振荡电流作用下的架空线路温升响应计算

电力系统发生振荡时的导线温升问题长期被忽视,持续的振荡电流会引起导线温升越限,导致线路受损或引发故障。振荡电流作用下的导线温升响应有别于导线稳态温度计算和短路热稳定校核。针对此问题,首先推导了振荡电流的时域表达式;然后以数值积分的方式计算振荡电流产生的焦耳热,利用暂态热平衡方程计算振荡持续期间的导线温升响应过程;最后,通过典型场景的算例分析,验证了所提方法的有效性。结果表明,振荡周期对导线温升响应影响很小,导线温升响应主要受振荡电流幅值、振荡持续时间和线路运行的实况气象环境影响,在高温无风等恶劣气象条件下,导线温度在较短的时间内会超过短时最高允许温度,因此在系统振荡期间,需要合理设置保护振荡闭锁时间或采取线路热保护措施,避免造成线路损坏或引发连锁故障。     

GC-MS法建立青稞酒特征指纹图谱的研究

应用气相色谱-质谱联用技术(GC-MS)对7批次青稞酒酒样进行指纹图谱测定,采用指纹图谱软件进行计算,建立了青海青稞酒的共有指纹图谱。结果表明,GC-MS法建立的GC-MS指纹图谱不仅具有可多成分同时测定的优势,而且有较好的重现性、精密度和稳定性,所建立的方法为青稞酒的真伪鉴定提供了技术储备。     

基于复杂网络理论的产甲烷常温菌和嗜热菌的代谢网络的拓扑与模块化的研究

近几年,复杂网络的研究正成为广泛关注的热点,代谢网络是复杂网络的一个例子。本文以产甲烷的常温古细菌Methanosarcina acetivorans(M.acetivorans)和嗜热古细菌Methanopyrus kandleri(M.kandleri)的代谢网络为对象,从拓扑参数以及模块化两方面进行比较研究。结果表明:M.acetivorans与M.kandleri的代谢网络均具有较高的模块化结构。同时发现它们模块化后的代谢网络中的Hub模块均属于氨基酸代谢和碳水化合物代谢,表明这些网络模块均具有一定的功能意义。最后将Hub模块与最紧密的k-核心网络相比较,发现它们节点完全相同,此结果表明代谢网络的最紧密k-核心网络部分也是不同网络比较的重要因素。     

物流用地与物流园区

现代物流跨区域、跨行业、跨部门的特性决定了物流用地组成的多样性。物流园区是典型的物流用地,是物流业向现代化、规模化、集聚化、专业化发展在用地上的反映。作者对物流用地进行了界定,并探讨了物流园区的用地与空间特性,旨在为物流用地规划提供一些理论上的依据。     

生物基PA56/PA11的力学、结晶和流变性能研究

采用生物基PA56有望替代传统石油基尼龙,实现尼龙材料的减碳降碳,然而PA56韧性不足的问题限制其广泛应用。采用生物基PA11通过熔融共混增韧PA56,系统研究了PA56/PA11的相容性、结晶行为、热性能和力学性能。结果发现：共混物只有一个Tg,说明PA56和PA11在共混物中具有较好的相容性;PA11的加入使PA56的结晶度和结晶温度有所降低,但对其的熔融温度影响不大;PA11的加入能够有效提升混合材料的韧性,在PA11质量分数为40%时,共混物的断后伸长率由PA56的5.27%提高到了44.26%,提高了739.8%;PA11质量分数为20%时,冲击强度由PA56的4.519 MPa提高到5.569 MPa,提高了23.2%。PA11的加入可有效提高PA56的韧性,提升生物基尼龙材料的综合性能,拓宽其应用领域。     

课程思政融入药学类专业课程教育的设计与实践——以“药剂学”课程为例

高校是立德树人培养人才的主阵地,药学类专业人才培养更应注重职业道德、工匠精神、敬佑生命等意识形态方面的培养,需顶层设计药学类专业的思政培养目标,在专业课程教学中引入课程思政,挖掘各专业课的课程思政点,多课程协同,达成目标。作者围绕本校药学类专业人才培养思政目标,梳理主干课程与思政目标的关系,并以“药剂学”课程为例探讨专业课课程思政的建设与实施。     

布洛托上校博弈模型及求解方法研究进展

对抗条件下的资源分配是大多数博弈决策问题的核心。从拟合最优解到博弈均衡解，基于博弈论的资源分配策略求解是认知决策领域的前沿课题。文中围绕对抗条件下资源分配的布洛托上校博弈模型和求解方法展开综述分析。首先，简要介绍了离线与在线策略学习的区别，策略博弈与相关解概念，在线优化与遗憾值；其次，梳理了6类布洛托上校博弈典型模型(连续布洛托上校博弈、离散布洛托上校博弈、广义布洛托上校博弈、广义乐透布洛托博弈、广义规则布洛托上校博弈与在线离散布洛托上校博弈);然后，区分2个阶段(离线与在线)3类博弈场景(单次、重复、多阶段),分析了多类布洛托上校博弈求解方法；最后，从典型应用探索、广义博弈模型、博弈求解方法、未来研究展望共4方面进行了未来研究前沿分析及展望。通过对当前布洛托上校博弈进行概述，期望能为对抗条件下资源分配与博弈论相关领域的研究带来启发。     

基于深度学习的航天板级组件缺陷检测

面向航天柔性电路装配产线的板级组件缺陷智能诊测问题，采用基于YOLOv3的深度网络方法，解决传统AOI检测精度不高及配置效率低下等问题。通过对应电路板的*.PcbDoc文件解析板上元器件位置和尺寸，并据此将待测图片缩小为单网格的元器件待检区域，从而提升缺陷检测算法的通用性。通过研究YOLOv3的航天产品元器件网格区域缺陷检测原理，完成YOLOv3深度网络算法建模，搭建该样机在某型号电路板产线的原理演示验证系统，提高缺陷检测速度和精确性，实现航天系统内电路板故障/缺陷检测的高精度、高效率识别，为将来航天智能制造转型之路夯实基础。