TiO2薄膜原子力显微镜图像多重分形谱的二次函数拟合

用原子力显微镜观察经不同退火温度处理TiO2薄膜的表面形貌,观察结果表明,随着退火温度的升高,颗粒不断长大,数目逐渐减少,表面粗糙度RMS从4.1nm增大到18.4nm.用最小二乘法对原子力显微镜图像多重分形谱进行二次函数拟合,结果显示,随着退火温度的升高,α0从1.999增大到2.008,由正值转变为负值,分形谱宽W由0.064增大到0.246,说明TiO2薄膜表面形貌愈来愈复杂.     

全钒电池组的充放电性能

简介了钒电池的特点,组装钒电池组并对其进行恒流充放电考核,结果表明:电池组的库仑效率随着充放电电流的增大而增大,最高可达到95.09%;电池组的能量效率随着充放电电流的增加而减小,最高可达到81.32%。     

曲轴变形对轴颈中心轨迹影响的研究

研究了因变形而引起的曲轴倾斜对轴颈轴心轨迹的影响。通过曲轴倾斜角与外力之间的关系,把轴颈倾斜角引进了其轴心轨迹的计算中,研究了轴颈倾斜角对轴颈中心轨迹的影响。研究表明：曲轴变形会造成轴颈中心轨迹发散;随着外垂向力的增加,轴颈中心轨迹会逐渐发散。     

基于缸盖振动信号的活塞环腔压力径向基神经网络识别研究

介绍了利用气缸盖振动信号,借助径向基神经网络（RBFNN）,进行活塞环腔气体压力识别的方法。以1100柴油机为试验对象,测得其缸盖振动位移和气缸内气体燃烧压力,将缸盖振动信号作为识别的输入信号,利用径向基神经网络和ARMA时间序列分析法对气缸燃烧压力和环腔内气体压力进行了识别。结果表明：利用径向基网络和ARMA时间序列分析法,均能较为准确地识别活塞环环腔气体压力和气缸内气体燃烧压力;径向基神经网络的识别方法比ARMA时间序列识别方法更加准确。     

粉料埋烧的TiO2瓷压敏和介电性质

基于一次烧结工艺,采用埋烧和裸烧两种方法制备组分相同的(Sr,Bi,Si,Ta)掺杂的TiO2陶瓷。通过I-V特性、非线性系数、介电常数的测量,研究埋烧与裸烧工艺对TiO2陶瓷的电性能的影响。结果表明,采取粉料埋烧可以明显降低压敏电压、提高介电常数。     

分段自相关频率估计算法研究

针对两步自相关频率估计算法（TSA算法）的估计性能和计算量不能兼顾的缺点, 提出了基于正弦信号LP性质的分段自相关频率估计新算法。该算法首先将观测信号二等分, 得到与源信号频率相同、相位不同且噪声互不相关的观测信号, 然后利用正弦信号的LP性质, 结合自相关函数建立参数估计方程, 得到高精度频率估计算法, 最后通过多次蒙特卡洛仿真对算法的有效性进行了验证。仿真结果表明, 分段自相关算法整体优于TSA算法, 有较强的实用性。     

全钒离子液流电池的应用研究

采用循环伏安法研究了全钒离子液流电池正极溶液的浓度及添加剂对正极反应的影响。研究了两种离子交换膜对钒电池性能的影响。结果表明 :高浓度的钒离子溶液 ,其循环伏安表现不理想 ,而添加剂过氧化氢对还原过程有利。隔膜研究显示 :阳离子交换膜SelemionCMV有利于提高充放电电流和充电效率 ,但是机械强度较差 ,不利于长期使用。     

钒电池用电解液研究现状及展望

钒电池是近年来兴起的高效储能、绿色环保、反复可充放的新兴能源。钒电解液作为全钒氧化还原液流电池的活性物质是电池最重要组成部分之一,钒的浓度大小和电解液的多少决定了电池的容量,钒电解液性能的好坏对电池性能有直接影响。对钒电解液的制备、分析、性能优化方面的研究现状及展望作了综述。     

全钒液流电池10kW单元电堆性能研究

详细研究了全钒液流电池10kW单元电堆的功率输出特性和单体电压一致性及不同充放电电流密度与库仑效率和能量效率的关系.研究了电堆长期运行时,库仑效率、能量效率及电压平台的变化.     

机械振动趋势的灰色预测模型研究

基于振动特征量研究提高灰色模型 (GM)建模精度的方法。建立了基于机械系统振动特征量的时间序列趋势预测GM(1,1)并进行了后验差精度检验 ;针对模型精度低问题对模型修正进行了重点研究。在基于原始时间序列的一次累加生成运算 (1 AGO)序列与它的预测序列间的 1 AGO残差序列对基本GM (1,1)修正失效的基础上 ,提出了设置阈值考虑相对误差、调节量系数考虑原始数据幅度分布的GM(E ,1,1)。实例表明 ,该模型用于机械系统振动特征量预测时具有动态自适应补偿误差影响的功能