蒙脱石基复合光催化材料处理有机废水研究进展

半导体光催化作为一种绿色催化技术，具有广阔的应用前景。然而，到目前为止，光催化材料仍存在可见光利用率低，稳定性差，催化效率较低，难回收等问题。其中，光催化剂的负载化是解决回收与再利用的关键，也是其走向绿色应用的必由之路。蒙脱石是一种由颗粒极细的含水铝硅酸盐构成的层状矿物，在自然界中储量大、开采成本低，是一种优良的载体材料，在光催化材料中得到了广泛应用。本文系统介绍了目前蒙脱石基复合光催化材料的研究进展及其制备工艺，讨论了光催化技术在现实中的主要应用，最后对其发展前景进行了展望。     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

Ni~(26+)离子态分辨光复合过程的R矩阵理论研究

利用基于相对论R矩阵理论的DARC程序系统计算了Ni 25+离子基态1s22s(2S1/2)和激发态1s22p(2P1/2,2P3/2)的光电离截面,并通过细致平衡原理获得了统一的光复合过程(即辐射复合和双电子复合)态分辨的截面,计算结果给出了辐射复合与双电子复合过程间的干涉效应.为了标识和分析KLL共振能区所有的共振峰,基于相对论组态相互作用理论(RCI)的FAC程序被用来计算共振峰的能量、强度及其相关的双激发态的辐射、俄歇跃迁几率以及共振宽度等.利用统一的光复合截面进一步得到了KLL双电子复合过程的伴线强度,并与孤立共振近似下FAC的计算结果以及以前的理论和实验结果进行了比较,对存在的一致性和偏差进行了分析和讨论.     

齐次核的Hilbert型多重级数不等式取最佳常数因子的等价条件及应用

利用实分析技巧和权函数方法, 讨论具有齐次核的多重级数Hilbert型不等式, 得到了其取最佳常数因子的充分必要条件, 并给出其应用.     

“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

量子阱厚度和势垒掺杂对大功率AlGaInP LED发光效率衰减特性的影响

GaAs基AlGaInP LED是目前光电子器件研究领域的国际前沿和热点,伴随工业制备技术的日趋成熟,其稳定性和发光效率都得到了明显的提升.但是,在超高电流下工作的AlGaInP大功率芯片仍存在着发光效率衰减严重的问题.目前已知的影响因素主要是载流子的溢出和俄歇复合的加强与否.本文通过分析具有不同势阱厚度和势垒中不同浓度的P型掺杂的AlGaInP样品的光致发光图谱变化与电流密度和辐射效率的关系,发现在势阱厚度为20nm,势垒P型掺杂浓度为1×1017 cm-3时,可以显著改善大功率LED的高温衰减特性.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.