合金元素对Zn-Al系热浸镀层结构与性能的影响机理

介绍了Zn-Al系热浸镀合金镀层的结构组成及其对钢基体的保护机理,在此基础上重点综述了前人关于Si,Mg,Ni,Ti和稀土等合金元素对Zn-Al系热浸镀合金镀层的影响机理.研究结果表明,各合金因素通过改善镀层结构组成进而显著提高Zn-Al系合金镀层的耐蚀性、抗高温氧化性、粘附性以及涂覆性等.本工作旨在为进一步开发具有我国独立自主知识产权的、高耐腐蚀性的钢板镀层材料提供必要的指导和借鉴.     

苯加氢精制水包界位测量系统的改进

在粗苯加氢生产中,回收塔回流罐中油水界面的准确测量对于生产有着重要的作用。改进前油罐油水界面测量装置误差较大,该文提出差压变送器测量方法来提高油水界面的测量精度的方法,改进效果良好,为连续生产及节能降耗提供了可靠依据。     

奋斗的青春最美丽——晋煤集团古书院矿开展青年成长成才进步故事共享会活动侧记

正"第一次护理病人,第一次参加技术比武,第一次取得荣誉,第一次参与医院评定三甲工作无数个第一次和不断取得的进步,让我这十年的工作充实而又满足。"晋煤集团古书院矿医院护士田芬芬的故事一经讲述,就让台下许多青年朋友热泪盈眶,大家被她的工作经历所感动,为她十年如一日的辛勤付出而钦佩,为她取得的一项项荣誉而骄傲。正如现场的一位年轻职工所说:"只有真实才能打动人心,唯     

黄河下游河道场次洪水输沙特性分析

本文分析了黄河下游河道1950-1985年277场洪水的输沙特性,建立了考虑各变量高次方和交叉作用的排沙比回归模型。利用输沙率关系和逐步回归的方法,找到了排沙比的主要影响因素,确定了排沙比公式的形式。为进一步验证逐步回归的结论及确定交叉项中各变量的指数,利用实测资料回归分析得出各参数,然后对参数进行检验。并利用1986-1999年13场高含沙洪水实测资料对排沙比公式进行了验证。结果表明,本文所建立的排沙比公式能够反映场次洪水的输沙特性,有助于了解黄河下游河道的输沙规律。     

竹笋膳食纤维对猪肉盐溶性蛋白热诱导凝胶特性的影响

通过提取猪肉盐溶性蛋白,添加不同比例（0%、1%、2%、3%、4%（猪肉盐溶性蛋白为100 g添加竹笋膳食纤维））的竹笋膳食纤维,应用质构仪、流变仪、低场核磁共振成像分析仪和扫描电镜测定分析竹笋膳食纤维-猪肉盐溶性蛋白形成的凝胶体系的凝胶强度、动态流变学特性、保水性、水分分布和微观结构,研究竹笋膳食纤维对凝胶体系的凝胶特性和保水性的影响。结果发现：添加竹笋膳食纤维显著增强凝胶体系的凝胶强度（P＜0.05）,当添加量为3%时,凝胶强度最高;随着竹笋膳食纤维添加量增加,猪肉盐溶性蛋白体系的储能模量（G’）和损失模量（G”）明显增加,凝胶体系的蒸煮损失和离心损失显著降低（P＜0.05）;低场核磁显示竹笋膳食纤维的添加显著提高了不易流动水的相对百分比并且降低了其弛豫时间T2（P＜0.05）;扫描电镜观察发现竹笋膳食纤维增加了凝胶体系的三维网络结构致密度和均一度。结果显示竹笋膳食纤维能够明显改善猪肉盐溶性蛋白的凝胶功能特性,在肉制品加工中有广阔的应用前景。     

基于脉冲涡流的铁磁性材料屈服强度检测方法

钢铁工业中的铁磁性材料屈服强度的检测依赖拉伸检测,增加了检测成本,为此提出了一种多特征融合的铁磁性材料屈服强度脉冲涡流检测方法。提取脉冲涡流响应信号的时域特征、频域特征,然后建立各个信号特征与材料屈服强度的神经网络模型,最后用神经网络模型对材料的屈服强度进行估计。该方法是一种无损检测方法,检测误差不超过5%。     

超声波辅助冷冻对面团中小麦淀粉理化特性及分子结构的影响

本研究在面团冷冻的全过程和最大冰晶生成带分别施加超声波,探讨超声辅助冷冻对面团中小麦淀粉理化特性与分子结构的影响。结果显示:与未超声的冷冻对照样品相比,在最大冰晶生成带和全过程施加超声分别使得面团中小麦淀粉的峰值粘度降低了8.6%和14.5%,谷值粘度降低了17.1%和13.7%,终值粘度升高了11.3%和-3.6%;在面团的最大冰晶生成带和全过程施加超声均在一定程度上改变了小麦淀粉体系的稠度系数和抗剪切能力,分别使得淀粉的稠度系数降低了19.0%和23.3%,剪切结构恢复力提高了4.0%和7.2%。与未超声的冷冻样品相比,经过超声处理的面团中小麦淀粉相对结晶度降低,并在一定程度上降低了淀粉分子的短程有序化结构。综上,超声场的施加细化了冰晶,减缓了冷冻过程对面团中小麦淀粉内部结构的破坏,比较两种超声过程可看出,在面团冷冻的全过程施加超声的效果优于在最大冰晶生成带施加超声。     

基于GMM与KLT算法的运动目标检测与跟踪方法

在视频监控方面,存在着运动目标的各种行为,针对这种情况,提出一种基于GMM与KLT算法的运动目标检测与跟踪方法.首先用基于GMM的背景减除法对运动目标进行检测,再通过形态学处理得到目标区域,然后对运动目标进行KLT特征点跟踪,最后根据特征点画出运动目标的运动轨迹.实验证明该算法有良好的检测结果与跟踪效果.     

基于多尺度特征和注意力的金融时序预测方法

金融时间序列预测是经济领域中一个非常重要的实际问题,然而,由于金融市场的噪声和波动性,当前存在方法的预测精度尚不能令人满意。为了提高金融时间序列的预测精度,提出了一种融合扩张卷积神经网络（dilated convolutional neural network,DCNN）、长短时记忆神经网络（long short term memory,LSTM）和注意力机制（attention mechanism,AT）的混合预测模型DCNN_LSTM_AT。该模型由两个部分组成：第一部分包含扩张卷积神经网络和基于LSTM的编码器,其功能在于提取原始序列数据中不同时间尺度的有效信息;第二部分由带注意力机制的LSTM解码器构成,其功能在于对第一部分提取的信息进行过滤并利用过滤后的信息进行预测。最后将所提模型在3支股指数据集和3支个股数据集上进行实验,并与其他常见的基准模型进行了对比,实验结果表明该模型相比于其他模型具有更好的预测精度和稳定性。