排序方式: 共有47条查询结果,搜索用时 15 毫秒
1.
2.
胶原-磺化羧甲基壳聚糖/硅橡胶皮肤再生材料的制备及其对小型猪烫伤创面全层皮肤缺损的修复研究 总被引:3,自引:0,他引:3
制备了一种胶原-磺化羧甲基壳聚糖/硅橡胶皮肤再生材料,并以小型猪为模型,考察了其对烫伤全层皮肤缺损的修复性能.首先合成了磺化羧甲基壳聚糖,并对其结构进行了表征.制备了胶原-磺化羧甲基壳聚糖多孔支架,采用扫描电子显微镜(SEM)研究了磺化羧甲基壳聚糖含量对支架微结构的影响.随着磺化羧甲基壳聚糖含量的增大,胶原-磺化羧甲基壳聚糖支架从纤维结构向片状结构转化,且支架的孔径相对变大.采用体外成纤维细胞培养实验证明胶原-磺化羧甲基壳聚糖支架无明显细胞毒性.进一步将胶原-磺化羧甲基壳聚糖支架与硅橡胶膜复合,构建具有双层结构的皮肤再生材料.以小型猪为模型,评价了其对深度烫伤创面的修复性能.大体观察和组织学分析结果显示,胶原-磺化羧甲基壳聚糖/硅橡胶皮肤再生材料具有更快的血管化性能,且经该材料处理的创面能有效支持薄自体皮片的移植成活,实现深度烫伤创面的全层修复. 相似文献
3.
使用溶胶-凝胶法制备了Er3+单掺及Er3+/Yb3+共掺La2TiO5荧光粉体样品。经过1 100 ℃下3 h的煅烧,得到了较好的微晶。X射线粉末衍射测试表明样品中不含杂质相。扫描电镜观察表明样品颗粒范围为100~300 nm。紫外激发光谱中,在250~320 nm范围内出现Er离子和临近配位氧离子之间强烈的电荷转移跃迁峰,在350~500 nm出现Er离子f-f跃迁尖锐的吸收峰。在378 nm激发下,Er离子发射强烈的特征绿光(546 nm, 4S3/2-4I5/2),当Er离子物质的量分数达到1%,发射峰强度达到最大。在980 nm激发下的上转换光谱中,Yb离子的共掺杂有效的敏化上转换发光强度。详细讨论了样品的上下转换发光机理及相应能量传递过程。同时测试了样品的荧光衰减和量子产率。 相似文献
4.
5.
针对点阵夹层结构主动热防护问题,建立了夹层结构面板和芯体导热与冷却剂对流耦合的非稳态传热理论模型,利用有限体积法离散控制方程并在MATLAB中进行了迭代求解.模型首次考虑了面板与夹芯杆之间的收缩热阻,并利用分离变量法得到了收缩热阻的近似解析解.基于单胞模型和周期性边界条件,模拟得到了模型所需的表面对流传热系数h_(b)和h_(fin).最后,选取多单胞计算工况进行数值模拟和理论模型对比,并讨论了收缩热阻对模型预测精度的影响.结果表明:理论模型能够准确预测夹层结构及内部流体的温度变化,理论与仿真之间的最大误差不超过1%;随着外加热流密度不断增大,忽略收缩热阻使得计算结果造成的误差不断增大;与数值模拟相比,理论模型可显著地减少计算时间并节省计算资源,尤其适用于非均匀、非稳态复杂热载荷下点阵夹层结构的温度响应计算. 相似文献
6.
随着我国油企进入加拿大油砂行业,如何降低油砂开发项目的风险并提高决策的科学性变得愈发重要。油砂开采的经济性作为投资决策的重要着力点,研究相应的经济评价方法也就有了十分重要的意义。本文较为全面的分析了露天开发油砂及蒸汽辅助重力卸油技术(SAGD)开发油砂的技术特点;选择折现现金流理论作为理论基础分别构建了露天开发与SAGD开发油砂项目经济评价模型,并对模型中涉及的收入、投资、成本等参数的估算方法进行了系统的研究;通过对新疆某油砂试采区的实际评价,验证了方法的可行性。该方法作为油砂开发项目经济评价的初步探索,将为加拿大和我国油砂开发项目的经济评价工作提供一定的参考依据。 相似文献
7.
采用高温固相法合成出层状锂离子电池正极材料LiNi1/3Mn1/3Co1/3O2。通过XRD、ICP、SEM和电化学测试手段对产物的结构、组成、形貌及电化学性能进行了研究。XRD结果表明此方法合成的LiNi1/3Mn1/3Co1/3O2具有标准的α-NaFeO2型层状结构,SEM照片显示颗粒粒径大约在500 nm左右,粒径分布较窄。以20 mA·g-1电流密度放电,充放电电压在2.8~4.4 V之间,其首次放电比容量为170 mAh·g-1,40次循环容量保持率为85.3%。进一步加入石墨导电剂后,同样条件下首次放电比容量变为179 mAh·g-1,50次循环容量保持率为89.6%。容量衰减主要发生在前10次循环。XRD和SEM测试表明循环初期容量衰减的原因是由材料本体结构变化和界面反应共同作用的结果。 相似文献
8.
9.
10.
矮新星是一类特殊而稀少的半相接双星。发现更多的矮新星对于深入研究物质转移理论、理解密近双星演化过程意义深远。利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。传统的自编码器是仅包含一个隐层的经典神经网络模型,编码能力有限,数据表征学习能力不足。模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征,通过对底层特征的逐渐抽象学习获得高层特征,进而提高光谱的分类准确率。以自编码器为基础构建了由输入层、若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络,用于处理海量的光谱数据集,挖掘隐藏在光谱内部具有区分度的深度结构特征,实现对矮新星光谱的准确分类。鉴于深度架构网络的参数设置会严重影响所构建网络的性能,将网络参数的优化分为逐层训练和反向传播两个过程。预处理后的光谱数据先由输入层进入网络,再经自编码器算法和权值共享实现对网络参数的逐层训练。反向传播阶段将初始样本数据再次输入网络,以逐层训练所得的权值对网络初始化,再把网络各层的局部优化训练结果融合起来,根据所设置的输出误差代价函数调整网络参数。反复地逐层训练和反向传播,直到获得全局最优的网络参数。最后由末隐层作为重构层搭建支持向量机分类器,实现对矮新星的特征提取与分类。网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减,并由反向传播算法微调整个网络,从而防止发生深度过拟合现象,减少因隐层神经元间的相互节制而学习到重复的数据表征,提高网络的泛化能力。该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力,其特征检测层可从无标注数据中隐式地学习到深度结构特征,有效刻画光谱数据的非线性和随机波动性,避免了光谱特征的显式提取,体现出较强的数据拟合和泛化能力。不同层之间的权值共享能够减少冗余信息的干扰,有效化解传统多层次架构网络易陷入权值局部最小化的风险。实验表明,该深度架构网络在矮新星分类任务中能达到95.81%的准确率,超过了经典的LM-BP网络。 相似文献