摘要：The development of a high-performing pseudocapacitor requires a comprehensive understanding of electrode materials from the aspects of electron transfer and electrolyte ion adsorption and ***,these factors are considered over the prototype TiO_(2),and a high pseudocapacitance is achieved via the introduction of various defects,i.e.,oxygen defect(V_(O))and co-doped defect(V_(O)+N_(O)).The study is based on joint explorations of first-principle calculations and the transfer matrix *** to pristine TiO_(2)(300 F g^(-1)),defective TiO_(2) produces pseudocapacitance as high as 1700 F g^(-1).Moreover,defects induce small barriers for electron transmission caused by surface band *** climbing image nudged elastic band diffusion of H ions displays a much higher barrier in TiO_(2)-V_(O) than in TiO_(2)-V_(O)+N_(O).Such a result indicates easy H diffusion in the co-doped *** work provides insights into the adsorption and diffusion of electrolyte ions and the influence of defects on electron *** results are also significant for the design and optimization of electrode materials for the next generation of supercapacitors.

摘要：电催化NO还原反应(NORR)合成氨,作为一项新兴技术,旨在减少NO污染并生产高附加值产品.因此,寻找合适的NORR电催化剂至关重要.单原子合金催化剂(SAACs)因其独特的催化性能和明确的成键环境,是研究催化剂结构-活性关系的理想对象.本文依托密度泛函理论(DFT)计算和机器学习(ML)算法,深入研究了Pt掺杂的SAACs在NORR合成氨反应中的催化机制,并提出了SAACs的理性设计原则.通过ML算法,成功识别了与催化活性密切相关的原子和电子特征,并定量分析了这些特征之间的协同作用.DFT计算和ML算法的联合运用不仅加深了对复杂NORR机理的理解,还为理性设计具有特定活性中心的高效SAACs提供了一种切实可行的策略.本文研究了13种Pt掺杂的SAACs(Pt/TM,TM=Sc,Ti,V,Cr,Mn,Fe,Co,Ni,Cu,Zn,Ru,Rh和Pd)和14种纯过渡金属(包括Sc,Ti,V,Cr,Mn,Fe,Co,Ni,Cu,Zn,Ru,Rh,Pd和Pt)在NORR合成氨反应中的催化机制.首先,考察了Pt/TM的热力学稳定性和在电化学条件下的稳定性.结果表明,Pt/TMSAACs展现出了良好的热力学稳定性.在电化学条件下,当外加电压等于极限电势时,单质Zn在pH>6时稳定存在,而其他纯金属和Pt/TM SAACs则在整个pH范围内均能保持稳定.随后,探讨了这些催化剂对NO的吸附及活化能力.DFT计算发现,NO能够在所有催化剂表面稳定吸附,并且吸附后N-O键长与NO得电子数之间存在显著的线性相关性,这两者可共同作为NO活化的重要指标.接着,考察了NORR的反应机理,并筛选出7种具有较高过电势(UL>-0.25V)的催化剂,包括Cu,Zn,Rh,Pt以及Pt/Cu,Pt/Zn,Pt/RhSAACs.考虑到H2和N2副产物对氨选择性的影响,排除了Zn和Pt/Zn作为潜在的优秀催化剂.在此基础上,在排除贵金属(Rh,Pt和Pt/Rh)基底的SAACs后,筛选出Cu和Pt/Cu作为NORR合成氨反应的高效催化剂.最后,采用随机森林(RF)和基于压缩感知原理的数据驱动(SISSO)方法分析了SAACs的内在特性与NORR性能之间的关系.RF模型所预测的极限电势与DFT计算结果高度吻合,模型的决定系数(R^(2))高达0.97,均方根误差(RMSE)仅为0.12 V.此外,利用SISSO算法建立了SAACs的关键特征(如基底金属的第一电离能、NO得电子数和基底金属的d轨道电子数)与在最佳反应路径上的极限电势之间的紧密联系.这一研究不仅加深了对NORR合成氨机制的理解,还为高效催化剂的理性设计提供了有力的理论支持.综上所述,本文基于DFT计算和ML算法,系统研究了Pt/TMSAACs在电催化还原NO合成氨过程中的催化性能.通过筛选,Cu和Pt/Cu被确定为优秀的NORR合成氨催化剂.ML算法所预测的极限电势与DFT计算结果高度一致.本文的研究结果为NORR电催化合成氨单原子合金催化剂的理性设计和高效筛选提供了参考.

摘要：基于甘肃某抽水蓄能电站泄洪洞洞内消能设计,探讨在流量及底坡恒定的条件下,台阶尺寸与消能率的相关关系,探寻台阶尺寸的初拟原则,采用现行NB/T 10867-2021《溢洪道设计规范》中跌落流上限及滑行流下限的经验公式(坡角范围为2.86°~59.53°)进行台阶消能流态的初步判别,通过Chanson半经验公式理论计算和CFD数值模拟水工隧洞底板布置不同台阶尺寸对应的消能特性。结果表明:在流量及坡度不变的情况下,台阶尺寸(台阶步长及高度)对消能率的影响有限;台阶尺寸越大,水力要素受流动边界条件影响和扰动越明显;初拟台阶尺寸时,应分析水流掺气点位置及出现掺气均匀流位置随台阶尺寸变化向上游移动的速率,同时结合实际边界条件、便于施工及后期运维等方面综合考虑,台阶高差宜控制在0.20~0.60 m。

摘要：为了解决小目标检测在实际应用中的高漏检率、低准确率、低召回率等问题,提出一种基于感受野扩增特征融合的小目标检测算法.首先,对全卷积单阶段目标检测算法(fully convolutional one-stage object detection,FCOS)基础网络特征提取部分增加感受野扩增模块,改善基础网络ResNet-50特征信息提取较少、浅层特征层信息利用率偏低等问题;其次,在特征金字塔部分利用门控思想筛选信息融合,降低无效信息融合的干扰;最后,对7个特征层增加注意力机制模块,提升目标定位精度和分类精度.在COCO2017数据集上的实验结果表明,该算法比传统FCOS算法的检测精度提升2.4%.其中,小目标检测精度提升3.2%,具有更好的检测效果.

摘要：在混合式教学背景下,建立一个能够完整体现学生学习能力和发展潜力的过程式教学评价体系应是艺术类专业混合教学过程中值得探讨的问题。文章针对当前设计专业中教学考核与评价中存在的问题,分析其研究现状,将过程式考核和各个环节紧密结合,尝试借助多媒体等现代化教育手段,整合线上线下混合式课程等平台资源,最终构建“考核内容综合化、考核形式多样化、考核体系标准化、教学评价多元化”的设计专业课程考核新模式。

摘要：针对当前高校学生管理难度大、思想多元化、易出现异常行为等问题,在大数据技术支持下,文章设计了学生行为分析可视化系统,通过收集学生成绩、考勤、图书借阅等相关信息,进行数据分析与挖掘,以可视化工具予以呈现,并构建了预警管理平台。实践证实,该可视化系统能够精准分析学情,智能分析并预警学生违规违纪情况,为学生行为管理提供可靠的参考,具有较高的可行性与可靠性。

摘要：以运动内衣后背的款式设计为研究对象,选取36款不同后背款式的运动内衣作为调查对象,基于感性工学的基本原理,选取美观、功能、喜欢3个感性词设计问卷,对运动内衣的后背款式设计进行问卷调查。收集消费者对运动内衣不同后背款式设计的感性心理评价,并将评价得分进行量化,然后利用SPSS软件进行回归分析。结果表明,运动内衣后背款式设计的美观、功能与消费者的喜欢程度呈线性关系,在基础工字形和X形镂空的基础廓型中稍微进行线条轮廓变化,不夸张且保持原有功能性的设计最受消费者欢迎,该研究可为设计师提供设计参考。

摘要：以针织紧身女跑步裤为研究对象,基于女性下肢运动过程中肌肉群的特征分析,通过下肢体表测试试验,研究因人体运动引起的下肢皮肤伸缩变形。测量人体下肢在10种不同静态的动作姿态下皮肤的纵向和横向变化量,并分析下肢皮肤运动的变化趋势,进一步结合裤装结构设计原理,对针织女跑步裤的纸样结构进行优化设计,对跑步裤的设计具有一定的参考价值。

摘要：电影《瞬息全宇宙》无论在内容上还是形式上,都具有后现代主义的典型特征。在主题表达上,影片聚焦于一个华裔家庭的解构与重构,来反映移民家庭尖锐的代际冲突。在人物塑造上,刻画了独立自主的现代女性形象,深入探讨了华裔家庭中的母女关系,通过母女之间由对立走向和解的过程呼吁现代女性主体意识的觉醒。在电影叙事上,通过构建一个混沌的多元宇宙,对现实世界进行了变形、拼贴、戏仿,颠覆了元叙事。

摘要：在空对地视角下图像的场景信息往往更加丰富,并且对目标的定位和分类有很强的辅助作用.传统的单发多框检测(SSD)网络在6个不同深度的特征图上对目标边框和类别独立地进行预测,忽略了深层次特征的场景信息对浅层细节信息的辅助作用.为有效地利用场景信息,首先在SSD网络的基础上分析不同尺度的特征图对目标检测的影响;然后结合特征金字塔和长短期记忆网络针对不同特征图建立场景辅助结构,增强特征图的表征能力.在自制的空对地数据集上进行实验,并与检测领域几种经典的网络进行对比,结果表明,文中算法能够在保证速度的前提下高效地对目标进行检测,比其他经典的网络有更高的检测精度.