含功效成分电子烟对动物模型止咳平喘作用研究

为考察电子烟作为功效成分递送器具的效果,选取L-薄荷醇、L-茶氨酸、丁香酚、木香烃内酯、西贝碱、菖蒲酮、7,4'-二羟基黄酮7种功效化合物和1种臭灵丹提取物,通过氨水引咳小鼠咳嗽模型和卵清蛋白(OVA)引喘大鼠哮喘模型,评价上述物质在电子烟中止咳平喘疗效.结果 显示:1)止咳效果方面.上述8种物质均减少了咳嗽模型小鼠的咳嗽次数,同时不同程度延长了咳嗽模型小鼠咳嗽潜伏期;2)平喘效果方面.上述8种物质对哮喘模型大鼠肺功能各指标均有改善,其中L-薄荷醇对呼气时间(简称"Te")、50％的呼气流速(简称"EF50％")有明显改善;L-茶氨酸对Te、最大呼气流速(简称"PEF")和EF50％有明显改善;丁香酚对PEF、EF50％和呼气量(简称"EV'")有明显改善;木香烃内酯对PEF和EV有明显改善;西贝碱对Te、PEF有明显改善;菖蒲酮对Te、PEF有明显改善;7,4'-二羟基黄酮对PEF和EV有明显改善;臭灵丹提取物对PEF和EF50％有明显改善;3)Model组大鼠存在明显哮喘病理改变:肺基底膜增厚并发生玻璃样变,相比Model组,8组接受功效型电子烟烟雾暴露的哮喘模型大鼠支气管哮喘均有改善.以上说明,电子烟作为具有止咳平喘功效成分的递送器具效果明显,这为功效型电子烟的开发提供了参考.     

酵母菌的致孔作用对PVA/CMC水凝胶性能的影响

利用酵母菌发泡制备了聚乙烯醇/羧甲基纤维素多孔水凝胶(D-PC)，采用FTIR对其化学结构进行了表征和Zeta电位分析共同证明了酵母菌和材料之间的相互作用；利用SEM和BET分别对其三维网络结构进行了观察以及比表面积、孔径进行了测定；研究了D-PC在不同条件下对亚甲基蓝(MB)的去除，通过纤维素降解酶实验测试了D-PC的降解性。研究结果表明：酵母菌通过静电作用包覆在D-PC内；随着酵母菌量的增加，D-PC的比表面积增大、平均孔径减小；D-PC对MB的去除机制以化学吸附为主，且吸附动力学符合伪二级动力学方程；去除效率随着酵母菌的增加而增大，随着pH、温度的增加先增大后减小；一定条件下D-PC能降解水凝胶中的聚乙烯醇。     

四川省植被覆盖时空演变及未来变化趋势分析

四川省地处长江上游,是长江流域重要的生态屏障;解析该区域植被覆盖的时空演变特征,对长江上游的生态环境修护与治理具有重要意义。基于长时间序列的MODIS NDVI数据,解析2000~2016年间四川省植被的空间分布格局与时间变化特征;采用趋势分析法和Hurst指数,预测未来植被的变化趋势及持续性。结果表明:(1)四川省NDVI多年平均值为0.50,植被覆盖整体上呈现川东高于川西的空间分布特征;(2)2000~2016年间,四川省的NDVI值在0.48至0.53之间波动,整体呈上升趋势,增长率为0.002 5/a;(3)植被覆盖度在未来变化将呈现改善大于退化的趋势;植被持续性改善的面积大于持续性退化的面积。     

关于电石炉散点除尘灰在热电脱硫装置的应用研究

通过对散点除尘灰的成分进行分析,并结合生产实际,提出将散点除尘灰在干法及湿法脱硫系统使用,既有效利用了生产固废,又节省了生产成本。     

0Cr20Mn21Ni2N奥氏体不锈钢锻件组织性能研究

研究了无磁钻铤用0Cr20Mn21Ni2N奥氏体不锈钢圆棒锻件横截面的室温强度、硬度和韧性等力学性能,并从微观角度进行了分析。在圆棒表层区域观察到了锻造变形态晶粒组织,而直径四分之一区域为再结晶组织,平均晶粒尺寸为80μm,芯部再结晶晶粒尺寸粗化为150μm,这些差异是由不同的变形温度和降温速度造成的。这种组织差异导致的室温拉伸性能和冲击韧性也有相应的变化趋势。研究结果表明,在900、1000℃以0.5 s-1的应变速率压缩的0Cr20Mn21Ni2N试验钢样品,其应力应变曲线具有一定的加工硬化特征,其芯部硬度比应变速率为0.1 s-1的样品分别提升了28、15 HB。在700、800℃以20%以上的变形量进行压缩时,峰值抗力显著提高,而在900、1000℃以10%~50%的变形量进行压缩时,峰值抗力均无明显提高,可保证顺利的变形过程。     

低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

基于深度卷积长短时神经网络的视频帧预测

针对视频帧预测中难以准确预测空间结构信息细节的问题，通过对卷积长短时记忆（LSTM）神经网络的改进，提出了一种深度卷积长短时神经网络的方法。首先，将输入序列图像输入到两个不同通道的深度卷积LSTM网络组成的编码网络中，由编码网络学习输入序列图像的位置信息变化特征和空间结构信息变化特征；然后，将学习到的变化特征输入到与编码网络通道数对应的解码网络中，由解码网络输出预测的下一张图；最后，将这张图输入回解码网络中，预测接下来的一张图，循环预先设定的次后输出全部的预测图。与卷积LSTM神经网络相比，在Moving-MNIST数据集上的实验中，相同训练步数下所提方法不仅保留了位置信息预测准确的特点，而且空间结构信息细节表征能力更强。同时，将卷积门控循环单元（GRU）神经网络的卷积层加深后，该方法在空间结构信息细节表征上也取得了提升，检验了该方法思想的通用性。