登录 | 注册
工业
-
一种工程机械液压油快速升温设计方案及应用
针对现有工程机械液压系统手动暖机操作复杂且时间长的问题，该文设计了一种液压油快速升温的自动暖机系统,主要利用整机控制系统使液压油在液压系统内部处于高功率的溢流发热状态，快速提高液压油温度。通过25吨级液压挖掘机应用及测试表明,该系统可在无执行元件动作的情况下实现液压油自动暖机功能，且液压油温升时间相对手动憋压升温大幅缩短，可轻松实现低温地区工程机械液压油快速升温的暖机工作。
-
基于制动毂温升的连续下坡安全设计方法
无摘要
-
不同处理方式岗松干叶与鲜叶挥发油品质及提取效率分析
无摘要
-
TC4-DT焊接接头I-II复合型疲劳裂纹扩展实验及模拟研究
无摘要
-
BOM多视图的结构映射方法研究
无摘要
-
纺织品整理用超细电气石粉的制备与表征
无摘要
-
果实软化过程中果胶降解酶及相关基因研究进展
无摘要
-
真空包装狮子头货架期预测模型的建立
无摘要
-
陆空消防无人机造型设计
无摘要
-
冻结水泥固化土SHPB实验及其冲击变形特性
无摘要
-
高通量测序分析不同地区红腐乳细菌多样性
无摘要
-
川中隆起安岳气田古油藏成藏时间厘定
安岳气田是中国目前最大的古老和深层气田，由新元古代-早古生代地层中的古油藏经原位裂解形成。由于古油藏-裂解气藏演化程度较高、时代较老，对其成藏演化的研究，特别是古油藏成藏时间的厘定，长期以来存在较多争议，缺乏足够地球化学证据的佐证。通过最新的实测大地热流史和类似地区的烃源层生烃门限研究，利用地质类比法替代流体包裹体测温，重建关键井埋藏史-热史，厘定德阳-资阳裂陷筇竹寺组烃源层的生烃和古油藏形成和破坏的时间，分析了古油藏的演化过程。地球化学实验和相关地质分析表明，筇竹寺组烃源层生烃时间既古油藏成藏时间约为275~263Ma，相当于早二叠世后期（孔古阶）-晚二叠世。之后的深埋使古油藏自三叠纪初期开始裂解，在中侏罗世末期-早白垩世初期古油藏被完全破坏并形成大型裂解气藏。
-
饮食文化融入高校汉语言文学专业教育中的应用
无摘要
-
氢、氧原子刻蚀CVD金刚石涂层石墨相的机理研究
无摘要
-
基于响应面法西藏传统青稞酒的酿造工艺
该研究以西藏传统农作物青%为原材料，对西藏传统青%酒的酿造工艺进行研究，该文在单因素试验的基础上进行响应面优化试验，通过试验确定最佳酿造工艺为：泡粮时间24h、初始泡粮水溫55°C、蒸粮时间4h、糖化时间2d、料水比1：2.3(g:mL)、发酵时间52.32h、发酵溫度32<#并以此工艺为基(，酿造出藏青2000传统青%酒，并对其风味特征进行分析，鉴定出藏青2000青棵酒中55种主要风味物质，主要包括了醇类、醛类、酸类、4类、烷+类、烯+类、酚类，共计七大类风味物质。其中醇类物质相对含量占总风味物质的79.93%，其次是4类占10.70%#该研究结果为西藏传统青%酒的工业化生产提供了科学依据#
-
高核苷酸酵母水解物对脂多糖诱导RAW264.7细胞免疫调节的影响
为探讨高核苷酸酵母水解物对RAW264.7小鼠巨噬细胞免疫活性调节及其相关作用机制，采用脂多糖mL）刺激RAW264.7细胞来建立体外细胞炎症模型，以不同质量浓度的高核苷酸酵母水解物干预来明确（1μg/其抗炎效果。ELISA法检测细胞培养上清中白细胞介素6（IL6）、肿瘤坏死因子1β（ILα（TNFα）、白细胞介素1β）的含量，RTPCR法检测相关mRNA表达水平，Westernblot法检测细胞iNOS及胞核内核转录因子NF65κBp蛋白水平。结果表明：高核苷酸酵母水解物作用RAW264.7细胞的安全范围≤150μg/mL。与LPS模型组相比，质量浓度60~150μg/mL的高核苷酸酵母水解物能显著增强RAW264.7吞噬能力，高核苷酸酵母水解物（60~mL）能有效抑制脂多糖（lipopolysaccharide，LPS）诱导RAW264.7细胞释放NO、TNFL1β和IL6炎症150μg/α、I因子及相关mRNA表达，降低iNOS及NFκB蛋白水平。研究结果证实了高核苷酸酵母水解物对LPS刺激RAW264.7细胞炎症的保护作用，作用机制与NFκB通路有关，
-
紫外-可见分光光度法在定量监测2，3，5-三碘苯甲酸缓释中的应用
无摘要
-
一种核电用镍基合金焊丝熔敷金属的组织与性能
无摘要
-
基于改进的EWT的轴承故障诊断方法
为了解决受工况噪声影响经验小波变换（EWT）在应用于轴承故障振动信号提取冲击脉冲分量时存在的频带过度划分问题，提出了一种基于能量谱频带合并的改进的EWT方法。实验结果表明，该方法解决了原EWT存在的频带过度划分问题，可以抑制一定程度的工况噪声干扰，准确且较为完整地提取出轴承故障冲击脉冲分量，使故障诊断结果更为准确。
-
基于遗传算法优化支持向量机的大坝安全性态预测模型
为提高支持向量机对大坝安全性态的预测效果，提出基于遗传算法优化的GA-SVM大坝安全性态预测模型，以k-CV验证误差最小作为优化目标，引入遗传算法对支持向量机的惩罚参数c和核函数参数g进行寻优。模型以影响因子作为输入，以效应量作为输出，采用训练样本对支持向量机进行训练，并使用训练好的模型预测效应量。根据概率统计理论中的3σ准则，建立大坝安全性态三级指标和判别准则。以某大型水库大坝为例，建立该大坝的GA-SVM模型，并与SVM模型和逐步回归模型进行了对比验证。预测结果表明，GA-SVM模型渗压预测值与实测值最接近，预测精度较SVM模型和逐步回归模型提高了约3倍。