oalib

Publish in OALib Journal

ISSN: 2333-9721

APC: Only $99

Submit

Any time

2019 ( 65 )

2018 ( 1631 )

2017 ( 1602 )

2016 ( 1734 )

Custom range...

Search Results: 1 - 10 of 69751 matches for " 许俊鸽 "
All listed articles are free for downloading (OA Articles)
Page 1 /69751
Display every page Item
可见光催化剂降解酸性橙7
郑雪琴,,玉东
福州大学学报(自然科学版) , 2014,
Abstract: 采用溶胶凝胶-水热合成结合法制备铋氮共掺杂二氧化钛纳米催化剂. 以酸性橙7(AO7)为目标污染物,研究Bi-N-TiO2催化剂的可见光光催化活性,考察催化剂投加量、 污染物初始浓度及pH值等条件对AO7脱色效率影响. 结果表明: Bi-N-TiO2光催化剂在可见光(400~750 nm)照射6 h后对AO7的去除率达到86.48%,比在同样条件下制备的单元素掺杂催化剂Bi-TiO2(22.09%)、 N-TiO2(15.9%)以及TiO2(11.89%)、 P25(14.12%)等表现出更好的可见光响应特征; 当催化剂投加量为1g·L-1、 AO7初始浓度为10 mg·L-1、 反应液pH值为3时催化剂光催化降解AO7的脱色效果最好; 且可见光下Bi-N-TiO2催化剂具有一定的重复使用性和再生性能.
便器冲洗阀(器)出流特性试验研究
张祥中,庞胜华,江平,
福州大学学报(自然科学版) , 2006,
Abstract: 对延时自闭式便器冲洗阀、感应式自动便器冲洗器在不同压力下的出流量进行研究.结果表明:便器冲洗阀(器)的出流量随着压力增大而增大;在适用压力下,其出流量符合节水型生活用水器具要求.水压大于0.35MPa,宜设减压设施或调整冲洗时间.
稳定性同位素稀释吹扫捕集-气质联用法测定水中典型臭味物质
冬梅,,苑宝玲,吕华东,林麒
分析化学 , 2011,
Abstract: 采用稳定性同位素稀释吹扫捕集-气相色谱/质谱联用法测定水中典型臭味物质土臭素(GSM)和2-甲基异莰醇(MIB)。研究了特征离子、升温程序、样品吹扫温度及盐浓度等因素对臭味物质萃取过程的影响。本实验测定臭味物质的最佳条件为:盐浓度20%(m/V),样品吹扫温度60℃,程序升温速率5℃/min。通过加入同位素内标d5-GSM和d3-MIB,可以提高样品回收率的稳定性。土臭素(GSM)和2-甲基异莰醇(MIB)浓度在5~500ng/L范围内线性良好;在100ng/L加标浓度水平下,GSM和MIB回收率范围分别为82%~95%和99%~101%;相对标准偏差为5.20%和0.78%。方法检出限分别为3.60和4.12ng/L。本方法操作简单、快速、准确,用于实际水样的检测效果良好。
固相微萃取-气/质联用法测定水中典型臭味物质
冬梅,,苑宝玲,吕华东,林麒
环境化学 , 2015,
Abstract:
包覆型纳米铁的制备及其降解三氯乙烯的性能研究
李云琴,,周海瑞,苑宝玲
环境科学学报 , 2014,
Abstract: 采用甲基丙烯酸甲酯(MMA)为聚合单体,偶氮二异丁腈(AIBN)为引发剂,通过微乳液原位聚合法制备包覆型纳米铁,采用XRD、FI-IR、TEM对其性能进行表征.结果表明:包覆型纳米铁(En-nZVI)是在纳米铁颗粒(nZVI)外层形成了稳定的聚甲基丙烯酸甲酯(PMMA)包覆层,包覆后的纳米铁粒径均一、不团聚,并能于空气中放置3d以上而不被氧化,克服了纳米铁在空气中不能稳定存在的缺点.降解实验结果表明:该纳米材料能有效降解环境污染物三氯乙烯TCE,24h去除率超过了92%,脱氯率达到90.0%.
三维花状结构α-FeOOH协同H2O2可见光催化降解双氯芬酸钠
,李云琴,黄华山,苑宝玲,崔浩杰,付明来
环境科学 , 2015,
Abstract: 采用油浴回流法,在常压回流反应条件下批量制备出三维花状结构的α-FeOOH纳米材料,并利用XRD、FT-IR和SEM等仪器对其进行分析表征;以双氯芬酸钠为目标污染物,考察三维花状结构α-FeOOH纳米材料,在模拟太阳光照射下,催化H2O2降解有机污染物的性能.结果表明,三维花状结构α-FeOOH由纳米棒自组装形成,纳米棒的长度约400~500nm,直径约40~60nm.以模拟可见光为光源,三维花状结构α-FeOOH与H2O2构成光助异相类Fenton体系,对双氯芬酸钠有良好的光催化降解效果,在90min内对初始浓度为30mg·L-1的双氯芬酸钠降解去除率达到99%以上,催化降解反应以羟基自由基氧化反应为主.
三维花状结构α-FeOOH纳米材料的制备与表征
,李云琴,苑宝玲,崔浩杰,付明来
- , 2015,
Abstract: 摘要 以硫酸亚铁、尿素及乙醇为原料, 采用低温常压一步回流法制备了具有三维花状结构的α-FeOOH纳米材料. 考察了反应时间、反应温度、尿素浓度和乙醇用量对其结构和形貌的影响及α-FeOOH纳米材料对双氯芬酸钠的吸附性能. 实验结果表明, 当反应温度为90 ℃、反应时间为6 h、尿素浓度为0.1 mol/L、乙醇的体积分数为20%时, 所得α-FeOOH纳米材料具有规整的三维花状结构, 对双氯芬酸钠的吸附量达199.2 mg/g. 基于扫描电子显微镜(SEM)和X射线衍射(XRD)分析, 推断三维花状结构α-FeOOH的生长机制包括定向聚集和外延生长2个过程, 反应初期生成的高活性晶核快速形成不规则橄榄状颗粒并定向聚集成短簇状结构, 再沿z轴方向外延生长, 形成长簇的三维花状结构
非对称氮杂环丙烷的亲核开环反应及其区域选择性*
马琳,家喜
化学进展 , 2004,
Abstract: 本文系统地总结了各类亲核试剂对非对称氮杂环丙烷(吖丙啶)的亲核开环反应及开环的区域选择性.氮杂环丙烷亲核开环的区域选择性是一种空间效应和电子效应平衡的结果,非芳基和非烯基取代的氮杂环丙烷的亲核开环通常发生在氮杂环丙烷取代少的碳原子上,空间效应起主导作用;而芳基和烯基取代的氮杂环丙烷的亲核开环通常发生在氮杂环丙烷芳甲位和烯丙位的碳原子上,电子效应起主导作用,烯基取代的氮杂环丙烷的亲核开环还可以发生在烯基的β-碳原子上;分子内的亲核开环反应主要受成环时环大小的控制,成环时的倾向是五元环>六元环>七元环.对于亲核试剂,一般的亲核试剂也同时受电子效应和空间效应的影响;而亲核性强的亲核试剂通常只受空间效应的影响.容易生成稳定自由基的亲核试剂容易发生单电子转移机理的开环反应,生成相当于亲核试剂进攻氮杂环丙烷中取代多的碳原子得到的开环产物.
应用SIP协议的楼宇对讲系统设计与实现
庆泳,
华侨大学学报(自然科学版) , 2014, DOI: 10.11830/ISSN.1000-5013.2014.04.0383
Abstract: 通过对SIP协议功能及特性的研究,将SIP协议应用到传统的小区楼宇对讲系统.提出一种新型的基于SIP协议的小区楼宇对讲系统解决方案,克服了传统方案的许多不足,解决了楼宇对讲网络与因特网、通信网的无缝融合,可实现家居门禁移动对讲,提升楼宇智能化水平.设计一个嵌入式终端SIP协议栈,完成基于该协议栈的楼宇对讲系统终端的实现,并搭建一个小型的楼宇对讲系统,验证了方案的可行性.测试结果分析表明:该方案具备了较好的可行性和稳定性.
基于深度强化学习的软件定义卫星姿态控制算法
Software defined satellite attitude control algorithm based on deep reinforcement learning

,吴凤,赵军锁
- , 2018, DOI: 10.13700/j.bh.1001-5965.2018.0357
Abstract: 摘要 深度强化学习(DRL)作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。
Abstract:Deep reinforcement learning (DRL) technique is a new kind of machine learning based control algorithm, which shows its outstanding performance in the area of robotics and unmanned aerial vehicle. Meanwhile, in the area of satellite attitude control, traditional PID control algorithm is still widely used. As satellites become smaller and more intelligent and software defined satellite emerges, traditional control methods are even harder to meet the needs of adaptability, autonomy and robustness. To deal with these problems, a deep reinforcement learning based attitude control algorithm is proposed. It is a kind of model-based algorithm, which has much faster convergence speed than model-free algorithm. Compared with traditional method, this algorithm does not need prior knowledge of satellite's physical or orbit parameters and has better adaptability and autonomy, which make it possible for software defined satellite to adapt to different hardware environments and to be developed and deployed much faster. Furthermore, through introducing target network and parallelized heuristic search algorithm, the proposed algorithm has higher network accuracy and faster computation speed. The simulation experiment verifies these improvements.
Page 1 /69751
Display every page Item


Home
Copyright © 2008-2017 Open Access Library. All rights reserved.