煤层软硬分层吸附瓦斯性能差异性及其对瓦斯赋存的影响

为研究煤层软、硬分层吸附瓦斯性能差异性及其对瓦斯赋存的影响,分析了煤层内软分层的形成机理及结构特征,采集了我国多个煤与瓦斯突出矿井的煤样作为试验对象,应用高压容量法开展了软、硬分层煤样吸附瓦斯性能参数的对比试验,探讨了软煤、硬煤吸附性能的差异性。在此基础上,对煤层软、硬分层吸附瓦斯性能差异性与瓦斯赋存特征之间的关联进行了研究,结果表明:试验煤样软分层的极限吸附量均大于硬分层;随着瓦斯压力的增加,试验煤样软、硬分层瓦斯含量的差值逐渐增大,其曲线的变化特征与Langmuir方程类似,并且软、硬分层瓦斯含量数值的差异主要由吸附量差值构成;煤层软、硬分层吸附瓦斯性能的差异不仅对煤层原始瓦斯赋存特征有着显著的影响,同时还将影响煤巷掘进、瓦斯抽采过程中煤体内瓦斯流场的分布规律,需要根据煤层软、硬分层的组合特点,制订切实有效的瓦斯抽采技术方案。     

Precise Extraction of Charge Carrier Mobility for Organic Transistors

Unreliable mobility values, and particularly greatly overestimated values and severely distorted temperature dependences, have recently hampered the development of the organic transistor field. Given that organic field‐effect transistors (OFETs) have been routinely used to evaluate mobility, precise parameter extraction using the electrical properties of OFETs is thus of primary importance. This review examines the origins of the various mobilities that must be determined for OFET applications, the relevant extraction methods, and the data selection limitations, which help in avoiding conceptual errors during mobility extraction. For increased precision, the review also discusses device fabrication considerations, calibration of both the specific gate‐dielectric capacitance and the threshold voltage, the contact effects, and the bias and temperature dependences, which must actually be handled with great care but have mostly been overlooked to date. This review serves as a systematic overview of the OFET mobility extraction process to ensure high precision and will also aid in improving future research.     

超声提取柿果皮总三萜酸工艺优化

目的采用正交法优化柿果皮中总三萜酸的超声提取工艺。方法以"牛心柿"柿果皮为原料,利用紫外分光光度计法测定柿果皮中总三萜酸的含量,并从提取溶剂选择及其浓度、料液比、超声时间和温度等方面,通过单因素实验和正交试验确定超声提取柿果皮总三萜酸的最佳条件。结果最佳超声提取工艺为:在超声功率240 W的前提下,提取溶剂为75%(V/V)的乙醇、料液比1:15(m/V)、时间45 min、温度50℃。在此条件下,柿果皮总三萜得率最高可达39.33mg/g。结论优化后的方法简单、快速、准确、提取率高,适合提取柿果皮的总三萜酸。     

生物预处理技术在天然产物提取中的应用研究进展

生物预处理技术运用于天然产物提取是借助微生物或生物酶的作用，在适当条件下对天然资源进行处理，破坏植物原料的细胞壁，促进天然产物释放到提取介质中，以提高分离效率，有助于保证天然产物活性。生物预处理技术按形式可以分为微生物发酵技术和生物酶处理技术。针对2种生物预处理技术的作用机制和应用进行综述，旨在为天然产物开发利用提供参考。     

Ionic liquid-assisted micellar extraction for the quantitative determination of sesquiterpenic acids in Valeriana officinalis L. (Caprifoliaceae)

ABSTRACT

A series of hydrophilic ionic liquids (ILs) were investigated as extractants for the quantitative determination of valerenic and acetoxyvalerenic acids in Valerianae radix. The influence of different factors, e.g. type of cation and anion, alkyl chain length, concentration, temperature, extraction time and solid–liquid ratio, was investigated. The results obtained showed that the extraction yield is strongly dependent on the cation type. The best outcome was obtained with IL capable of forming micelles in aqueous solution, e.g. 1-decyl-3-methylimidazolium chloride. As a result, an alternative protocol for the quantification of sesquiterpenic acids in valerian was developed and validated.     

碎软煤层条带瓦斯地面高效抽采技术研究

为了提高碎软煤层条带瓦斯抽采效率和效果,基于目前地面瓦斯抽采主要采用垂直井或从式井的方式抽采效果差、效率低的现状,通过理论和实验分析论证了穿岩层压裂改造煤储层的可行性,提出了在目标煤层顶板岩层中钻水平井,并通过垂直向下射孔以及采用泵送桥塞分段进行压裂的方式进行地面瓦斯抽采。试验结果表明:顶板分段压裂水平井单井产量高、高稳产期更长、产量衰减更慢;有效水平井段控制区域内瓦斯下降均匀,更有利于进行条带瓦斯抽采;相同投资条件下,采用水平井的方式瓦斯抽采效率和投入产出比更高。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.     

改进ILoG算子的故障检测方法

针对强背景噪声干扰下轮对轴承故障特征微弱、难以准确检测的问题,提出了一种自适应改进高斯拉普拉斯(improved Laplacian of Gaussian,简称ILoG)算子的微弱故障检测方法。ILoG算子滤波器具有优良的信号突变特征检测能力,将其用于轮对轴承故障信号的冲击特征检测,同时利用水循环算法(water cycle algorithm,简称WCA)的寻优特性,并行搜寻筛选最佳的ILoG算子影响参数,通过对参数优化后ILoG算子滤波后信号做进一步包络解调分析,提取出轮对轴承微弱的故障特征信息。对实际轮对轴承外圈和内圈故障信号分析的结果表明,该方法可以有效检测出轴承微弱故障特征频率,故障检测效果优于小波阈值和多尺度形态学差值滤波方法。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.