【摘 要】
：
在高温干燥的氧气环境中,SiC材料将氧化生成SiO2氧化膜,影响材料性能.SiO2在SiC上的生长由氧气通过氧化物的扩散控制.由于温度条件限制,传统实验方法很难测定氧气在高温氧化物中的扩散.本文采用分子动力学研究不同温度下氧在熔融SiO2中的扩散行为.基于Morse、L?J等势函数及其参数,模拟了高温下的无定形SiO2结构,计算获得了氧在950、1100、1200、1300及1400℃温度下的均方位移曲线及扩散系数,分析了温度对气体扩散的影响作用,拟合了温度相关的Arrhenius公式.研究结果可为SiC
【机 构】
：
南京航空航天大学能源与动力学院,航空发动机热环境与热结构工业和信息化部重点实验室,南京 210016;南京航空航天大学能源与动力学院,江苏省航空动力系统重点实验室,南京 210016;中国海诚工程科技
论文部分内容阅读
在高温干燥的氧气环境中,SiC材料将氧化生成SiO2氧化膜,影响材料性能.SiO2在SiC上的生长由氧气通过氧化物的扩散控制.由于温度条件限制,传统实验方法很难测定氧气在高温氧化物中的扩散.本文采用分子动力学研究不同温度下氧在熔融SiO2中的扩散行为.基于Morse、L?J等势函数及其参数,模拟了高温下的无定形SiO2结构,计算获得了氧在950、1100、1200、1300及1400℃温度下的均方位移曲线及扩散系数,分析了温度对气体扩散的影响作用,拟合了温度相关的Arrhenius公式.研究结果可为SiC基及其复合材料的氧化行为研究提供参考.
其他文献
根据夏阔坦矿业榆树田煤矿工作面顶板坚硬细砾砂岩和石英砂岩,采空区易悬顶,顶板来压垮落时,容易引起采空区瓦斯燃爆、回风隅角、回风流瓦斯超限,通过工作面采取偏“Y”型通风方式、连续注氮、顺层钻孔预抽、两道实施顶板预裂爆破、高位定向钻孔以及隅角埋管抽采等治理措施,在实践中有效杜绝了采空区瓦斯燃爆和瓦斯超限现象,保证安全生产.
突出矿井突出煤层的石门揭煤是非常重要的环节.在水力化措施成为治理瓦斯的一个常规有效技术的情况下,提出采用强弱强结构技术进行矿井石门揭煤.白龙山煤矿一井C7+8煤层为突出煤层,为保障石门揭煤安全、缩短揭煤周期,对强弱强结构技术开展试验研究.结果表明:水力割缝技术可以在石门外围形成足够的弱结构区域,可以较好地增加预抽阶段煤体的透气性,提高抽采效率.揭煤期间工作面钻屑瓦斯解吸指标K1值最大为0.30 mL/(g·min1/2),钻屑量最大值2.2 kg/m,炮后瓦斯浓度0.04％～0.22％;采取水力割缝措施后
以盐城市某基坑为例,采用理正深基坑支护结构设计软件对支护方案及施工工况进行模拟计算和稳定性分析,并将计算值与现场监测数据对比分析.结果表明:各项内力计算及稳定性验算结果均在允许值范围内,设计计算是偏于安全的,并且能够满足工程需要的精度要求.为软土地区预应力混凝土管桩采用上下组合桩作为支护结构作参考.
针对现实场景中大量无监督数据无法有效利用的特点,提出了一种基于数据相似度匹配的半监督学习算法.该方法结合一定的先验知识,通过无监督学习的方式,计算未标记数据与少量有标记数据之间相似度,从而对少数类样本进行扩充.利用构造后的数据集进行模型训练,从而提高模型对于少数类的识别效果.该方法能有效改进分类任务中数据分布不平衡及标记困难的问题,在一组基于真实场景下的电力传感器检测数据分类任务中取得了较好的少数类识别效果.通过对比传统以及半监督的多种分类算法,该方法虽然在准确率上低于传统方法,但是在召回率与F1值的表现
基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-encoder with an asymmetric structure,ASCAE)的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然
针对传统的入侵检测方法在未知攻击上表现不佳、且没有考虑信息不足的情况对于决策的影响的问题,本文提出了一种基于三支决策和数据增广的入侵检测算法CGAN?3WD.算法利用条件生成对抗网络来满足三支决策理论对数据信息的需求.首先基于三支决策理论对网络行为做出决策,将网络行为划分至正域、负域以及边界域中;之后基于条件生成对抗神经网络来完成数据增广,生成新的样本数据,从而为分类器提供更多的信息以支撑分类器将边界域转化为正域或者负域.NSL?KDD数据集被用于本文的实验中,实验证明,本文提出的算法CGAN?3WD在对
大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具.本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结.首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势.
传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习.演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑.本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura?Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上
元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途.本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验(相关任务)、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系.在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点.本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和
9月15日,内蒙古自治区广播电视局党组理论学习中心组召开扩大学习会议,专题学习习近平总书记在中央民族工作会议上的重要讲话,传达汪洋同志的总结讲话精神.局党组书记、局长王笑铁,局领导牧仁、邹韬、王玉君、陆文祥、何文,机关各处室及直属事业单位主要负责人参加学习.