排序方式: 共有28条查询结果,搜索用时 0 毫秒
1.
提出了一种基于二代镍基单晶(SX)高温合金γ′相尺寸变化统计分析的SX高温合金固溶热处理最佳时间的选择方法。通过数值分析引入了微观结构均匀性ω,根据数据统计ω曲线可分为3个阶段:显著变化区、过渡区和稳态区。过渡区描述了固溶热处理时间选择的最佳范围。通过测量合金的γ′筏化和蠕变性能,验证了该方法的有效性。同时也通过第四代镍基SX高温合金验证了该方法的准确性。该方法能够有效地建立最优的热处理工艺,并为SX高温合金的设计和工程应用提供指导。 相似文献
2.
3.
采用籽晶法制备了3种[001]取向的镍基单晶高温合金。通过正方形估算法和直接测量法统计了合金不同凝固高度的一次枝晶间距。该方案消除了晶界和晶体学取向对一次枝晶间距的影响。随着凝固高度升高,3种合金的一次枝晶平均间距逐渐增大。两种统计方法的一次枝晶平均间距相近,说明两种方法的精度均较高。此外,3种合金的一次枝晶间距在较大的范围内变化,且呈正态分布。3种合金的一次枝晶间距上限是下限的5.4~8.5倍。 相似文献
4.
本实验以植物乳杆菌(Lactobacillus plantarum)B02012和消化乳杆菌(Lactobacillus alimentarius)20998两株具有相近产酸速率和酸化性能的乳酸菌制备长时发酵酸面团(分别简称为SL_(B02012)和SL_(20998)),并以传统酵母菌长时发酵酸面团(SY)和可食性有机酸化学酸化面团(SCA)为对照,通过十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(sodium dodecyl sulfate-polyacrylamide gel electrophoresis,SDS-PAGE)、傅里叶变换红外光谱(Fourier transform infraredspectrophotometer,FTIR)、内源性荧光扫描(intrinsicfluorescencescanning,IFS)、竞争性酶联免疫吸附测定(enzyme linked immunosorbent assay,ELISA)并结合层次聚类分析(agglomerative hierarchical clustering,AHC)等方法研究不同发酵面团中小麦蛋白分子二、三级结构及麦醇溶蛋白免疫性的变化和相关性。SDS-PAGE结果显示,乳杆菌的添加对降解面团蛋白质起主导作用;与面团SL_(20998)相比,面团SL_(B02012)的高分子质量麦谷蛋白及部分麦醇溶蛋白发生了更明显降解。FTIR和IFS进一步验证,面团SL_(B02012)的蛋白分子柔韧性增加,α-螺旋含量下降最明显,α-螺旋含量/β-折叠含量的比值最小;面团SY、SL_(B02012)和SY_(LB02012)的λ_(max)发生蓝移,而SL_(20998)的λ_(max)发生红移,蛋白质三级结构得到伸展。ELISA结果表明,对比空白组,面团SL_(B02012)麦醇溶蛋白的免疫性下降了35%,且与面团SCA差异不显著,而SL_(20998)麦醇溶蛋白的免疫性增加了29.5%。AHC结果表明,不同发酵条件获得的发酵面团中麦醇溶蛋白的二、三级结构及其免疫性呈现良好的聚类关系。本研究结果表明,植物乳杆菌B02012可作为制备低敏发酵制品的优势菌,为进一步深入研究乳酸菌降敏机理提供理论支撑。 相似文献
5.
6.
为了充分利用网上大数据资源,让用户能够方便利用影视信息,采用基于Scrapy框架的爬虫技术,开发了检索电影信息的搜索引擎。对豆瓣网站的影视信息进行爬取,以方便用户准确获取最新的电影信息。 相似文献
7.
采用精密铸造法制备板状双晶和三晶试样,研究晶粒的二次枝晶取向对晶粒竞争生长的影响。结果表明,对于一次枝晶取向相同的双晶,随二次晶界角增大,晶界位置始终位于板状试样的中间,2个晶粒之间几乎不存在竞争生长。对于一次枝晶取向不同的三晶,汇聚晶粒和发散晶粒的竞争生长情况不同。在汇聚生长的情况下,择优取向枝晶与非择优取向枝晶互相阻挡,导致晶界向择优取向晶粒倾斜,这与经典的WaltonChalmers模型不一样。并且二次取向不影响汇聚晶粒的竞争生长。在发散生长的情况下,择优取向枝晶与非择优取向枝晶都能分枝出新的枝晶,使晶界向非择优取向晶粒倾斜,这与Walton-Chalmers模型一样。此外,二次取向不影响发散晶粒的竞争生长。 相似文献
8.
为了将印刷产线缺陷数据中相对复杂、抽象的部分通过可视化的形式,使其能被更易理解的方式实时地展示出来,以便使用者快速接收数据状态,调整产线生产,制定相应决策.针对工厂产线实际生产状况,通过获取工厂实际的生产数据开发了基于B/S架构的印刷品质量缺陷信息管理系统. 相似文献
9.
针对基于修正线性单元(ReLU)的滚动轴承故障诊断方法导致分类不准确的问题,本文提出了一种基于bReLU激活函数改进的卷积神经网络(CNN)和长短时记忆神经网络(LSTM)的滚动轴承故障模型。该网络模型首先在CNN网络使用bReLU激活函数完成自适应特征提取,并在卷积层和激活函数之间加入批量标准化层(BN),最后叠加LSTM网络对时序特征进行学习。该模型在凯斯西储大学的故障数据集的准确率可以达到99%以上,较于其它类型的CNN-LSTM故障模型准确率更高,训练时长减少66.7%。实验表明所提出的模型更加适用于工业设备轴承的故障诊断。 相似文献
10.