论高校实践教学体系的建立与完善

此文在阐述高校实践教学重要性、实践教学现状及存在问题的基础上，分析建立和完善实践教学体系的必要性，并结合福建师范大学实践经验，提出从实践教学内容体系、实践教学质量保障体系和实践教学运行条件体系三方面建立和完善学校实践教学体系。     

葡萄糖的添加对富锂锰基正极材料Li1.2Ni0.2Mn0.6O2的影响

采用溶胶凝胶法制备合成富锂锰基正极材料Li_1.2Ni_0.2Mn_0.6O₂,在前期配制金属离子溶液时,通过添加不同量的葡萄糖（葡萄糖添加量分别为试剂总质量的0,6%,12%,36%,48%）来分析其对Li_1.2Ni_0.2Mn_0.6O₂的结构、形貌、电化学性能以及倍率性能的影响.恒流充放电测试结果显示,少量葡萄糖（6%,12%）加入,可以明显提高材料首次放电比容量.0.05C首次放电比容量由未加入葡萄糖材料的174 mAh/g提升至添加12%葡萄糖材料的265.9 mAh/g.倍率性能测试结果显示,葡萄糖的加入可以明显提高材料倍率性能.其中葡萄糖添加量为48%的材料倍率性能最好,首次放电比容量达到141 mAh/g,经过0.05C,0.1C,0.2C,0.5C,1C循环测试后再进行0.1C循环测试30次,放电比容量为110 mAh/g,容量保持率为78%.     

图的Seidel Laplacian-Estrada指标

设G为简单图,d_i表示顶点v_i的度,G的Seidel Laplacian矩阵S_L(G)是一个对角元为n-1-2d_i,非对角元为±1的实对称矩阵,当顶点v_i和v_j相邻时,(S_L(G))_(ij)=1,否则,(S_L(G))_(ij)=-1。引入并研究了Seidel Laplacian矩阵的Estrada指标,给出了该指标的上、下界,以及它与Seidel Laplacian能量之间的关系。     

汽车车窗摇手柄注塑成形优化设计与试验分析

利用Moldflow软件对汽车车窗的塑料摇手柄注塑成形过程进行模拟和优化,通过DOE试验对工艺因素熔体温度和保压压力进行分析,生成3D响应曲面图,对比分析填充时间、流动前沿温度、体积收缩率、翘曲变形等参数,然后进行模流分析,使用正交试验法分析影响摇手柄翘曲变形和体积收缩率的因素,寻找最优加工参数.结果表明:保压压力和熔体温度对各参数影响程度较大,响应曲面图形状比较陡峭,各因素对翘曲变形和体积收缩率影响的最优组合为A1B3C1D4E4,利用最优参数进行模拟,得到最大翘曲变量和体积收缩率为0.636 mm和11.37%.     

基于层次分析法的重卡变速操纵性能主观评价

基于层次分析方法(Analytic Hierarchy Process,AHP),构建重型卡车变速操纵性能综合评价指标体系和层次分析法结构模型,重点分析变速操纵性能评价的4个方面:外观和形状、人机工程、操纵性能和NVH性能。通过层次分析法,确定了变速操纵性能主观评价指标的权重。对同一车型的三种不同变速操纵机构进行实车评价试验,对方案层评价指标按照十分制进行评价打分,利用所计算的评价指标权重,得到总体性能评分。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于基尼系数的网络异质性研究

为了定量研究网络的异质性,将洛伦茨曲线和基尼系数等概念推广至网络异质性的研究当中,提出了基于连通子图重要度的复杂网络的基尼系数,用来表征网络异质性;然后,得到具有n个节点和k个连通子图的网络的异质性取得最大值和最小值的条件;最后用一算例来阐述该研究的有效性与实用性。     

8-维3-李代数的Manin Triple

利用对合导子及伴随表示的对偶模构造了对偶3-李代数,证明了特征为0的代数闭域上任意4-维3-李代数存在对合导子,并利用4-维3-李代数的对合导子构造了7种不同构的8-维3-李代数的Manin Triple。     

基于低秩表示的判别特征提取算法

为了更好地获取高维数据的特征,提出一种特征提取算法——低秩判别映射. 首先基于低秩表示构造代表样本关联性的关联矩阵,然后利用关联矩阵应用判别准则. 低秩表示以样本作为基函数,利用所有样本构建关联矩阵,其构造特点决定了关联矩阵能够很好地体现样本集的全局结构和样本之间的判别关系. 人脸数据集的实验表明,低秩判别映射优于其他广泛应用的特征提取方法.     

α-Fe2O3/CuO/rGO非均相芬顿催化剂的制备及其降解苯酚的性能

采用改进的Hummers法制得氧化石墨烯(GO),与FeSO₄在120 ℃下回流还原,再通过浸渍Cu(NO₃)₂、煅烧得到α-Fe₂O₃/CuO/rGO非均相芬顿催化材料,并对材料进行扫描电子显微镜(SEM)表征和X射线粉末衍射(XRD)分析.以苯酚为目标污染物,研究α-Fe₂O₃/CuO/rGO复合材料对苯酚的催化降解性能.结果表明:在pH=5.8,双氧水的初始浓度为40 mmol/L,催化剂投加量为1.0 g/L条件下,降解90 min时,α-Fe₂O₃/CuO/rGO对0.1 g/L苯酚的去除率达到100%;在降解180 min时TOC的去除率约70%,说明α-Fe₂O₃/CuO/rGO对苯酚有较高的矿化效率,是一种具有应用前景的芬顿催化剂.