著高于针刺组（0/70）(0/70)(4/70),在轻度疼痛者中,2组的VAS未见差异,但针刺组的ROM更大,在中、重度疼痛者中,镇痛泵组的VAS低于针刺组,但2组的ROM及肩关节肌力未见差异,说明针刺麻醉的安全性极佳,可促进术后康复,适用于轻度疼痛者及合并相关内科基础病的中、重度疼痛者。     

Bi掺杂的直接甲醇燃料电池阳极催化剂研究进展

发展可替代能源对缓解全球能源问题具有重要意义。直接甲醇燃料电池(direct methanol fuel cell,DMFC) 因其工作温度低、能量密度高以及污染物排放少等特性,正逐渐成为最有发展前景的便携式能源技术之一。目前,其商业化进程主要取决于甲醇氧化反应(methanol oxidation reaction,MOR) 的动力学快慢、催化剂的成本和寿命。Bi元素的掺杂可以极大地提高甲醇电催化氧化的性能,并且可以提高阳极催化剂抵抗CO中毒的能力。介绍了掺杂Bi的贵金属和非贵金属阳极电催化剂,以及贵金属掺杂Bi₂O₃、Bi₂WO₆ 等光辅助电催化剂;综述了它们提高甲醇电催化氧化性能的机制,并展望了阳极Bi电催化剂在DMFC中所面临的机遇和挑战。     

利用时域间断伽辽金算法 求解Tellegen介质中的电磁波

目前,利用时域间断伽辽金方法（DGTD）求解各类介质中的电磁传播问题时,通常考虑求解普通介质本构关系的麦克斯韦方程组。 然而,具有非互易性本构关系的Tellegen介质中的电磁传播非常复杂,且少有研究。基于Tellegen介质的本构关系,推导出了一种适用于该介质的时域间断伽辽金系统矩阵离散方案,准确模拟了平面波在Tellegen介质中的时域传播特性。利用所提出的算法,计算了空气与Tellegen介质的分层空间模型,分析了Tellegen介质对电磁波极化偏转角度的影响;同时,针对不同电磁参数的Tellegen介质,计算了反射波与透射波的电场偏转角度,并将时域间断伽辽金方案计算的结果与文献［1］以及解析解进行了对比,验证了该方法的有效性与可行性。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。