填充床放电等离子体反应器对铜绿微囊藻的去除

研究了多根高压电极型填充床放电等离子体反应器对铜绿微囊藻光密度的去除.探讨了高压电极材料、气量、峰值电压和脉冲频率对填充床放电等离子体反应器中铜绿微囊藻光密度去除的影响.结果表明:高压电极材料对铜绿微囊藻光密度的去除不太明显;铜绿微囊藻光密度去除率在处理当天随气量、峰值电压、频率增加而增强的作用效果不明显;而是在放置培养期间,铜绿微囊藻生长受抑制的程度加强,光密度去除率增加.     

掺铒波导环形腔激光器特性研究

根据掺铒波导光放大理论和耦合器传输矩阵,建立了描述掺铒波导环形腔激光器的理论模型,在此基础上分析了环形腔弯曲半径、耦合器耦合系数和掺铒离子浓度等因素对泵浦阈值和激射光输出特性的影响.结果表明由于受到波导弯曲损耗和其他机制损耗的共同作用,存在一优化弯曲半径使得波导环形腔激光器在较低阈值泵浦功率下实现较高的斜率效率;激射光输出耦合器作为激光谐振腔损耗的一部分,其耦合系数的大小影响到激光器的特性,在耦合系数为0.2附近处可获得较高的激射光输出功率;铒离子掺杂浓度在0.85×1026m？3时具有最低的阈值泵浦功率,在不引起明显上转换效应的条件下,适当的增加铒离子浓度可以提高激射光波的输出功率.研究结果为掺铒波导环形腔激光器的设计和制作提供了理论依据.     

MgB2的高压高温合成及其超导电性

在高压(3.0GPa)和高温(900℃)条件下,制备出单相MgB2样品.样品的粉末X射线衍射实验和Rietveld精修结构分析表明,所制样品具有AlB2型六方结构,空间群为P6/mmm,a=3.0861(5)A,c=3.5222(8)A.测量结果表明样品的超导临界转变温度(Tc)为39K.     

CeO2-ZrO2系统的高压固态反应和性质

以化学共沉淀法制备的CeO2和ZrO2纳米微粒为前驱体, 在高压高温(3.1 GPa, 1073 K)下合成了单相Ce0.5Zr0.5O2面心立方固溶体, 固溶温度明显低于常压下的固态反应温度. 结构分析表明, 立方Ce0.5Zr0.5O2固溶体在773 K以下是热稳定的. EPR结果显示Ce0.5Zr0.5O2固溶体中Ce离子完全以Ce4+形式存在, 773 K退火也不引起Ce4+向Ce3+的还原. 阻抗谱测量表明固溶体是离子导体, 823 K时, 电导率 ? = 1.2×10?5 S/cm, 与纯CeO2在同温度下的电导率同数量级; 1123 K时, ? = 2.1×10?3 S/cm, 小于掺杂的氧化锆和氧化铈基电解质的电导率. 在高温区和低温区ln(σT )与1/T的关系满足斜率不同的两条直线, 但低温活化能小于高温活化能. 对实验结果进行了讨论.     

高压加热过程中Zr_(41.2)Ti_(13.8)Cu_(12.5)Ni_(10)Be_(22.5)块状非晶合金中的非晶-晶化-非晶相转变

众所周知,非晶合金的晶化是指由非晶态到结晶态的转变,在加热过程中这种转变是不可逆的．在研究高压下Ｚｒ４１．２Ｔｉ１３．８Ｃｕ１２．５Ｎｉ１０Ｂｅ２２．５块状非晶合金晶化过程时,发现该非晶合金在加热的某一阶段出现了晶态到非晶态的逆转变．这种反常现象可能是由于在高压退火过程中形成了吉氏自由能高于非晶态的过饱和固溶体相．     

关于纳米粉体复合镀银合金在高压开关电接触部位的应用

随着时代的发展和社会经济的进步,我国电力系统发展迅速,输电距离和输电容量越来越大,对高压开关的可靠性以及寿命等也提出了更高的要求。通过实践研究表明,将纳米粉体复合镀银合金应用到高压开关电接触部位,具有一系列的优势。本文简要分析了高压开关电接触部位上纳米粉体复合镀银合金的应用,希望可以提供一些有价值的参考意见。     

煤粉高压密相气力输送特性

在输送压力可达4.0MPa,固体输送流率达840kg/h的仓式泵高压气力输送试验装置上进行粉煤高压浓相气力输送试验研究.考察了流化风量、充压风量、输送总差压对煤粉输送量、固气比的影响.研究表明:随着流化风量的增大,煤粉输送量逐渐增大,固气体积比先增大然后减小;当煤粉在发料罐内被充分流化后,再加大充压风量,固气体积比逐渐减小,而煤粉输送量略有增加;输送总压差对煤粉输送量有显著影响,随着总压差的增加,煤粉输送量呈线性增加.研究结果对高压超浓相气力输送系统的设计、运行和控制具有指导作用.     

充填体强度影响因素及组合预测模型

水灰比、堆积密实度和比表面积是充填体强度的重要影响因素,但有关各因素对强度影响显著性的研究较少,为此通过3因素5水平正交试验,分别对龄期为3 d,7 d和28 d的试块开展单轴抗压强度试验.对试验结果进行方差分析,获得不同龄期各因素F统计值比(水灰比:堆积密实度:比表面积):3d为698.404:26.148:0.91...     

基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法

针对地质雷达图像解译依赖于专家经验、费时费力且易受主观因素影响精度的问题,提出基于卷积神经网络理论算法针对超前预报中富水破碎带自动化定位预测方法:设计了残差网络结构、损失函数与训练策略;通过对云南文马高速公路中3条重点隧道的地质雷达图像进行收集筛选,构建了富水破碎带深度特征提取的超前预报网络模型;在Pytorch深度学习框架下,采用训练预热策略及自适应矩估计(Adam)优化器实现了模型参数稳定收敛的高效训练.通过测试验证及对比实验,表明这种方法对隧道地质雷达图像中的富水破碎带不良地质体特征具有较好的检测精度.文马高速望城坡隧道实践证明,该方法可辅助判定隧道施工过程中富水破碎带,识别定位不良地质区域及概率置信度,为实际工程提供决策依据.