色谱法和电位法在测定药物苯溴马隆离解常数中的比较

离解常数是从分子水平深入理解一些药物的吸收、体内分布以及代谢等研究的一个重要参数.以苯溴马隆为样品,对色谱法在药物离解常数中的应用进行了考察,并与经典的电位法进行了详细的比较和分析,还对毛细管电泳法、电位滴定法进行了优化和改进.     

抽水蓄能电站发电机层温度均匀性研究

温湿度作为衡量人体舒适度的重要指标,在水电站气流组织研究中具有重要的研究价值。采用现场测试与数值模拟相结合的方法,首先对水电站主厂房发电机层现场测试数据进行了分析,发现发电机层温度场的分布在空间上存在着不均匀性,为此对其成因进行了分析研究。研究结果表明,这种不均匀性是由发电机层不均匀的热源布置格局与空调送风口温度的差异所导致的。根据该结果,提出了调节空调冷却水流量的优化方案,拟通过间接控制空调出口的气流温度,来改善发电机层温度的均匀性。在此基础上,对主厂房发电机层温度场优化前后的工况进行了CFD数值计算,在验证计算模型可靠性的同时,将优化前后两种工况的计算结果进行了对比。对比结果表明:优化方案能显著降低发电机层温度的不均匀系数,改善发电机层温度的均匀性,具有一定的可行性。     

新型高速低噪声可编程分频器的设计

针对射频锁相环频率合成器对高速度和低噪声方面的要求,提出了一种适用于射频锁相环频率合成器的可编程分频器的设计方案.电路采用12级级联反馈的双模分频器结构,可以实现小于或等于8.191分频的任意分频比.基于JAZZBC35 BICMOS工艺,进行电路的设计和HSPICE仿真,在2.5V电源电压下,功耗为1mW.设计的可编程分频器具有大的分频比范围和良好的稳定性、灵活性,同时具有高速、低噪声等特点,适于高速锁相环频率合成器的应用.     

基于模糊控制算法电动车跷跷板的设计与实现

本文采用飞思卡尔16位单片机MC9S12DG128为核心,辅以直流电机驱动、LCD显示、加速度传感器MXD2020M、光电传感器数据采集等电路组成,实现了电动车通过黑线引导驶上跷跷板并在板上能自行调节平衡.电机控制采用了PID的控制算法,有效的减小超调量和静态误差,缩短调节时间.该模型在当代汽车行业中具有一定的实用性.     

高职院校百万扩招的实践路径探索

高职院校百万扩招作为国家发展和民生稳定的举措,是高职院校需担负的职责与使命,要深刻把握国家的战略要义,坚持以质量扩招、就业导向、多元培养为原则。高职院校扩招面临众多现实挑战与问题,要用改革创新思想破解高职院校扩招难题,改革招生考试办法,解决招得来的问题;改革人才培养方案,解决教得会的问题;聚焦学生培养质量保障,解决学得到的问题。     

数据采集监控(SCADA)系统在长输管线的应用研究

介绍甲乙两地焦炉煤气输气工程自动化及仪表专业采用的数据采集监控(SCADA)系统,分析该系统的设计理念、开发思路、技术路线和主要功能,讨论评估该系统在实际应用过程中的安全效益、环保效益、经济效益。     

耐沾污聚氨酯-苯丙-含氟丙烯酸酯共聚乳液的制备

以含氟PU(聚氨酯)为壳、低Tg(玻璃化转变温度)的苯丙(SA)共聚物为核,采用乳液聚合法成功制备出FPUA(PU-SA-含氟丙烯酸酯三元共聚物)乳液;然后以此为基体,制备了水性外墙弹性涂料。采用透射电镜(TEM)、动态光散射(DLS)法、红外光谱(FT-IR)法和差示扫描量热(DSC)法等分别测定了FPUA乳液的微观形貌、粒径及其分布、结构、Tg和水接触角。研究结果表明:FPUA乳胶粒呈规则球形状核/壳结构,FPUA乳胶膜的水接触角高达100.1°,由其制成的水性外墙弹性涂料解决了低Tg乳胶膜的"热黏冷脆"等问题。     

一种红外遥控编码专用芯片的设计与实现

给出了一种专用于红外遥控发射系统的新型红外遥控编码芯片的电路,其发射码包括引导码、16位用户码、8位按键码和8位按键码反码,经过38kHz的载波信号调制后发射。芯片采用单脚晶体振荡器,节省了两个振荡电容,通过芯片引脚跳线最多可变11个客户码和66个按键码,节省了用户码跳变二极管,仅需16个引脚进行封装。芯片采用2.5μmCMOS铝栅工艺流片,测试结果表明,发射芯片能够实现对功能码的正确发射,工作电压低（VDD=1.8～3.3V）,长时间无按键按下进入待机模式（Idd〈1μA）,降低了功耗（Pd=200mW）。     

基于网络零售交易模式的大学生自主创业研究

目前大学生网上创业成功率普遍较低,应从大学生网上创业实际情况出发,结合我国网络零售行业发展背景,深入调查剖析影响大学生网上创业成功的主要因素,包括市场竞争日趋激烈、创业动机不明显、创业资源不足等,并提出相立对策。     

一种预测流程剩余时间的可解释特征分层方法

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还会根据领域知识选择若干其他属性作为预测模型的输入特征,缺少通用的特征选择方法,对于预测的准确率和模型的可解释性存在一定的影响.针对上述问题,提出基于可解释特征分层模型(explainable feature-based hierarchical model,EFH model)的流程剩余时间预测框架.具体而言,首先提出特征自选择策略,通过基于优先级的后向特征删除和基于特征重要性值的前向特征选择,得到对预测任务具有积极影响的属性作为模型输入.然后提出可解释特征分层模型架构,通过逐层加入不同特征得到每层的预测结果,解释特征值与预测结果的内在联系.采用LightGBM (light gradient boosting machine)和LSTM (long short-term memory)算法实例化所提方法,框架是通用的,不限于选用算法.最后在8个真实事件日志上与最新方法进行比较.实验结果表明所提方法能够选取出有效特征,提高预测的准确率,并解释预测结果.