异质结构Ni_(2)P/CoP/FeP_(4)纳米线网络催化剂的原位表面重构实现大电流密度下全水分解

利用可再生能源发电,并通过低温电解水技术生产氢气,被认为是一种环保且可持续的制氢途径,是未来氢能发展的重要方向之一.采用该方法生产的氢气因其环保特性而被称为“绿氢”.然而,目前绿氢高昂的生产成本限制了电解水制氢技术的大规模应用.因此,开发先进的非贵金属催化剂和电催化体系以降低电解水制氢成本具有重要意义.界面工程是一种提升非贵金属催化剂电解水性能的有效策略,但目前对其催化活性位点的识别及活性提升机制的研究仍然不足.本文采用简单的水热及低温磷化法制备了具有丰富异质界面的Ni_(2)P/CoP/FeP_(4)/IF催化剂,并研究了其在电解水过程中的催化活性位点及这些位点在提升催化能力方面的协同作用.采用扫描电镜(SEM)证明了Ni_(2)P/CoP/FeP_(4)/IF催化剂呈现纳米线网络结构,这种结构不仅有利于增加催化剂的电化学活性位点和加速反应动力学,而且促进了连续产生的气泡从活性位点逃逸,从而提高了催化剂的机械稳定性.电化学研究结果表明,所制备Ni_(2)P/CoP/FeP_(4)/IF催化剂在1.0 mol L^(‒1)KOH溶液中表现出较好的析氧反应(OER)和析氢反应(HER)活性,分别仅需218和127 mV的过电位,即可达到100 mA cm^(‒2)的电流密度.将Ni_(2)P/CoP/FeP_(4)/IF分别作为阴极和阳极构建双电极电解槽,该装置产生100和500 mA cm^(‒2)的电流密度分别仅需1.68和2.05 V的电压,这一性能优于大多数已报道的自支撑过渡金属磷化物催化剂.多步计时电位测试结果进一步证实了Ni_(2)P/CoP/FeP_(4)/IF作为阳极和阴极材料在水分解过程中具有较好的长期耐久性.X射线光电子能谱和差分电荷分析表明,电子从富电子的FeP_(4)向缺电子的Ni_(2)P和CoP转移,这促使Ni_(2)P和CoP上的电子积累和FeP_(4)上的空穴积累,有利于优化反应中间体的吸附和脱附自由能,提升OER和HER催化性能.结合X射线衍射、扫描电镜、透射电镜、X射线光电子能谱和原位拉曼光谱结果发现,催化剂重构后形成的特定(氧)氢氧化物结构,是OER反应真正的关键活性位点.原位拉曼光谱进一步证实了异质界面促进了OER过程中Ni_(2)P/CoP/FeP_(4)/IF的快速重构.此外,利用密度泛函理论分析了催化剂的HER反应机理.计算结果表明,H2O优先吸附在Fe位点并发生水解,随后产生的H*吸附在Ni位点上并发生解吸,从而促进了催化剂中Fe和Ni活性位点的高效利用.同时,CoP的引入提高了Ni_(2)P/CoP/FeP_(4)/IF催化剂的水吸附和解离能力,进一步提升了其HER活性.综上所述,本文通过简单的水热及低温磷化法制备了具有丰富异质界面的Ni_(2)P/CoP/FeP_(4)/IF过渡金属磷化物纳米线网络催化剂,并将其用于碱性水分解.通过多种表征技术及理论计算结果分析,识别了电解水过程中的关键催化活性位点,即催化剂重构后形成的特定(氧)氢氧化物结构,并揭示了其在OER和HER反应中的催化机制.本研究可为高性能碱性电解水催化剂的理性设计和开发提供参考.

地震子波分解与重构技术在薄储层预测中的应用

T813K-TK715井区是塔河油田的重点含油气井区,多口井在石炭系油气显示活跃,但砂体展布不明。在地震资料上,T813K-TK715井区储层响应特征不明确,且石炭系卡拉沙依组不整合面强反射屏蔽下伏储层反射信息,使得剥蚀线附近地层圈闭难以刻画。文中结合工区地质特征,建立二维地震和楔状地层模型,应用正演模拟技术得到正演模拟结果,利用子波分解与重构技术对正演模拟结果进行处理。结果表明:子波分解与重构技术有效压制了石炭系卡拉沙依组不整合面强反射,削弱了其对下伏砂体反射的屏蔽作用,增强了地层底部反射的连续性,并且提高了地震剖面识别尖灭点的精度,为塔河油田T813K-TK715井区识别强反射屏蔽背景下的薄砂体及地层尖灭点提供了新思路及技术支撑。

基于EEMD与曲面重构的自由曲面加工误差分解与补偿

为了减小自由曲面零件的加工误差和提高加工精度,提出了集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)与曲面重构结合对加工误差进行分解和补偿的方法。利用EEMD对在机检测得到的第一次切削加工后的加工误差进行分解,得到若干固有模态函数(Intrinsic Mode Functions, IMFs);根据系统误差特征,通过设置相关系数阈值筛选出加工误差中含有系统误差的IMFs分量(即分解出的系统误差);根据该系统误差,利用曲面重构法得到新的加工曲面,并生成新的NC代码,再次进行切削加工,对系统误差进行补偿。通过EEMD加工误差分解仿真分析可以得出,EEMD具有较为理想的加工误差分解能力。自由曲面零件加工实例结果显示,采用本文提出的方法对加工误差进行补偿后的最大绝对加工误差由0.0632mm降为0.0139mm,平均绝对加工误差由0.0491mm降为0.0052mm,加工精度提高了89.4%,证明了该方法在自由曲面零件加工误差补偿方面的有效性。

小波包分解重构的励磁变压器整流谐波附加损耗计算

谐波损耗是造成励磁变压器安全事故的主要原因之一,损耗值过大易影响正常变电和输电,为此提出基于小波包分解重构的励磁变压器整流谐波附加损耗计算方法。通过获取小波包分解和重构系数,分析励磁变压器两种谐波附加损耗;利用开路和短路实验得到励磁变压器等效电路参数,采用小波包分解重构算法,计算不同谐波次数下的电阻和电抗并与基准值对比,得到励磁变压器整流谐波附加损耗值。最后,选取某种型号的励磁变压器,利用所提方法计算其在不同谐波次数下的附加损耗值,结果表明,得到的损耗值计算结果与实际结果非常接近,验证了所提方法具有较高的实用价值。

紧支撑帕塞瓦尔小波框架的分解与重构

本文构造出性质良好的紧支撑帕塞瓦尔小波框架。利用小波框架及其相关尺度函数的数量关系式,在多分辨率分析思想下以小波框架为基础定义一般的空间序列,得到紧支撑帕塞瓦尔小波框架的分解与重构定理,进而得出信号分解与重构的框图,并对算法进行总结。实验结果表明,与Haar小波函数的分解重构算法相比,本文算法具有更好的性能。

可重构声信号分解滤波器组设计方法综述

数字助听系统中需要采用声信号分解滤波器组实现响度补偿功能.可重构滤波器组具有可控的子带分布,能够为不同类型的听力损伤患者提供高质量的响度补偿,因此其研究设计受到广泛关注.可重构滤波器组的设计方法多样,在整体结构和技术手段方面都各有特点.本文将对现有的可重构滤波器组设计方法从技术手段、整体结构、性能表现等方面进行综合分析与对比,并就未来发展方向进行展望.

基于优化变分模态分解的人体生命信号分离与重构方法研究

目的:为提高生命探测雷达对人体心跳、呼吸等生命信号提取、分离的准确性和实时性,提出一种基于优化变分模态分解(variational mode decomposition,VMD)的人体生命信号分离与重构方法。方法:首先,采用粒子群优化算法对VMD的参数进行优化,并将人体生命信号分解为一系列的本征模态函数(intrinsic mode function,IMF);其次,计算每个IMF的排列熵,根据排列熵阈值去除噪声,将剩余分量重构形成人体生命信号;最后,为验证提出的方法的性能,与无限脉冲响应(infinite impulse response,IIR)滤波、VMD和完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive nosie,CEEMDAN)3种方法进行比较。结果:在不同噪声水平下,提出的方法在信噪比和均方根误差2项评价指标上均优于IIR滤波方法、VMD方法和CEEMDAN方法,在计算耗时上优于CEEMDAN方法。结论:提出的方法在有效滤除噪声的同时实现了对心跳、呼吸等生命信号的快速分离与重构,在烧烫伤患者、传染病患者、新生儿等特殊人群的非接触生命体征检测及灾后掩埋伤员搜救等领域具有很好的应用前景。

分解与重构:舞蹈艺术的现代性探论

随着对现代性的研究渐渐成为人们普遍关注的课题,现代性在舞蹈艺术领域的表现与发展也吸引了不少舞蹈学者的目光。现代性本身具有多种定义,但从本质上来讲,舞蹈艺术的现代性是其内部发展规律使然。从20世纪30年代开始,舞蹈艺术的现代性在不同阶段得到了不同程度的发展,但总的来说具有主体自觉性高、个性表达显著、时代元素突出、包容氛围浓厚、身体感性回归等特征。现代性为舞蹈艺术的发展带来了许多变化,究其本质,其实是传统舞蹈艺术的分解与现代舞蹈艺术的重构、单一舞蹈艺术的分解与多元舞蹈艺术的重构。分解与重构的程度决定着中国舞蹈艺术的走向,只有在两者中取得平衡,才能打造具有中国特色的现代性舞蹈艺术。

基于重构残差保持的深度矩阵分解的多视图聚类

多视图聚类是机器学习中的一个基本问题,近年来,基于矩阵分解用于学习多视图数据获得广泛的关注,并且取得了不错的效果。然而,我们发现现有的多视图聚类方法大多主要关注多视图数据所蕴含的重要属性,即一致性和互补性,而忽略了属于单个视图的特定统计属性。为此,本文提出一个矩阵深度矩阵分解的局部残差保持的多视图聚类算法(LRPDMF),我们通过图嵌入的方式,捕捉到每个视图的特定统计属性,保证每一层的数据重构,相似的数据点具有相似的重建残差。在融合阶段的,我们利用这些学习到的特征,由于不同的视图可能会有不同的权重,我们利用自适应的方式将他们逼近到一个相似低维空间。在不同的数据集上,我们的LRPDMF与现在最先进的方法比较,获得不错的实验效果。

基于部分重构辛几何模态分解的光伏直流电能质量去噪

光伏直流系统中纹波、突变和噪声等扰动影响电能质量评估准确度,为克服传统辛几何模态分解(SGMD)存在计算效率随着数据量增加迅速降低以及重构时无效辛几何初始单分量影响分解准确性的问题,提出了基于部分重构辛几何模态分解(PRSGMD)的光伏直流电能信号去噪方法。PRSGMD利用复合多尺度模糊熵(CMFE)能够克服光伏直流电信号初始单分量相似性度量突变的不足,构建了正则化复合多尺度模糊熵(RCMFE)算子,评估各初始单分量重构后的复杂度并约束残余量能量最小,结合部分重构阈值指标筛选出部分显著初始单分量进行重构,从而有效提升分解效率并避免微弱无效初始单分量影响分解准确度。仿真和实验分析结果表明,PRSGMD能有效滤除噪声并分离光伏直流电信号中的复合扰动。

子波分解与重构技术在古龙凹陷Y54井区扶余油层储层预测中的应用

大庆油田古龙凹陷Y54井区西部青一段厚砂岩区的地震反射超强,屏蔽了下伏泉四段扶余油层砂岩的反射能量,造成地震反射特征与实际钻遇砂岩应有的地震信息严重不符。为了恢复真实的地震反射振幅,采用地震子波分解与重构技术,消除上覆青一段厚砂岩强反射屏蔽作用,提高扶余油层砂岩储层的识别精度。结果表明:目的层地震反射相对振幅在纵向和横向上的能量分布更加均衡,分辨率得到明显提高,主频由20 Hz提高到26 Hz;基于新的地震处理数据,地震振幅属性预测的砂岩厚度与区内16口钻井实际钻遇砂岩厚度的相关性由原来的43.7%提高到81.25%,同时地震反演预测结果也得到了盲井验证。研究成果可为类似的地震反射异常地区的储层预测提供有效的解决方案。

基于几何序列分解与稀疏重构的DOA估计

为了解决均匀圆阵在欠定情况下对相干信号测向的问题,提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组,并估计出每个相干组的实际方向向量,稀疏重构则对每个相干组进行DOA估计。仿真结果表明,当均匀圆阵的阵元数为M时,相比于现有算法,所提算法所能估计的最大信源数为M(M–1),并且当信源数较多时,其测向成功率和精度都更优,此外,所提算法能够解决“角度兼并”问题,并且在极少快拍数测向任务中具有一定的优势。

基于Mallat算法的小波分解重构的心电信号处理

为了实现对微弱低信噪比的心电信号的有效提取,采用了Mallat算法的小波分解重构法去除心电信号的噪声。首先确定小波分解重构的小波基;其次确定分解的层数;然后直接提取有用信号所在的频带(有用信号占优的频带)进行重构;最后,Matlab仿真MIT-BIT标准数据库中的心电信号表明小波分解重构法可以有效的去除心电信号中的多种干扰;同时比起传统滤波器法来说,小波分解与重构去噪法应用起来更方便。

基于LSTM-POD的汽车湍流尾迹的高时间分辨速度场重构

本文针对方背Ahmed汽车标模的湍流尾迹,建立基于长短时记忆法(long short-term memory,LSTM)和本征正交分解(proper orthogonal decomposition, POD)相结合的深度学习模型LSTM-POD。通过建立非时间分辨平面速度场POD模态系数和若干离散点的时间分辨速度信号的映射关系,实现了方背Ahmed汽车标模湍流尾迹流场的高时间分辨率重构,并对比了不同时间步长配置,即单时间步长(LSTM-Sin)和多时间步长(LSTM-Mul)对重构效果的影响。研究表明:LSTM-POD模型在时间序列重构中具有较强的学习和泛化能力。另外,LSTM-Mul考虑到了时间上的连续性和相关性,相较于LSTM-Sin,其重构出的低阶模态系数和速度场与POD的重构结果更吻合。本研究提出的深度学习模型可以缓解通过实验及高精度数值模拟获取高时间分辨率流场数据资源消耗大、计算效率低等问题。

融合BiLSTM和VMD的GNSS坐标时间序列重构

GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。

基于功率重构和时序特性约束的长预见期光伏集群功率预测

光伏装机容量的逐渐增大为大规模的光伏并网带来了巨大挑战,突破更长预见期的光伏功率预测有助于电力系统的安全稳定运行。现有研究及应用最长预见期为7 d,为将预见期延长至8~15 d,提出了一种基于功率重构和时序特性约束的长预见期光伏集群功率预测方法。首先,采用近似积分计算日电量和辐照能;其次,基于麻雀搜索算法优化变分模态分解以分解电量及辐照能序列,并采用多元线性回归模型对不同频率的分量进行预测叠加得到电量预测结果;然后,根据出力特性建立约束过程,将电量预测结果重构为光伏功率;最后,将所提方法应用于中国甘肃省某光伏集群,模型在不同季节典型月功率预测的均方根误差平均降低2.55%,验证了方法的有效性。

基于测点聚类的POD-BPNN风压重构方法

文章提出本征正交分解(POD)与聚类分析结合的结构表面风压测点分类与关键测点布置方法,基于少量测点的风压数据,通过POD与误差反向传播神经网络(BPNN)方法实现方柱结构表面风压时程的重构。机器学习数据集为多风向角均匀来流下单方柱测压风洞试验得到的测点风压时程。将44个测点的风压时程数据POD降维,并采用K-means++聚类分析得到方柱周向轮廓系数分布,并基于轮廓系数的多风向角平均值,得到12、16、20和24个关键测点的轴对称布置方案。以关键测点的风压时程数据为训练集,采用POD-BPNN方法重构方柱表面其余测点所在位置的风压时程,并将风压时程及其统计值同试验结果对比。从12~20测点方案,风压重构精度逐步提升;20测点和24测点方案的重构风压差异较小,二者都能较好地重构方柱表面风压分布,仅在0°风向角方柱脉动风压误差偏大。

基于经验模态分解谱峭度重构峰值定位的电机噪声溯源方法

针对无刷直流电机噪声溯源问题,提出了一种基于经验模态分解谱峭度重构峰值定位(EMD-KR-FP)的电机噪声溯源方法。首先经理论计算得到径向电磁力、转矩脉动和共振引起的电磁噪声的特征频率,定义特征频率集,并采用经验模态分解(EMD)方法对电机噪声时域信号进行分解;然后根据谱峭度理论筛选本征模态函数(IMF)分量进行信号重构,对重构信号进行傅里叶变换,使用峰值定位算法对频谱上贡献最大的几个峰值进行峰值频率提取并与特征频率集的频率进行对照,确定引起电机电磁噪声的原因。试验结果表明,该方法有效,与传统阶次分析法相比,工作量显著降低。

基于动态模式分解的精馏吸收状态变量非设计条件下的重构与预测

精馏和吸收作为典型的非线性过程,其操作过程中存在大量描述系统特征的状态变量。为了对这些状态变量进行重构和预测,实现精馏吸收过程的实时数字孪生,通过动态模式分解算法(DMD)获取非线性系统的近似线性化模型,用于快速获取精馏吸收过程中各级浓度、流量、温度和持料量等状态变量。在此基础上,应用Kalman滤波器对DMD生成的线性模型进行实时校正,使得在非设计和有限测量条件下,也可以有效地预测吸收或精馏的状态变量,而无须重新训练模型。

基于叶尖定时数据奇异值分解的振动事件识别

叶尖定时数据自动化测量及处理是旋转机械在线监测和智能运维的必要环节,快速、准确判断叶片振动类型,实现振动事件识别是数据自动化测量及处理的关键。提出了一种基于加窗叶尖定时数据奇异值分解的振动事件识别方法,仅需单只传感器准确识别叶片同步、异步振动事件。基于不同叶片叶尖定时数据时延特性,加窗构造了“类重构吸引子矩阵”,根据矩阵奇异值特征实现振动事件识别。开展了方法仿真及实验验证,仿真与实验结果一致性良好,压气机试验件测试数据表明,叶片发生振动事件时第1奇异值增大为7倍以上,其中发生异步振动事件时第2奇异值增大为14倍以上,提出方法能够准确识别叶片同步、异步振动事件。