电动汽车等应用领域对锂离子电池能量密度的需求日益增长，LiNi0.9Co0.1O2因其高比容量和价格适中等优势受到了广泛的关注，有潜力成为下一代锂离子电池正极材料。然而，锂镍混排、H2-H3相变引起的微裂纹和表面副反应等问题导致LiNi0.9Co0.1O2的充放电循环稳定性较差。通过掺杂W6+对LiNi0.9Co0.1O2的微结构进行了有效调控，并调节一次晶粒的表面能使其由无序堆积的不规则形状转变为径向有序排列的细长条状。该微结构特征可以抑制LiNi0.9Co0.1O2的应力累积和微裂纹的形成，同时为Li+提供了丰富的扩散通道，有效提高了LiNi0.9Co0.1O2正极材料的循环稳定性和倍率性能。当W6+掺杂量为1% (摩尔分数)时，LiNi0.9Co0.1O2改性样品在0.1 C倍率下的放电比容量高达231.2 mA·h/g，在0.5 C倍率下放电比容量为213.3 mA·h/g，循环150次后容量保持率达93%。该微结构调控策略为提高LiNi0.9Co0.1O2高镍正极材料的循环稳定性提供了一种思路。

高比容量正极材料的研发对进一步提升锂离子电池的能量密度具有重要的意义。Li3V2O5正极材料的实际比容量较高，可达240 mA·h/g以上，近年来引起了人们的广泛关注。然而，由于锂离子传输动力学不足以及不可逆相变共同导致Li3V2O5具有充放电循环稳定性较差的问题，限制了其作为锂离子电池正极材料的应用。在前期研究基础上制备了Co3+掺杂Li3V2O5纳米棒材料，一方面通过形成一维结构避免充放电循环过程中的应力累积，另一方面通过形成键能更强的Co-O键提高材料结构的稳定性。此外，Co3+掺杂还扩大了晶格间距并提高了V4+的比例，最终使Li3V2O5正极材料的锂离子扩散系数和充放电循环稳定性获得显著改善。1% (摩尔分数)Co3+掺杂Li3V2O5样品(1%Co-LVO)在50 mA/g电流密度下的首次放电比容量达256.43 mA·h/g，循环100圈后容量保持率达到77.3%，与未掺杂样品相比提升了28%。与文献相比，1%Co-LVO样品的容量衰减率具有显著的优势(0.23%/圈)，为高能量密度锂离子电池正极材料Li3V2O5的制备与性能调控提供了一定的参考。

低成本制备堇青石多孔陶瓷一直是专家学者们研究的热点, 本文以石棉尾渣、粉煤灰、高岭土为原料, 在不添加发泡剂的情况下, 采用直接烧结法成功制备了堇青石多孔陶瓷, 系统研究了堇青石多孔陶瓷的物相演化、显微结构及理化性能。结果表明: 烧结温度的升高和配方中高岭土含量的增加有助于样品中堇青石的合成, 高岭土的添加可以有效降低样品发泡的温度和提高样品的孔隙率; 当烧结温度为1 240 ℃, 焙烧后的石棉尾渣、焙烧后的粉煤灰和高岭土质量比为5∶5∶3时, 制备的堇青石多孔陶瓷的体积密度仅为0.6 g/cm3, 孔隙率高达76.94%; 当烧结温度为1 220 ℃, 焙烧后的石棉尾渣、焙烧后的粉煤灰和高岭土质量比为5∶5∶5时, 制备的堇青石多孔陶瓷吸水率达到最大值34.57%; 此外, 制备的堇青石多孔陶瓷还表现出良好的耐碱性能。

WO3电致变色器件具有变色响应时间短、光学对比度高等优点, 在汽车后视镜、智能窗等领域具有重要应用。近年来, 随着可穿戴电子设备的迅速发展, 柔性WO3薄膜的制备成为柔性电致变色器件领域的研究热点。但WO3结晶温度较高, 而受聚合物衬底可耐受温度的限制, 通常需要采用磁控溅射、电子束蒸镀等真空气相沉积技术制备晶态柔性WO3薄膜。此技术对设备要求高, 且所制备的薄膜结构较致密, 不利于电解液的渗透和电解质离子的快速脱嵌。采用液相回流化学法预合成了结晶态WO3·H2O微米片粉体, 首次采用乙醇胺等胺类分子使WO3·H2O强化解离为高度分散的纳米粒子胶体溶液, 经旋转涂覆液相成膜技术制备成柔性晶态WOx薄膜并应用于柔性电致变色器件。机理研究表明, 胺基官能团与WO3·H2O微米片的强界面相互作用产生的电荷斥力使其迅速解离。所制备的柔性WOx电致变色器件的着色和褪色时间分别为5.9 s和5.4 s, 着色效率最高可达146.7 cm2/C, 经200次弯折后仍具有较好的性能。

精细农业变量施肥取决于对农田的土壤养分分布的了解, 快速获取土壤信息是实施精细农业的基础。 速效钾是土壤肥力的重要参数, 是植物生长发育所必需的营养元素。 对土壤速效钾含量进行测量, 是了解土壤肥力的重要途径, 是实现精细农业的必要条件。 以山西典型褐土土壤为研究对象, 采集农田耕层褐土土壤样品共169份, 样品经风干处理, 手动捏碎较大的土粒并去除杂质后, 未经研磨过筛处理而直接用于土壤近红外高光谱的测量。 根据实验室速效钾含量测定结果, 将所有土壤样品分为两类: 其中速效钾含量低于100 mg·kg-1的样品共144个, 随机选取108个作为低含量建模集（Lc）, 剩余36个作为低含量验证集（Lp）; 速效钾含量高于100 mg·kg-1的样品共25个, 随机选取19个作为高含量建模集（Hc）, 剩余6个作为高含量验证集（Hp）。 其中Lc和Hc统称为所有含量建模集（Tc）, Lp和Hp统称为所有含量验证集（Tp）。 获取所有土壤样本950~1 650 nm范围内的近红外高光谱图像。 分别采用平均光谱曲线（R）、 平均光谱曲线的一阶导数（FD）、 平均光谱曲线与一阶导数共同建模（R&FD）、 平均光谱曲线与一阶导数的乘积（R*FD）、 平均光谱曲线与一阶导数的商（R/FD）等五种光谱数据预处理方法, 结合偏最小二乘法（PLS）, 分别对建模集Tc, Lc及Hc建模, 然后分别对验证集Tp, Lp及Hp进行验证。 结果表明: 土壤的平均光谱反射率随速效钾含量的增大呈现先增加后减小的趋势。 当速效钾含量低于100 mg·kg-1时, 所有波段的光谱反射率随速效钾含量的增加而增加; 当速效钾含量在100~200 mg·kg-1之间时, 所有波段的光谱反射率均达到最大值。 当速效钾含量超过200 mg·kg-1时, 950~1 400 nm的光谱反射率急剧减小, 但曲线的整体斜率显著增加; 且速效钾含量越高, 曲线整体斜率越大。 当速效钾含量高于100 mg·kg-1时, 平均光谱曲线的一阶导数显著增大, 且随速效钾含量的增加而增加。 该研究建立的PLS模型, 可以对整体（所有速效钾含量）和高含量（≥100 mg·kg-1）速效钾进行有效预测, 但无法对低含量（≤100 mg·kg-1）速效钾进行预测。 建模效果最好的光谱预处理方法为R*FD, 其次为FD, R, 而R&FD, R/FD预测效果相对较差。 最优建模方式为: R*FD结合Tc建模, 其PLS主因子个数为2个, RMSEc=29.293, RPDc=4.669, R2c=0.956; 对Tp的验证效果为RMSEp=29.438, RPDp=4.740, R2p=0.958; 对Hp的验证效果为RMSEp=23.033, RPDp=3.199, R2p=0.915。 该模型能够根据土壤速效钾的含量对土壤进行分类: 当预测值小于100 mg·kg-1时, 表明土壤速效钾含量低于100 mg·kg-1, 具体含量不确定; 当预测值大于100 mg·kg-1时, 预测值则能够很好反映土壤速效钾的真实含量。 由于选用的土壤样本未经研磨和过筛处理, 因而能够大大缩短样本制备时间, 提高预测效率。 该研究结果可为近红外高光谱成像应用于褐土土壤除速效钾含量以外其他营养成份的快速预测提供参考。

近红外光谱分析技术在土壤含水率预测方面具有独特的优势, 是一种便捷且有效的方法。 卷积神经网络作为高性能的深度学习模型, 能够从复杂光谱数据中自主提取有效特征结构进行学习, 与传统的浅层学习模型相比具有更强的模型表达能力。 将卷积神经网络用于近红外光谱预测土壤含水率, 并提出了有效的卷积神经网络光谱回归建模方法, 简化了光谱数据的预处理要求, 且具有更高的光谱预测精度。 首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理, 通过主成分分析减少光谱数据量, 并将处理后的光谱数据变换为二维光谱信息矩阵, 以适应卷积神经网络特殊的学习结构。 然后基于卷积神经网络算法, 设置双层卷积和池化结构逐层提取光谱数据的内部特征信息, 并采用局部连接和权值共享减少网络参数、 提高泛化性能。 通过试验优化网络结构和各项参数, 最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型, 并与传统的BP, PLSR和LSSVM模型进行对比实验。 结果表明在训练样本达到一定数量时, 卷积神经网络的预测精度和回归拟合度均高于三种传统模型。 在少量训练样本参与建模的情况下, 模型预测表现高于BP神经网络, 但略低于PLSR和LSSVM模型。 随着参与训练样本量的增加, 卷积神经网络的预测精度和回归拟合度也随之稳定提升, 达到并显著优于传统模型水平。 因此, 卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测, 且在较多样本参与建模时取得更好效果。

为了实现高灵敏度、快速、准确鉴定痕量病原菌核酸样品，介绍了一种痕量核酸样品高灵敏度快速测量方法，并发展了一种微流控芯片核酸等温扩增实时分子诊断技术，研制了新型微纳体系生化反应载体芯片。通过表面惰性处理降低芯片表面对生物分子的吸附影响，构建一种大数值孔径、长工作距离的便携式共焦光学检测系统，有效消除背景荧光的影响，提高了检测灵敏度。在微纳升（7 μL~40 nL）试剂消耗反应体系水平，实现检测灵敏度5个DNA分子拷贝数，并以呼吸道感染疾病的大肠埃希氏菌检测为例，开展临床应用研究，满足低成本临床医疗应用需要。

As the wavelength division multiplexing (WDM) technology matures and the demands for bandwidth increase, survivability becomes more and more important in generalized multi-protocol label switching (GMPLS) controlled intelligent optical networks (IONs). There are great interests to study the performance of restorability under one certain connection management strategy. And studies in the problem of providing recovery from link failures under two different resource reservation schemes, forward reservation protocols (FRPs) and backward reservation protocols (BRPs), are presented. They are examined from the point of view of connection blocking probability, restorability and average recovery time. The two different connection management schemes and the survey of different recovery schemes are first presented. The performance of these recovery strategies is analyzed and compared both through theoretical analysis and simulation results. The main stressed idea is that using BRPs gives the best performance in terms of restorability and blocking probability in restorable GMPLS networks.