工业生产β-胡萝卜素杜氏藻的分离及种属鉴定

杜氏藻（Dunaliella）是生产天然β-胡萝卜素的良好资源,受到世界各国的广泛关注。为了研究和改造其类胡萝卜素代谢途径,利用离心和抗生素筛选相结合的方法对7株生产β－胡萝卜素用的工业藻种进行了分离和纯化。rDNA凝胶电泳图显示,分离的7株藻种中,6株能扩增出0．9kb～1．7kb不等的单一条带,表明已分离到单一藻种。在此基础上测定了各藻种转录问隔区1（ITS1）序列,并建立了系统进化树。结果显示,其中3株属于D．viridis类,另3株为D．salina。同时对杜氏藻的生长、工业藻种的分离、D．viridis对生产β－胡萝卜素工业藻的污染及D．salina与D．bardawil分类等问题进行了讨论。     

滚动轴承协同开发系统的关键技术研究

为解决轴承产品开发的信息集成和过程集成问题,对轴承协同开发系统系统的实现关键技术进行了研究.在产品集成模型的构建方面,采用面向对象思想来定义产品集成模型结构,实现了对产品开发数据的封装;在产品数据存储方面,提出了基于图档模板的图档数据库存储模式,借助图档模板和产品数据表,实现了由产品集成模型至工程图的产品数据存储.经实际生产应用,所提出的方法提升企业生产技术与管理水平,缩短了产品开发周期.     

600MW汽轮机用射油器的改进

某600MW/660MW机组在运行中,运行平台润滑浊母管压力低,一般仅能维持在0.1MPa左右,对机组运行安鑫存在一定隐患.文中对此类机组射由器进行了改进,改善运行平台润滑油母管压力低问题,保障机组运行安全.     

基于马尔科夫链的LoRaWAN网络节点性能分析

低功耗广域网LoRaWAN(Long Range Wide Area Network)能兼顾低功耗与远通信距离,已经应用于很多领域。本文分析了LoRaWAN协议中A类节点发送数据的过程,据此建立了包含各个状态转移概率的马尔科夫模型。然后,基于SX1278芯片的相关参数对协议模型进行了仿真,并分析了LoRaWAN网络中网关回复时机、节点数量、频段数、链路质量等因素对A类节点发送数据的延时和能耗的影响。仿真结果表明,在单网关且总信道数不变的情况下,减少频段数,延后网关确认回复可以缩短节点发送数据的延时,降低节点发送数据的能耗。这对提升LoRaWAN网络性能具有很强的参考性。     

谈谈液压系统的使用可靠性

1、使用可靠性的含义设备运转时的可靠性称为工作可靠性。可靠性,就是系统、设备、元件等在规定的条件下,在规定的时间内完成规定功能的稳定程度或特性。设计、制造过程中确立的可靠性叫做固有     

基于无线传感器网络的室内精确定位算法

提出了一种基于无线传感器网络的用于室内的高精度定位算法。采用最小二乘法对测量地区的环境参数进行拟合,获得适用的损耗模型。并根据室内的实际情况提出了筛选可靠节点和使用高斯模型处理数据的方法,从而挑选出更为合适的接收信号强度指示器（RSSI）值进行定位计算。最后,对计算结果进行优化,进一步提高定位精度。实验表明：和现有的改进Euclidean算法相比,该算法定位精度高,且设备要求低,对于室内定位具有一定实用价值。     

某型混合动力系统大功率轴带电机平稳启动并网的控制方法及实船应用

在双机双桨混合动力系统的并车推进/电机推进模式切换过程中,采用小电机辅助启动控制方法与主机辅助启动控制方法可实现大功率轴带电机平稳启动并网控制,避免其直接启动并网造成大电流危害船舶电网等问题。经实船验证,小电机辅助启动控制方法与主机辅助启动控制方法可靠且有效,在轴带电机启动过程中能够保障船舶安全航行,同时降低动力系统设备成本、节省船舶安装空间。     

柴电混合拖轮动力系统试验台设计及试验研究

为研究柴电混合动力系统在港作拖轮上的适用情况,以某型拖轮作为研究对象,建立柴电混合动力系统试验台,对柴电混合动力系统进行研究。试验研究表明:柴电混合系统各模式下,设备运行参数正常,系统稳定运行;在自航模式下,700(r·min-1)以下时电机推进模式较柴油机推进模式省油;和相似船型的比较分析显示:使用柴电混合动力系统,全年的节油率可达13. 24%。     

CC2430节点移植TinyOS

TinyOS是由U.C.Berkeley开发的传感器网络操作系统,是专为嵌入式无线传感网络（WSN）设计,基于构件（component-based）的架构减小了受传感网络存储器限制的代码长度;CC2430是得到广泛应用的无线传感器片上系统,基于增强型8051内核;将基于TinyOS的nesC代码程序移植到CC2430中主要需解决gcc不支持8051的问题,以及一些系统必备的关键文件;并实现CC2430的基本通信功能。     

基于LoRa自组网的电能采集系统设计与实现

为了实现用电设备运行状况的远程监测,需要对设备运行时的电能参数进行采集并上报至云平台。针对上述目的,本项目设计了一种基于LoRa自组网技术的电能采集系统,整个系统主要由数据采集节点和集中器组成。数据采集节点采用RN8209电能计量芯片实现负载电能数据的精确采集,并通过LoRa通信模块将数据发送至集中器。集中器采用了基于NB-IoT通信模块和LoRa通信模块的双模组设计,通过LoRa模块接收节点上报的数据,并通过NB-IoT模块转发至物联网云平台。本系统利用LoRa载波侦听技术设计了基于CSMA/CA的星型自组网络,实现了节点与集中器间的无线通信,适用于低成本、小规模的远程电能数据采集系统。通过实验验证,该方案的数据采集功能、LoRa自组网通信功能和NB-IoT通信功能均能够正常实现,达到了设计目标。