零卷吸条件下滚子摩擦副弹流特性的实验研究

采用线接触光弹流实验装置,在摆动工况下研究滚子在零卷吸速度条件下的弹流特性,探讨不同周期同一载荷下滚子摩擦副在零卷吸速度时油膜厚度的变化情况,以及载荷对零卷吸速度下滚子弹流特性的影响。结果表明:在滚子转速近零卷吸速度时,挤压效应起主导作用,油膜被封在接触区内,形成凹陷,并且该处油膜较为稀薄;在往复运动工况下,滚子周期性运动的次数影响零卷吸速度时滚子的油膜厚度,在起动瞬间滚子中部的油膜厚度最小,随着摆动次数的增加,滚子中部的油膜厚度逐渐增加,多次摆动后,油膜将达到相对稳定的厚度;载荷对滚子零卷吸速度下的弹流特性影响较大,随载荷的增大接触区增大,滚子端部最小油膜厚度变小,滚子端部边缘效应增大。     

固体酸催化剂催化合成二异丙基萘的研究

以精萘与丙烯为原料,在固体酸催化剂的作用下合成二异丙基萘,对其合成工艺进行了研究,旨在优化工艺条件,提高原料综合利用率,降低生产成本。实验结果显示,选择硅铝酸作为催化剂,当催化剂用量为5%,反应温度为180℃时,二异丙基萘的收率最高可达到40%。以氯化铝(AlCl_3)为催化剂,对副产物三、四异丙基萘进行转位反应获得二异丙基萘,当催化剂用量为4%,反应温度为80℃,反应时间30min,副产物中三、四异丙基萘含量均降至5%以下。     

浅析麦秸水泥复合板的缺陷及成因

本文对麦秸水泥复合板的性能、用途作了简要介绍，着重分析了麦秸水泥复合板的生产工艺设备及目前产品存在的缺陷，并就其成因和改进提出了初步看法。     

木工机床平面度检测中测量基准变换对检测结果的影响

1、问题的提出及试验目的在许多木工机床标准中,平面度检测都作为主要几何精度检测项目加以规定。其中以“三点法”测量应用最为普遍。这一检测方法引自JB2670《金属切削机床检验通则》;并与ISO/R230《机床检验通则》关于平面度检测方法的规定相符,具体阐述如下:“在被检平面上选择a、b和C三点作为基准点。(见图)将三块等厚的量块放在这三点上,这些量块的上表面就是用作与被检平面相比较的基准平面,将平尺放在a,c点上,在被检平面上的p点放一可调量块,使其与平尺下表面接触,这时a、b、c和p量块的上表面都在同一平面内。再将平     

基于对戊酰硼荧光素探针的超氧阴离子酶催化荧光分析

利用新型3',6'-对戊酰硼荧光素探针,结合超氧化物歧化酶(SOD)的选择性催化歧化反应特性,建立了一种超氧阴离子(O2-)的酶催化荧光分析方法.SOD催化黄嘌呤/黄嘌呤氧化酶体系中的O2-生成H2O2,使得荧光探针转换为强荧光的荧光素产物,从而实现对O2-的荧光检测.该方法检测线性范围为2.4×10-7～1.5×10-5mol/L,检测下限1.0×10～mol/L,显示了较高选择性和灵敏度.     

基于铂纳米颗粒修饰碳纳米管Nafion膜电极的葡萄糖传感器

将分散在Nafion溶液中的多壁碳纳米管(MWNT)修饰玻碳电极(GCE),再在该膜上电沉积一层铂纳米粒子,制成铂纳米颗粒修饰的碳纳米管Nafion膜电极(Nafion-MWNT-Pt/GCE),并吸附固定葡萄糖氧化酶(GOD),构建电流型葡萄糖生物传感器。考察了Nafion-MWNT-Pt/GCE的电化学特性,发现沉积铂纳米粒子后,Fe(CN)6-3/-4电对在Nafion-MWNT-Pt/GCE上的氧化峰和还原蜂之间的电势差(ΔE)为179mV,小于未修饰铂纳米粒子的碳纳米管Nafion膜电极的ΔE(190mV),表明碳纳米管上电沉积的铂纳米粒子可加速电极的电子传递,电化学反应具有良好的可逆性。此外,铂纳米粒子尚具有良好的催化H2O2氧化的特性,H2O2在Nafion-MWNT-Pt/GCE上的计时电流响应明显增大。基于Nafion-MWNT-Pt/GCE的葡萄糖生物传感器显示了良好的传感性能,其检测线性范围为2.1×10-5～7.6×10-3mol/L,检测下限为1.0×10-6mol/L。     

基于等离子体聚合膜的压电免疫传感器检测HSA抗体的活性

先在石英晶振(QCM)上沉积正丁胺等离子体聚合膜(PPF),再自组装一层聚电解质,得到一个可吸附固定人血清白蛋白(HSA)和易于晶振再生的界面,构造了一种简便、快速、准确、可逆的测定HSA抗体的压电免疫传感器,用于免标记和非纯化的条件下实时检测白蛋白抗体的活性(效价),极大地简化了传统检测方法中需标记和纯化抗体的繁琐步骤.探讨了晶振包被白蛋白时溶液的pH值、离子强度和白蛋白浓度以及免疫反应温度等条件的影响;考察了传感器的响应性能和再生性能,并与文献上表面等离子共振法(SPR)进行了比较.结果表明,该压电传感技术能较好地满足生化实验室直接检测抗体活性(效价)的要求,也是鉴定抗体类型、筛选杂交瘤以及筛选特效性药物的一种实用装置.     

改进的灰色模型与ARMA模型的股指预测

当前基于灰色GM（1,1）模型和ARMA模型的组合模型GM-ARMA模型存在着2点不足：一是由于GM（1,1）模型不是最优的,导致了GM-ARMA模型也不是最优的;二是GM-ARMA模型并没有恰当地结合2个子模型,这也导致了GM-ARMA模型不是最优的.为此,首先引入数据维度参数和白化背景值的系数2个参数来改进GM（1,1）模型,然后同时优化ARMA模型中的P、Q2个参数来改进GM-ARMA模型,称新的模型为RevisedGM-ARMA（RGM-ARMA）模型.实例证明RGM-ARMA的误差小于ARIMA和GM-ARMA模型,并且为组合模型的建立提供了新的思路.