1.1.以堆积模型计算由同种原子构成的同体积的体心和面心立方晶体中的原子数之比. [解答] 设原子的半径为R体心立方晶胞的空间对角线为4R晶胞的边长为4R/√3,品胞的 体积为(4R/√3),一个品胞包含两个原子,一个原子占的体积为R/√3)2,单位体积 晶体中的原子数为2/R/√5):面心立方晶胞的边长为4R/√,晶胞的体积为 R/√2),一个晶胞包含四个原子,一个原子占的体积为4R/八2/4,单位体积晶体 中的原子数为4R√5).因此,同体积的体心和面心立方品体中的原子数之比为 /2 0.272

通过采用一步纳米金属颗粒辅助化学刻蚀法(MACE)成功制备了多孔硅纳米线, 并主要研究了硅片掺杂浓度、氧化剂AgNO3浓度以及HF浓度对硅纳米线阵列形貌结构的影响规律. 研究结果表明: 较高的掺杂浓度更有利于刻蚀反应的发生和硅纳米线阵列的形成, 这是由于高掺杂浓度在硅片表面引入了更多的杂质和缺陷, 同时高掺杂浓度的硅片与溶液界面形成的肖特基势垒更低, 更容易氧化溶解形成硅纳米线阵列; 在一步金属辅助化学刻蚀法制备多孔硅纳米线阵列的过程中, 溶液中AgNO3浓度对于其刻蚀形貌和结构起到主要作用, AgNO3浓度过低或过高时, 硅片表面会形成腐蚀凹坑或坍塌的纳米线簇, AgNO3浓度为0.02 mol·L-1时, 硅纳米线会生长变长, 最终形成多孔硅纳米线阵列. 随着硅纳米线的增长, 纳米线之间的毛细应力会使得一些纳米线顶部出现团聚现象; 且当HF溶液浓度超过4.6 mol·L-1时, 随着HF酸浓度的增加, 硅纳米线的长度随之增加. 同时, 硅纳米线的顶部有多孔结构生成, 且硅纳米线的孔隙率随HF浓度的增加而增多, 这是由于纳米线顶部大量的Ag+随机形核, 导致硅纳米线侧向腐蚀的结果. 最后, 根据实验现象提出相应模型对多孔硅纳米线的形成过程进行了解释, 归因于银离子的沉积和硅基底的氧化溶解

Bouc–Wen模型在非识别激励工况下模拟的阻尼力与实际阻尼力误差较大，对非识别激励振幅过于敏感，针对这一问题，提出了一种描述减振器滞回特性的改进模型。首先用Mechanical testing and simulation(MTS)疲劳试验机对磁流变减振器进行力学性能试验，获得在多种激励幅值、频率和电流作用下的阻尼力。采用阻尼力对位移的斜率与阻尼力关系来模拟滞回环特性曲线。根据滞回曲线特点利用二次多项式函数来表征滞回环斜率与阻尼力的关系，同时，引入关于速度的指数函数修正项，进而对改进后的Bouc–Wen模型进行参数识别，并对其进行仿真及验证。与试验得到的阻尼力进行对比，发现在非识别激励工况下，曲线吻合效果较好。对改进前后Bouc–Wen模型模拟的阻尼力特性曲线进行对比，结果表明：改进后模型得到的阻尼力仿真值能够较好地模拟试验得到的各种工况下阻尼力的值，且优于Bouc–Wen模型，同时Bouc–Wen模型在非识别激励工况下模拟阻尼力精度较差这一问题得到了改善。新模型为保证车辆悬架系统在多变工况下仿真响应的准确性打下了基础

龙川一中2012年粤教版高一12月月考语文试题_广东省龙川一中2012-2013学年高一12月月考语文试题

为了摸清棒材斜辊矫直过程中各曲率的变化规律，应用小曲率平面弯曲弹复理论以及棒材弯曲弹复的曲率方程式，实现棒材一次反弯弹复的计算模型，基于棒材每旋转半周反弯一次的规律以及上一次弹复后的残余曲率认为是下一次弯曲的原始曲率，建立棒材全流程二辊矫直过程弯曲弹复模型，获得整个矫直过程中原始曲率、弯曲曲率、弹复曲率以及残余曲率的演变过程，得到棒材最终的残余曲率.应用该理论模型对现场生产过程进行了计算，与现场结果一致，验证了理论模型的正确性.应用所建立的理论模型对不同直径、不同材料屈服强度、不同原始挠度的棒材矫直过程分别进行分析，获得了不同来料参数情况下矫直过程的变形规律.该模型可以为二辊矫直机辊型优化设计与工艺参数计算提供理论依据

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

雷州一中、徐闻中学2012年高一第二学期第二次联考语文试卷_广东省雷州一中、徐闻中学2011-2012学年高一下学期第二次联考语文试题

模块一数控机床概述 数控机床认识项目→ 项目一数控机床的产生→ 项目二数控机床特点→ 项目三数控机床的分类→ 数控机床拓展项目→ 项目一数控加工地位→ 项目二数控机床发展方向→

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

陕西省西安铁一中、铁一中国际合作学校2014届高三一模语文试卷及答案_陕西省西安铁一中