余热处理含Nb钢筋中Nb的作用

采用热模拟、透射电镜、电解萃取相分析及电子衍射等手段对余热处理含Nb钢筋中Nb的作用进行了考查。发现经余热处理的含Nb钢筋中,微量Nb的2/3以Nb(C,N)的形式存在,其余为固溶态。固溶于奥氏体和由奥氏体析出的Nb(C,N),强烈阻止了形变奥氏体的再结晶,从而细化了形变奥氏体及相变后的组织,由铁素体或从相界析出的极细Nb(C,N)发挥了析出强化作用。细晶强化及析出强化的共同作用减少了焊区强度降。     

NaCl担载Fe催化CVD法合成碳洋葱

以水溶性NaCl为载体,用浸渍法制备了Fe质量分数分别为0.3%、1.6%、3.3%和5.2%的催化剂,在400℃下催化裂解乙炔合成纳米碳材料;用场发射扫描电子显微镜、高分辨透射电镜对样品进行了结构表征和分析。结果显示,利用Fe质量分数为0.3%的催化剂合成的碳洋葱颗粒直径分布在15-50 nm之间,多数在15-35 nm内。     

新型碳基固体强酸高效催化羰基化合物与二醇的缩合反应

合成了新型的碳基固体强酸, 并将这一催化剂应用于缩醛缩酮反应. 结果表明碳基固体强酸对反应有很高的催化活性, 其催化反应的收率在93%以上, 且具有广泛的适用性, 对七元环化合物也具有很高的催化活性. 除了具有传统固体酸催化剂的无污染、反应过程简单和可重复使用等特性外, 碳基固体强酸还具有很高的稳定性, 重复使用10次, 其活性仍没有下降, 这一新催化剂将对绿色反应过程产生巨大作用.     

融合支持度和不确定度的D-S证据理论及应用

为解决Dempster-Shafer (D-S)证据理论在处理冲突证据时,融合结果与事实相悖的问题,提出了一种新的冲突证据组合方法。首先,对Spearman相关系数进行改进并计算证据间的支持度,对原证据体进行第一次修正;然后,结合基于定积分的区间距离的优势,针对证据的不确定度进行分析,确定了新的折扣系数,对原证据体进行二次修正;最后,使用Dempster组合规则得到融合结果。算例分析表明,所提方法能有效地融合冲突证据,较经典改进算法有较高的基本概率分配。将所提方法用于碳/碳复合材料沉积数据,建立了一种基于改进D-S证据理论的碳/碳复合材料沉积质量预测模型,较几个经典分类器和已有的基于D-S证据理论的预测模型准确率提高了5%～13%,验证了方法的有效性。     

基于卷积长短期记忆网络的泄漏监测算法研究

针对长距离输送管道的应用中,沿线参数无法逐点测量,采用显式数学模型的方法并不完全能获得全部准确数值,提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征,LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型,从而可根据沿线压力梯度预测流量,误差范围为0.3%～0.7%管道输量。将该模型用于泄漏监测,可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明,新算法不仅稳定有效,而且在管道设备运行过程中不会产生错误报警。     

关于"碳"与"炭"用法的几点补充意见

《中国科技术语》编辑部： 《科技术语研究））2006年第3期刊登了《关于“碳”与“炭”在科技术语中用法的意见》,对其中的“几点说明”和“特例1”,我提出以下意见：[第一段]     

天然气调压器出口温度及温度降的计算方法探讨

本文简介了天然气调压器及其关键元件节流孔的工作原理,计算了不同压力、不同温度下天然气(甲烷)焦耳-汤姆逊系数和不同等级压力调压后天然气的温度降,结果表明:安徽地区冬季应增加对调压器维护保养的频次,气温更低的北方地区,必要时要在调压器前增设加热器.     

磷掺杂类石墨相氮化碳的制备及其在甲基汞检测中的应用

甲基汞在环境中对生物危害极大,因此迫切需要一种快速高灵敏的检测方法.本文通过将磷掺杂到类石墨相氮化碳(g-C3 N4)中,减小了其禁带宽度,提高了其催化活性.采用磷掺杂类石墨相氮化碳(PCN)修饰金电极构建了电化学传感器用于甲基汞(CH3 Hg+)的测定.在最佳实验条件下,CH3 Hg+展示出良好的差分脉冲伏安响应信号...     

液氮剥离超薄类石墨相氮化碳的制备及表征

以不同富氮碳源作为前驱体制备块体氮化碳(g-C3 N4,CN),液氮为剥离溶剂,采用高温-快速气化联合的方法对块体CN进行剥离,制备了超薄CN纳米片,并成功应用于光催化污染物的降解和构建环境激素电化学传感器.经过一系列优化得到制备条件最优的富氮碳源和氮化碳的剥离量,结果显示:不同富氮碳源制备的CN剥离后的比表面积均大大...     

基于伪柯西类核函数的主成分降维方法

构造了伪柯西类核函数并给出了相应的理论证明.利用伪柯西类核函数对4个癌症基因表达数据集进行降维,然后利用支持向量机、K近邻和朴素贝叶斯进行分类预测.实验结果表明,与高斯核、多项式核、双曲正切核降维以及全变量情形相比,在多数情况下,基于伪柯西类核函数进行的维度约减,可使得目前主流机器学习方法的分类精度达到最优.