高炉渣作为钢铁行业的一类大宗固废, 其高附加值利用一直是相关行业的研究重点, 对钢铁行业的绿色发展具有重要意义。以高炉渣为研究对象, 综述了近5年来其作为光催化材料用于污水处理领域的研究进展。介绍了高炉渣的基本情况, 包括其形成组成、作光催化材料的可行性、国内外综合利用现状和综合利用中存在的问题; 简要阐明光催化技术的发展现状, 内容涉及其作用机理、性能改善方式和发展趋势; 说明高炉渣作光催化材料净化废水的研究进展, 并就现有文献对其光催化效率影响因素和提高方式进行了讨论; 最后对高炉渣基光催化材料的处理方式和应用方式进行了归纳总结, 并对其持续性的资源化利用进行了展望。

激光探测对于获取云和气溶胶的垂直廓线, 研究大气中云和气溶胶的垂直分布特征以及对全球气候变化的影响意义重大。 而星载大气激光雷达云气溶胶分类算法的研究, 对于激光雷达数据的参数反演及应用极为重要。 针对激光条件下探测的云和气溶胶特有的光学信息和空间分布, 结合概率统计与机器学习算法, 提出了一种对于云/气溶胶、 云相态及气溶胶子类型识别的分类算法, 实现了星载激光雷达的大气特征层快速、 有效分类。 算法采用中国地区2016年CALIOP的观测数据作为样本数据, 主要由三部分组成: (1) 基于激光探测的云和气溶胶层不同的光学特性以及地理空间分布特征, 分别构建了云和气溶胶的γ532, χ, δ, Z和lat的五维概率密度函数, 以此为基础构建云气溶胶的分类置信函数, 并基于此实现了云和气溶胶类型的反演; (2) 选取支持向量机(SVM)作为随机朝向冰晶粒子(ROI)和水云分类的算法模型基础, 结合云层的γ532, χ, δ Z和云顶温度T的概率密度函数构建ROI, 水平朝向冰晶粒子(HOI)和水云的分类置信函数以修正SVM误分的特征层以及筛选出水云中少部分的HOI冰云, 获得云相态的分类结果; (3) 以各气溶胶子类型的光学以及空间分布特性为基础, 采用决策树策略的气溶胶子类型识别算法实现了对气溶胶子类型的区分, 完成气溶胶子类型的识别。 利用现有CALIOP观测结果作为样本数据构建分类数据库, 避免了对于地面以及航测数据的依赖, 而机器学习则大大简化了算法的实现过程, 使得云气溶胶分类更加高效。 算法结果与正交极化云气溶胶激光雷达垂直特征层分布数据(CALIPSO VFM)产品对比分析: 云层有98.51%一致性, 气溶胶有88.43%的一致性, 且白天比夜间一致性高。 对于云相态分类, 可以有效区分出水云和冰云, 其中二者水云一致性高达93.44%。 在气溶胶子类型反演结果中, 可以准确识别出大多数气溶胶特征层子类型。 霾、 沙尘以及晴空三种典型情况下的反演结果均与CALIOP VFM产品数据具有较好的一致性。 其中, 霾天的大部分煤烟型以及污染型(污染沙尘以及污染大陆) 气溶胶反演结果与VFM具有较好的一致性。 沙尘天也能够获得较好的沙尘以及污染沙尘的结果。 晴空为数不多的气溶胶层也取得了较为一致的结果。 对于实现的星载大气激光雷达特征层分类算法, 针对CALIOP激光测量的云气溶胶层的分类进行了重要的改进, 在保证一定精度的基础上, 简化了算法, 提高了数据处理的效率, 在下一步工作中, 将分别构建不同时段和季节的分类模型以及提高两种不同偏振特性的冰云和气溶胶子类型的分类精度。

利用基于条纹投影技术进行三维测量时，其相位提取精度直接决定着测量精度，而在实际测量中，由于待测物体存在一定反射率，因此相机拍摄到的结构光条纹在一些区域常会曝光过度，导致条纹相位产生高光误差，影响测量结果。本文分析了条纹投影技术中镜面反射光对相位提取精度的影响，提出了一种基于高动态范围图像（High Dynamic Range Image, HDRI）技术的高光误差补偿方法，可在不增加系统复杂度的前提下补偿高光误差，并针对金属工件表面三维形貌进行了测量实验验证，结果表明，在未消除高光误差时，测量高度整体向上平移 15 mm，且在高光区域存在额外 0～20 mm不等的测量误差，在使用 HDRI技术后有效补偿了高光区域的相位误差，提高了金属工件三维测量的准确度。

为了研究柔性太阳能电池的性能, 通过太阳能电池减薄工艺制备出轻质柔性GaInP/Ga(In)As/Ge三结太阳能电池芯片。尺寸为40 mm×60 mm的电池芯片重量为0.7 g, 仅为常规175 μm厚度电池重量的30%。验证了柔性电池工艺的可行性, 制得的柔性电池转换效率达到了30.64%, 同常规厚度电池十分接近。对比测试了两种样品不同温度下的暗电流曲线, 拟合了两种电池样品的温度系数, 结果表明: 电池的温度系数与衬底类型无关, 只与电池PN结本身相关。