响应面法优化艾叶挥发油的提取工艺及其抗氧化性能研究

以艾叶挥发油提取率为考核指标,采用单因素实验考察浸泡时间、料液比、提取时间等对艾叶挥发油提取率的影响,在此基础上,采用响应面法优化艾叶挥发油的共水蒸馏提取工艺,并通过紫外分光光度法测定艾叶挥发油对DPPH自由基的清除率来评价其抗氧化性能。结果表明,艾叶挥发油的最佳提取工艺条件为:浸泡时间1.5 h、料液比1∶10(g∶mL)、提取时间4.5 h,在此条件下,艾叶挥发油提取率最高,为0.83%。当艾叶挥发油浓度为80 mg·mL~(-1)时,DPPH自由基清除率最高,为39.12%。表明艾叶挥发油具有一定的抗氧化活性。     

采煤机截割部齿轮箱体疲劳失效机理研究

针对采煤机截割部齿轮箱体在使用过程中出现的疲劳断裂问题,考虑由齿轮啮合引起的高频内部激励和由截割煤岩体引起的低频外部激励,进行疲劳失效机理分析。基于箱体力学模型,分析外部激励作用下箱体应力集中部位及应力峰值,并用有限元计算结果验证;力学模型考虑了由齿轮啮合产生的扭矩M_p及轴向力偏心L_0,分析了不同摇臂摆角下M_p和L_0对应力峰值的影响规律;基于采煤机截割实验,分析内部激励作用下箱体局部共振特性;将实测振动信号进行功率谱分析,得到局部共振频率并验证其为箱体固有频率;通过箱体应变模态分析,得到局部共振频率对应振型的应变分布特征并与应力集中部位进行比较。结果表明:M_p和L_0会增加箱体危险截面弯曲拉应力峰值;应力集中部位与局部共振振型应变集中部位基本一致;内部激励激发了箱体15,23和27阶振型的局部共振,拍振现象的产生加剧了箱体疲劳破坏;采煤机截割部齿轮箱体疲劳断裂是由外部激励引起的应力集中和内部激励引起的局部共振共同造成。     

DEA方法在项目厂址选择中的应用

厂址选择是项目建设的重要环节。通过建立方案评价模型,将数据包络分析(DEA)方法应用于项目厂址选择。引入天然气净化厂厂址选择实例,拟定投入、产出因素,利用Matlab对模型进行求解,通过对运算结果的分析,确定最优方案,说明模型及方法的有效性。     

Landau-Zener模型中纠缠演化及转移的研究

研究了受外场驱动的两个二能级系统分别与两个单模量子化光场相互作用模型中纠缠演化及转移问题。该工作主要是对外场驱动的Landau-Zener模型进行了研究，采用旋转波近似的方法，通过数值计算详细分析了二能级系统初始状态、能级间的耦合常数以及驱动外场的参数对子系统间纠缠和转移特性的影响。结果表明，适当调节模型中的参数，可以使系统初始纠缠完全转移为光腔场间的纠缠，实现二能级系统与光场间的最大纠缠转移。     

基于未来的网络体系构架

随着经济的快速发展,互联网逐步发展成为覆盖范围广、信息资源最为丰富、规模最为宏观的全球信息设施。在目睹互联网给我们经济生活发展带来极大便利的同时,我们应该认识到互联网规模的不断扩大所带来的系列问题。新型的互联网体系构架技术要求高,管理难度增大,监控、维修和保护一体化的网络体系构架成为未来网络发展的难题,国内外相关研究人员对未来网络体系构架的研究不断深入,笔者在参考相关文献资料的基础上,对未来网络虚拟化资源管理构架、网络流量预测算法和虚拟化资源分配机制进行深入探究,以寻求未来网络构架发展的创新之道。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

学习分析技术支持的在线深度学习的模型构建

本文将深度学习与学习分析相结合,从评价学习层次、教师深度教学能力、反思且主动地学习、学习内容的适切性四个方面阐释了学习分析对在线深度学习的影响,并在分析在线学习行为和学习分析过程的基础上,构建了学习分析技术支持的在线深度学习的模型,试图促进学习分析与在线学习融合模式的深入讨论。