离子色谱法测定富马酸贝达喹啉中二甲胺的含量

目的:对富马酸贝达喹啉中二甲胺的含量进行测定。方法 采用离子色谱法,阳离子色谱柱(Dionex IonPac CS12A 4×250mm);以10mmol/L甲磺酸溶液为流动相,流速为1. 0mL/min;柱温为30℃;检测器为电导检测器,检测器温度为35℃。;结果:富马酸贝达喹啉与二甲胺无干扰,峰面积与浓度在一定的范围内均呈良好的线性关系。结论:该方法作为富马酸贝达喹啉中二甲胺含量的检测方法准确、可靠。     

面向隐性目标的产品造型交互式进化设计

交互式遗传算法(Interactive Genetic Algorilhm,IGA)作为一种人机协同进化优化算法,能有效解决难以数量化、结构化的隐性目标决策问题,但由于隐性目标具有较强的模糊性,易导致用户产生认知模糊。首先,将交互式进化设计中用户认知模糊解构为决策初始认知模糊与决策过程认知模糊;其次,构建"文本-情景-符号"空间映射策略缓解决策初始认知模糊,构建方案聚类策略缓解决策过程认知模糊;然后,以花瓶轮廓为例,结合所提设计策略和交互式遗传算法,采用MATLAB软件开发了面向隐性目标的产品造型交互式进化设计系统;最后,验证了所提设计策略在解决交互式进化设计过程中用户认知模糊的有效性。     

富镍锂离子电池三元材料NCM的研究进展

锂离子电池作为新能源电池符合时代要求，具有良好的应用前景。电池容量、倍率性能与循环性能是电池性能的重要评价指标，在选取高能量密度电极材料的同时要充分考虑电池结构稳定性及其安全性能，三元材料基于这种思路进行设计。目前，针对电池中锂离子导通率与结构不可逆坍塌问题，通过包覆涂层、离子掺杂等手段改善锂离子电池性能已经常态化，实际需求要求有更有效的改性方法。因此，本文综述了富镍锂离子电池三元材料LiNi_0.4Co_0.2Mn_0.4O₂（NCM424）、LiNi_0.5Co_0.2Mn_0.3O₂(NCM523)、LiNi_0.6Co_0.2Mn_0.2O₂(NCM622)和LiNi_0.8Co_0.1Mn_0.1O₂(NCM811)的研究现状与发展导向，认为简单的单一材料改性已遇到瓶颈，改性方法复合、设计材料多元结构是提升电池性能的一大发展方向；从改性材料的合成和运行路径入手，研究分子水平上的作用机制，建立统一理论模型，通过计算模拟手段设计电极结构，实现锂离子电池突破性的发展。     

一种用于变电站蓄电池恒流放电的新型电路拓扑

提出一种用于变电站蓄电池恒流放电的新型电路拓扑,该电路具有电路结构简单,稳流能力强,设定范围宽、性价比和可靠性高的特点.     

波纹角对波纹竖板冷凝换热特性的影响

为了提高板式换热器的换热性能,探究换热板片的波纹角对波纹竖板冷凝侧换热特性的影响,优化其结构参数,采用建模计算的方法定量分析了波纹角对板片换热面积、液膜下落时间、流体努塞尔数、摩擦系数等参数的影响,并用可视化实验观察了不同波纹角下液膜流动路径的特点。分析结果表明,波纹角的变化对板片换热面积影响很小,可以忽略。波纹角越小,液膜下落时间越短,排液速度越快,液膜厚度越小,越有利于冷凝传热。波纹角越大,冷凝液的流动路径越接近波纹状流型,扰动越剧烈,增大了流体的雷诺数和努塞尔数,且雷诺数值越大,努塞尔数对波纹角的变化越敏感。流体与波纹板的摩擦系数也会随着波纹角的增大而增大,蒸气冷凝时产生的摩擦压降也越大。     

心电信号循环平稳特性分析

本文在循环频率域内分析心电信号的特性,解决了心电信号循环平稳度与其分段采集时长关系的问题。以德国PTB数据库采集的三导联心电信号为例,首先对原始心电数据进行预处理操作,随后利用二阶循环统计量,研究心电信号的循环平稳特性,并比较分析不同采集时长的心电信号的循环平稳特性,揭示了循环频率与多个时域周期一一对应的关系。本文仿真结果表明,心电信号的循环平稳特性并非时时刻刻都有所体现,只有在采集时间足够长的情况下,才会在循环频域内出现足够数量的循环频率点,即在时域内具有准周期性。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。