曲柄摇杆机构图解法的综合分析

通过引入辅助圆Ⅰ和辅助圆Ⅱ，对传统的按行程速比系数K设计曲柄摇杆机构的图解法作了改进，使设计过程更简单、直接，在此基础上经过简单给出了4种条件下的曲柄摇杆机构的设计方法，另外，本文还对Ⅰ型和Ⅱ型典柄摇杆机构伯行程速比系数K、极位夹角θ的范围进行了讨论。     

综采液压支架发展回顾与前瞻

工作面支护问题始终是围绕煤矿安全、质量、效率的重要问题。综合概括了国内外液压支架的发展进程及生产使用现状 ,并重点介绍了电液控制液压支架的使用情况 ,指出了液压支架今后的发展和研究方向     

电子探针在冀东峪耳崖金矿载金矿物研究中的应用

利用电子探针对矿相显微镜下难以分辨的矿物颗粒进行了微区图像及成分分析。峪耳崖金矿中的载金矿物为黄铁矿、碲铋矿。碲铋矿为本次工作中重点研究的载金矿物。根据矿物组合及矿物形成温度把碲铋矿分为早晚两期。碲铋矿多呈他形粒状,从早期到晚期碲铋矿中Fe元素含量降低而Te、Bi、Ag元素含量升高。利用背散射电子像可清晰地看到碲铋矿中包裹银金矿。通过比较碲铋矿中金的含量与黄铁矿中金的含量,看出碲铋矿中金的含量略高于黄铁矿中金的含量,可将碲铋矿作为找矿标志之一。     

八角茴香精油及其主要单体成分抑菌机理的研究

实验通过测定菌液中还原糖含量、蛋白质含量以及电导率的变化,将八角茴香精油及其各主要单体成分(大茴香醛、柠檬烯、反式茴香脑)对大肠杆菌的抗菌机理进行了研究.结果表明,各抑菌成分中柠檬烯和八角茴香精油抑菌效果较好;抑菌机理的实验表明,浓度为100 mg/mL的各抑菌成分对检测项影响最大的是柠檬烯和八角茴香精油,它们可使菌液中还原糖含量高达0.89 g/100 g和0.87 g/100 g;二者作用64 h后,菌液中蛋白质含量分别为12.5%和13.7%;二者作用5 min,菌液的电导率分别为182.4 μs/cm和184.3μs/cm.由此可见,八角茴香精油及其主要单体成分中对大肠杆菌抑菌效果最佳的成分为柠檬烯和八角茴香精油.     

香辛料精油抑菌机理研究进展及其在食品保藏中的应用

香辛料精油是香辛料植物体内的次生代谢产物,化学组成较为复杂.天然存在的香辛料植物中含有多种生物活性物质,具有抗氧化抗菌杀虫等作用,而它们常常存在于精油中,因而对于香辛料精油的研究已成为目前国内外研究的热点问题.综述了香辛料精油的有效化学成分、提取工艺、抗菌活性,重点阐述了香辛料精油在食品保藏方面的应用,并探讨了其在实际运用中存在的问题,为将其开发成绿色、安全、高效的防腐剂提供理论依据.     

颤抖自动补偿式微型精密加工仪的设计

设计了一种在精密加工操作中对操作人员及外界非正常颤抖信号进行检测并自动补偿的微型操作仪。仪器结构精巧,具有可拆卸及更换的加工探头,可满足不同精密加工的使用需求。基于经典PID闭环控制和边缘检测原理,采用激光干涉仪对精密加工位置信号进行检测,对干扰信号进行判断并做出相应补偿措施;采用压电陶瓷微电动机PM的逆向运动自动补偿颤抖产生的误差,保证精密加工的可靠性和精确度。实验表明,该微型仪器能自动补偿颤抖干扰信号,精度可达到1μm,对精密加工的精度提高及误差补偿研究有一定借鉴价值。     

亚麻高效再生体系的优化研究

为了优化亚麻再生体系,对基因型、外植体的选择部位、基本培养基、植物生长调节剂等影响亚麻植株再生的因素进行了优化,建立了亚麻下胚轴高效组织培养再生体系.结果表明,亚麻种子消毒采用75%乙醇处理3min,再用0.1%升汞灭菌3min效果最好;亚麻下胚轴的下部是最佳外植体;在Y4培养基下（MS1＋NAA0.02mg/L＋6-BA1mg/L）,亚麻愈伤组织的诱导率和分化率最高,分别达到98.89%和95.56%;最佳生根培养基是1/2MS＋NAA0.001mg/L,生根率达90%;同时可以看出,不同基因型再生能力不同.与派克斯和华星009相比,再生能力最强的品种是中亚2号.通过再生体系优化使亚麻愈伤组织的诱导率和分化率以及再生植株的生根率都有所提高.     

基于VRML实现与虚拟场景交互的方法

虚拟现实场景能产一种生动逼真的效果,但对于浏览者而言,还是被动的接受信息。如果浏览者能够控制场景即与场景进行交互,那么动画、光照及声音等效果才能更逼真,使用户有身临其境的感觉。主要对运用VRML实现用户与虚拟场景进行交互的方法进行论述。     

膜吸收用聚丙烯和聚偏氟乙烯微孔膜的性能评价

以水吸收空气中的氧为例,从膜的微孔性、疏水性、传质效率、膜污染和价格等五个方面对市售国产聚丙烯和聚偏氟乙烯两种微孔中空纤维膜在膜吸收过程中的性能进行了评估,并分析了造成这两种膜性能差异的原因.评价结果表明,聚丙烯微孔膜具有疏水性好、氧传质系数大、抗污染能力强和价格便宜等优良性能,更适宜应用于膜吸收过程.     

基于深度无监督学习的多小区蜂窝网资源分配方法

针对多小区蜂窝网络资源分配所要求的低能耗、高速率和低延时问题,提出一种基于深度无监督学习的多小区蜂窝网络资源分配方法.首先,构建基于无监督学习的深度功率控制神经网络,通过约束处理输出优化的信道功率控制方案以最大化能量效率的期望;然后,构建基于无监督学习的深度信道分配神经网络,通过约束处理输出优化的信道分配方案,并联合前期训练好的深度功率控制神经网络拟合输出优化的信道功率,进一步优化能量效率的期望.仿真结果表明,所提出的方法在保证低计算时延的同时可获得优于其他算法的能量效率和传输速率.