学生参与电气人才创新能力培养的探索

基于“以学生为本”的OBE教育理念，本文对电气人才创新能力培养进行了探索。整个过程将专业课程体系契合学业规划以明确学生学习目标；学生参与理论、实践教学和平台搭建，在夯实其理论知识的同时丰富教学资源；在创新考核中采用“螺旋递进式”的师生互动模式，全程培养学生自主的创新能力。多年实践探索表明学生在课程实践、学科竞赛、论文发表和申报专利等方面的创新能力得到显著提升。     

锻造工艺对Ti-1300合金棒材组织和性能的影响

研究了α+β锻造、近β锻造、β锻造3种锻造工艺对Ti-1300合金棒材组织和力学性能的影响。结果表明,锻造工艺对Ti-1300合金显微组织影响较大。经α+β锻造后,Ti-1300合金棒材的初生α相为细小等轴状,近β锻造后多为短棒状,β锻造后为沿晶界分布的尺寸较大的块状α相。经不同工艺锻造的Ti-1300合金棒材热处理后,近β锻造和β锻造的抗拉强度明显高于α+β锻造,同时β锻造后棒材的断裂韧性最高,近β锻造次之。本实验条件下,经β锻造的Ti-1300合金棒材抗拉强度达到1390 MPa,断裂韧性超过70 MPa·m~(1/2),是最优的锻造工艺。     

基于氮掺杂碳纳米颗粒荧光猝灭-恢复方法检测还原型谷胱甘肽

分别以海藻酸钠和色氨酸为碳源和氮源,采用固相法一步合成出了量子产率为47.9%的氮掺杂荧光碳纳米颗粒(N-CNPs)。根据铜离子存在的条件下,N-CNPs荧光强度的恢复情况与还原型谷胱甘肽浓度成正比的关系,建立基于N-CNPs检测还原型谷胱甘肽的新方法。优化了溶液pH及反应时间等条件。在pH 6.0、铜离子浓度30μmol/L条件下,谷胱甘肽在0.2~45μmol/L浓度范围内与N-CNPs荧光恢复强度呈良好的线性关系,检出限为50 nmol/L。方法具有灵敏度高、选择性好、操作简单等优点,可用于实际样品中谷胱甘肽的检测。     

离子色谱仪测定水中阴离子的实验研究

离子色谱的应用,改变了实验室中人工滴定、比色等最原始的分析方法,已经成为水质监测中的重要手段。充分发挥了使用试剂少,检测灵敏度高,多项目检出限低,能同时测定多组分的优点。针对氯化物、硝酸盐氮和硫酸盐三个检测项目进行传统化学方法和离子色谱法间的比对。根据实际情况,在保证数据精确和仪器的正常安全使用基础上,讨论通过改变淋洗液的浓度,减少阴离子的保留时间,以提高工作效率。     

基于BP神经网络的条带刚凸特征回弹预测

为了研究核燃料组件格架的条带刚凸特征的回弹量与压边力、冲压速度、凸凹模间隙、摩擦系数等冲压工艺参数之间的关系,首先,获取包含50个GA拉丁超立方抽样的数据点以及10个随机抽样的数据点的数据集,前者作为训练集、后者作为测试集。将前者输入到BP神经网络进行训练,后者验证训练模型的精度。最后,通过响应面图研究各因素之间的交互作用以及各因素的敏感程度。结果表明:BP神经网络能够有效预测刚凸回弹量与冲压工艺参数之间的关系,相对于其他因素,压边力对回弹量的影响特别明显,冲压速度对回弹量的影响不明显,但与凸凹模间隙和摩擦系数有明显的交互作用。     

海绵负载纳米Al2O3复合吸附剂去除水中硒研究

研究制备了海绵负载纳米Al2O3微球的复合吸附剂(NAS),并用于对Se(Ⅳ)和Se(Ⅵ)的吸附。结果表明,合成的纳米Al2O3微球(NAO)的平均尺寸为200~400 nm,在海绵上负载NAO会使其分散性更好。当NAO负载量分别为80 mg/g和60 mg/g时,NAS对Se(Ⅳ)和Se(Ⅵ)的吸附性能为佳,分别需要60、120 min达到平衡,适应pH为2~5;两者均符合准2级动力学模型;NAS对Se(Ⅳ)、Se(Ⅵ)的最大吸附容量分别为137.2、143.9 mg/g,能很好地与Freundlich模型拟合,说明NAS表面不均匀,且属于多层吸附。经过2次的循环,对Se(Ⅳ)和Se(Ⅵ)的去除率有所降低,但均仍保持在一定的水平,说明NAS可再生循环利用。NAS作为一种新型吸附剂去除水中Se具有较好的应用前景。     

Ca~(2+)强化沉淀处理含铜电镀废水并回收铜研究

针对氢氧化物沉淀工艺不能去除络合态重金属的问题,采用加钙离子强化氢氧化物沉淀的方法处理含铜电镀废水并回收铜实验。结果表明,钙离子的加入能够有效提高氢氧化物对络合态重金属废水的处理效果。当pH 10,反应时间为15 min,除铜效果为佳,铜去除率可达99%以上。与现有铁氧体法相比,钙强化氢氧化物沉淀法投药量大大减少,工艺稳定性也大大增加。把沉泥加入pH5的酸液中,铜离子可实现循环利用,为保证重金属回收率,其反应时间应大于30 min。该方法具有工艺简单、成本低廉、效果明显和易于管理的特点。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。