一、理解原电池与电解池的异同点;理解电导、电导 率、摩尔电导率的定义及其应用。 二、 掌握电解质的活度、离子平均活度和离子平均活 度系数的定义及计算。 三、掌握离子迁移数、离子电迁移率的定义;了解迁 移数的测定方法。掌握离子独立运动定律和德拜 一休克尔极限定律。 四、重点掌握电池反应和电极反应的能斯特方程,会 利用能斯特方程计算电池电动势和电极电势 理解浓差电池的原理,了解液接电势的计算。 五、了解分解电压和极化的概念以及极化的结果 §7.1 电解质溶液的导电机理及法拉第定律 §7.2 离子的迁移数 §7.3 电导、电导率和摩尔电导率 §7.4 电解质的平均离子活度因子及德拜－休克尔极限公式 §7.5 可逆电池及其电动势的测定 §7.6 原电池热力学 §7.7 电极电势和液体接界电势 §7.8 电极的种类 §7.9 原电池设计举例 §7.10 分解电压 §7.11 极化作用 §7.12 电解时的电极反应生成

植物的绿色组织进行光合作用合成的有机物主要是碳水化合物。这些光合产物一小部分留在叶子内,供叶子本身的 生长及呼吸消耗,绝大部分运往植物体的其他非绿色部分。或作为 呼吸作用的原料,或通过转化用于构成植物体的结构物质(细胞壁 中的果胶物质及纤维素,原生质中的氨基酸及蛋白质),或运往贮 藏组织、器官,转化为贮藏物质(淀粉、蛋白质和脂肪)。种子、 块根、块茎萌发时,贮藏有机物发生分解,分解产物运往幼苗,供 其生长利用

本工作用化学平衡法研究了本熔盐体系中铁离子的存在价态。证明:在Pc12→O时,FeCl3几乎全部分解。在Pc12=1atm时,Fe(Ⅲ)/Fe(Ⅱ)=1.36(700℃)。温度升高,Fe(Ⅲ)/Fe(Ⅱ)减小。用循环伏安法研究了铁离子在本熔盐体系中的电极反应的动力学特点。实验证明,阴极反应Fe(Ⅱ)+2e→Fe(O)受离子扩散控制,其表观活化能为12.9±2.4KJ/mol,Fe(Ⅱ)的扩散系数为(4.31±0.79)×10-5cm2/s。阳极反应Fe(Ⅱ)-e→Fe(Ⅲ)也受离子扩散控制,且其产物Fe(Ⅲ)随即迅速分解。因此,铁离子的交价对电解除铁的电效影响不大。电解除铁的实验室实验证实了上述结果,并找出:镁与铁共同析出是降低除铁电效的主要原因;电解除铁的较好条件为:700℃,阴极电流密度为0.2A/cm2,阴极区氯分压应尽可能低。在这些条件下,电效可达70%

通过金相显微镜、扫描电镜、电子探针显微分析、透射电镜及热力学计算软件研究C和N含量对铸态及时效态18Mn18Cr高氮钢析出相特征及形成机制的影响.研究发现在铸态，随C/N质量比降低，析出相依次为Cr23C6相、σ相和Cr2N相.增加C或N含量可分别促进Cr23C6相和Cr2N相析出.C和N含量影响实验钢凝固模式及不稳定铁素体相共析分解产物.18Mn18Cr0.44N钢凝固模式为AF模式，不稳定铁素体相共析分解反应为δ→σ+γ2（0.025% C）和δ→γ2+Cr23（CxNy）6（x/y>1）（0.16% C）；18Mn18Cr0.72N钢凝固模式为A模式，晶界处存在少量颗粒状Cr2N相.在固溶时效态，实验钢仅析出片层状的Cr2N0.39C0.61相.随C+N含量增加，片层状析出相体积分数和片层间隙增加，析出孕育时间减少

新陈代谢(metabolism) 是指发生在活细胞中的各种分解代谢( catabolism)和合成代谢(anabolism)的总 和 即:新陈代谢=分解代谢+合成代谢

一、糖在动物体内的一般概况 二、糖的分解供能 三、磷酸戊糖途径 四、葡萄糖异生途径 五、糖原的分解与合成 六、糖代谢各途径之间的关系

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患，以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题，本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法，并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理，降低了每次无迹变换时的计算开销；然后在迭代过程中，用状态误差协方差矩阵的平方根代替状态误差协方差矩阵，该平方根是由QR分解与 Cholesky因子的一阶更新得到，解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题，保证了电池荷电状态(State of charge，SOC)在线滚动估计的数值稳定性；最后采用联合估计策略，对电池等效模型参数进行实时辨识，保证了电池等效模型的准确性与有效性，从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的

教学目的本节介绍有界变差函数的性质证明有界变差函数的 Jordan分解定理。 教学要点有界变差函数的概念,变差函数的性质, Jordan分解定理

教学目的： 1. 了解固体试样、液体试样、气体试样及生物试样的采集方法； 2. 掌握试样的制备方法； 3. 掌握常用的试样分解方法：溶解法、熔融法，了解试样分解的其它方法； 4. 了解并理解分析测定前的预处理