微信公众号
期刊简介
《湘潭大学学报（自然科学版）》创刊于1978年，是湖南省教育厅主管、湘潭大学主办的国内外公开发行的学术期刊。本刊主要刊登数学、物理、化学、化工、材料、电子、土木工程、环境工程、机械工程、计算机科学等理工科学科领域的科研学术论文和高水平教改论文。目前栏目有：韶峰专栏、“数学+”交叉学科研究、基础理论、工程技术、新理工教育等。
本刊曾多次荣获全国优秀科技期刊奖、中国高校优秀科技期刊奖、中国科技论文在线优秀期刊奖等奖项，是首届中国期刊方阵双百期刊，是中国科技核心期刊，被CA 化学文摘(美)、Pж(AJ) 文摘杂志(俄)、中国科技论文与引文（CSTPCD）、中国科技论文在线、知网、万方、维普等数据库收录。
本刊特点：已开通知网首发服务，重要文章开通绿色通道1周内实现网络首发；快速出版，接收即可分配DOI号知网在线首发；稿件整个出版过程中不收取任何费用。
采空区充填治理用混合充填胶凝材料稠度特征试验研究
杨子安;黄宸缘;周子林;龙云刚;李玉;王野;邓代强;该文采用Malvern Mastersizer 2000激光粒度仪，分别对充填胶和PO 42.5级水泥的粒径进行测试，考察充填胶颗粒和PO 42.5级水泥的粒径分布情况.采用扫描电镜(SEM),考察充填胶材料的表面微观形貌特征.采用ZSX Primus III+X射线荧光光谱仪(XRF),测量充填胶材料的化学成分和含量.采用充填胶和PO 42.5级水泥制备混合充填胶凝材料，考察不同掺量充填胶与PO 42.5级水泥配合比条件下混合充填胶凝材料的稠度特征.结果表明，充填胶材料的粒径分布主要集中在几微米到几十微米的范围内，颗粒均匀度较好，充填胶颗粒材料的比表面积较大，具有较高的表面活性和吸附能力；充填胶材料的主要氧化物成分为CaO、SiO2、Al_2O3、MgO和SO3;混合充填胶凝材料稠度随充填胶添加量的增大呈现出先增后减的趋势，综合考虑满足采空区所需充填体强度与经济成本要求，建议采用充填胶与PO 42.5级水泥配合比为5∶5的混合充填胶凝材料，对矿山大规模采空区进行充填治理，以消除因地表塌陷对矿区周边生态环境产生的不利影响，并达到降低治理成本的目的.
基于磁控溅射法制备的Bi_2O_2Se/NiOx异质结的光电性能
徐轩;杜心怡;张飘;黄凯;二维(2D)材料Bi_2O_2Se因其优异的载流子迁移率和光电响应特性，已成为光电探测等领域的研究热点.然而，Bi_2O_2Se的高载流子迁移率也会导致器件的高暗电流(1.8×10-8 A)和高静态功耗.构建二维材料异质结可以有效降低暗电流，但材料间的堆叠难以精确控制，限制了其实际应用.该文采用磁控溅射技术在Bi_2O_2Se表面沉积NiOx薄膜，精确可控地制备了Bi_2O_2Se/NiOx异质结构，该结构形成的势垒有效阻止了自由电荷的迁移，从而降低Bi_2O_2Se高暗电流.实验表明，该异质结器件在-1 V反向偏置电压下得到了1.5×10-11 A的超低暗电流，响应度和比探测率分别为1.37 mA·W-1和1.8×1010 Jones.本研究构建的Bi_2O_2Se/NiOx异质结构成功实现了基于Bi_2O_2Se光电探测器的超低暗电流，为开发低静态功耗光电探测器提供了新的思路.
双原子掺杂硒化镍纳米线的制备及其析氧性能
刘时旺;徐鹏;刘韵丹;为开发低成本、高稳定性的电解水析氧反应(OER)催化剂，该研究采用两步水热法制备了Fe、Ru双原子掺杂的硒化镍纳米线(FeRu-NiSe/NF)催化剂.首先通过水热硒化泡沫镍基底获得NiSe/NF前驱体，再通过二次水热过程将Fe3+和Ru3+引入NiSe晶格.电化学测试表明，FeRu-NiSe/NF在1 mol·L-1 KOH溶液中表现出优异的OER性能：仅需276 mV过电位即可达到300 mA·cm-2的电流密度，塔菲尔斜率低至41.31 mV·dec-1.在300 mA·cm-2大电流密度下，催化剂稳定运行165 h后活性保持率超过95%,显著优于单原子掺杂样品及同类NiSe基材料.双原子掺杂通过三重机制提升性能：1)电子结构优化，Fe-Ru协同调控Ni的d轨道电子分布，降低OER中间体吸附能垒；2)表面工程，形成高活性层，增加活性位点暴露；3)晶格稳定化，双元素调控结构稳定性，抑制结构降解.该工作为非贵金属电催化剂的设计提供了“双原子协同调控”的新策略，推动低成本电解水技术的实际应用.
基于小波分解与CBAM-CNN多噪声增强混合气体识别
刘舒铭;周子杰;随着工业化进程的加快和环境污染问题的加剧，快速、准确地识别空气中混合气体成分已成为环境监测与智能传感领域的关键挑战.传统方法在面对高强度噪声干扰、非线性响应及多源耦合等复杂环境时性能下降显著，难以满足工业泄漏预警和城市空气质量监测等实际应用需求.因此，该文旨在提出一种鲁棒性强、适应性高的混合气体识别模型，提升在多噪声干扰条件下识别准确率与模型稳定性.该文基于UCI气体传感器数据集，构建了一个融合二维小波分解与卷积块注意力模块(CBAM)-卷积神经网络(CBAM-CNN)的混合气体识别模型.首先，利用二维小波分解对传感器输出的多通道信号进行多尺度特征提取，生成包含低频主趋势与各方向高频细节的四通道图像结构.然后，设计包含通道注意力与空间注意力模块的CBAM-CNN网络结构，引导模型聚焦于对分类任务最具判别力的局部区域.在数据预处理阶段，引入多尺度高斯噪声扰动生成策略，构造不同噪声水平下的训练样本(σ2分别为0、0.012、0.032、0.062),以提升模型对复杂背景扰动的鲁棒学习能力.最后，通过10次交叉验证评估模型在甲烷、乙烯和一氧化碳3类混合气体下的识别性能，并与SVM、RFC、ResNet-18和Swin Transformer等方法进行对比.实验结果表明，在无噪声条件下，所提模型的识别准确率达到98.7%,在高噪声水平(σ2=0.062)下依然保持91.6%的识别准确率，表现出显著的抗干扰能力.与传统SVM和CNN模型相比，在中等噪声背景下(σ2=0.032),该文方法准确率分别提高15.3%和8.9%.与ResNet-18和Swin Transformer相比，该文模型在高噪声场景中识别精度分别提升2.2%和4.2%.该文提出的Wavelet-CBAM-CNN模型通过多尺度特征融合与注意力机制的协同优化，显著增强了对气体混合信号中关键特征的提取与聚焦能力，同时结合多噪声扰动训练策略，实现了模型在复杂传感环境下的稳定识别性能.该方法不仅适用于气体识别任务，还具备良好的拓展性，有望推广应用于工业有毒气体泄漏检测、智能家居空气质量监控等多类环境感知场景.
本期推荐文章
作者服务
您可以再此处输入您所研究的或者喜欢的相关领域的关键词，cnki将为您推荐最符合您要求的文章供您参考研究！
访问量统计
今日访问量: 517