光栅对石墨烯太赫兹光学性质的影响

在不考虑等离激元诱导效应的情况下，利用玻尔兹曼平衡方程方法从理论上研究了金属光栅结构对石墨烯光电导率的直接影响。研究发现由于光栅对入射光的动量补偿作用，光栅对石墨烯的带内光电导率产生了显著的影响，使得在石墨烯的太赫兹吸收窗口区域出现光电导率峰，并且该光电导率峰可由光栅周期、电子浓度以及温度来调控。该研究有助于深入理解光栅结构对光电材料的影响，并表明光栅-石墨烯体系可以应用于可调谐的太赫兹光电器件，如太赫兹探测器。     

溶液法合成的功能无机材料氧化镍对钙钛矿太阳能电池光电性能的影响

功能无机材料氧化镍 （NiO_x） 作为钙钛矿太阳能电池中最有前途的空穴传输材料之一，其有着高空穴迁移率、良好的稳定性、易于加工以及适合的费米能级等优点。但是，由于 NiO_x自身固有电导率低，Ni空位的电离能相当大，未掺杂的 NiO_x中空穴密度受到很大限制，加上孔洞的积累增加了载流子复合的可能，从而降低了有效的电荷收集。因此，优化 NiO_x薄膜的成膜质量是解决上述问题的关键。本文通过溶液法使用乙二醇甲醚（MEA）、乙醇（EA）和去离子水作为溶液，分别制备了 DME-NiO_x、EA-NiO_x 和 NCs-NiO_x 薄膜，并在浓度调节范围内对基于 NiO_x的钙钛矿器件进行优化，最终得到了光电转化效率 （PCE） 为 18.50%，开路电压 (V_oc) 为 1.034 V，短路电流 (J_sc) 为 22.94 mA/cm²，填充因子 （FF） 为 78% ...     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

浅析安全监控系统在岩滩水电站主厂房起重设备上的应用

为完善岩滩水电站安全监控系统在起重设备上的应用,笔者通过对起重设备控制系统配置、安全监控系统安装后出现的问题进行了分析和探讨,采取将安全监控系统使用的编码器通信与主控制系统通信网络分离,改进安全监控系统所用编码器的安装工艺,增加控制器通信模块,保障主控制系统通信快速畅通等方法,解决了因编码器通信异常而导致停车的问题。经改进后,安全监控系统的监测更加精确、可靠。     

基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

PAN纤维共聚单体作用机理的光电离质谱研究

本工作以丙烯腈/衣康酸（IA）二元共聚原丝以及丙烯腈/IA/丙烯酸甲酯（MA）三元共聚原丝为研究对象，利用热重分析仪（TG）和热解-同步辐射真空紫外光电离质谱（Py-SVUV-PIMS）对其热稳定化过程进行研究。TG结果表明，氮气气氛下，二元共聚原丝（PAN/IA）和三元共聚原丝（PAN/IA/MA）分别呈现三阶段和两阶段的热分解过程，其中PAN/IA的第一和第二阶段均对应PAN线型分子链的断裂，但前者是由自由基环化反应放热引发的，后者则是由正常温度下的热分解所致，而单体MA的加入显著抑制了自由基环化反应，使得PAN原丝的热稳定化能够以单体IA诱导的离子型环化反应为主较平缓地进行，相应的热失重过程也由两阶段转变为了单阶段。Py-SVUV-MS的实验结果表明，两种共聚PAN原丝在程序升温过程中会生成包括含氮小分子、丙烯腈单体及低聚物、成环化合物在内的三类主要热解产物，对比各类产物的生成趋势和产量，推断单体MA通过降低PAN结构的规整度，使其无定形化，从而增加环化反应的引发点，促进PAN原丝向稳定的预氧丝转变，同时由典型热解产物——甲基丙烯腈的生成路径可知，MA本身并不参与PAN大分子的环化反应，属于中性共聚单体。空气气氛下，CO₂的产量差异也间接证明了MA单体能够有效提升PAN纤维的固碳能力，采用三元共聚方法制得的PAN纤维热稳定性能更佳。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。