增材制造设计(DfAM)下的金刚石晶格结构研究

基于机械零件的增材制造设计,用仿自然式方法设计了一种金刚石晶格结构,对晶胞相对密度和等效弹性模量建立了数学模型,并拟合得到二者关系式,一系列的仿真验证结果显示理论研究所得关系式具有一定的正确性;对金刚石晶格填充结构提出变密度假设,并用仿真和压缩试验的方法进行了验证,结果显示,填充单元密度以受力点为中心渐渐减小的变密度结构拥有更好的抗压性能,同时验证了本文得出的等效弹性模量数学模型具有一定的正确性和适用性.本研究结果可应用于承压机械零件的实体夹层填充,对机械零件进行应力匹配变密度设计,以达到机械结构轻量化的目标.     

不同技术条件下露天矿最终境界变化情况分析

基于 Opmetalminer 软件系统，综合考虑改变回采率、选矿回收率及废石混入率 3 种技术参数取值对露天矿最终境界的影响。首先根据矿山的地质数据构建相应的矿床数值模型，主要包括地表标高模型、台阶模型以及品位模型；然后根据矿山提供的相关技术参数及市场现时价格对境界进行优化，从而得到基础境界；最后分别对改变废石混入率、改变回采率与废石混入率、改变选矿回收率 3 种情况进行分析讨论。结果表明：单独考虑废石混入率时，废石混入率突破从 8% 降至 7% 的技术瓶颈时，可以获得增长幅度最大的境界盈利值；同时考虑回采率与废石混入率时，回采率突破从 91% 提升至 92% 的技术瓶颈时，尽管废石混入率从 2% 增至 3%，但依然可以获得增长幅度最大的境界盈利值；单独考虑选矿回收率时，选矿回收率突破从 79% 提升至 80% 的技术瓶颈时，可以获得增长幅度最大的境界盈利值。     

探究建盏的审美与文化——以曜变建盏为例

早在我国晚唐五代时期,就开始产生了建盏文化,发展到宋代时期逐渐和茶文化进行了融合,并形成了一些衍生文化。在历史发展过程中,国家的文化也在不断发展,建盏文化从诞生到盛行又走向衰弱,在现代又重新走向复兴,在这个过程中产生了许多建盏珍贵文物,也逐渐成为了陶瓷中的上品。在建盏文化中,最为典型的一种就是曜变建盏,其中更是蕴含了独特的审美和文化。     

水杨酸处理诱导采后甜瓜抗坏血酸-还原型谷胱甘肽循环代谢清除过氧化氢的作用及机制

目的：研究抗坏血酸（ascorbic acid，AsA）-还原型谷胱甘肽（reduced glutathione，GSH）循环代谢在水杨酸处理采后甜瓜诱导的过量H2O2清除过程中的作用。方法：用4 mmol/L水杨酸浸泡‘玉金香’厚皮甜瓜10 min，测定处理后果实常温贮藏过程中丙二醛（malondialdehyde，MDA）含量，分析活性氧的积累水平、超氧化物歧化酶（superoxide dismutase，SOD）和过氧化氢酶（catalase，CAT）活力，以及AsA-GSH循环过程相关酶活力及产物和底物含量。结果：水杨酸处理降低了果实MDA含量，第10天处理组MDA含量较对照组降低14.6%；显著提高了果实O2－·的产生速率和H2O2含量（P＜0.05），其中处理后第2天O2－·的产生速率高出同期对照组的1.9 倍，第6天H2O2含量高出对照组果实29.7%；提高了果实SOD活力，但抑制了CAT活力，说明H2O2的清除可能是依赖于除酶促系统外的其他系统。此外，水杨酸处理提高了果实抗坏血酸过氧化物酶、单脱氢抗坏血酸过氧化物酶、脱氢抗坏血酸还原酶和谷胱甘肽还原酶的活力，增加了AsA和氧化型谷胱甘肽的含量，降低了脱氢抗坏血酸和GSH的含量。结论：水杨酸处理诱导了厚皮甜瓜果实的氧爆，抑制了MDA产生，由水杨酸诱导产生的过量H2O2主要依靠AsA-GSH循环系统清除。     

雪菊精油对希氏肠球菌产酪胺及相关基因表达的影响

探讨不同质量浓度雪菊精油对希氏肠球菌（Enterococcus hirae）N47产酪胺的影响机制。利用反转录实时定量聚合酶链式反应分析E. hirae在雪菊精油作用下酪氨酸脱羧途径相关基因的表达情况；利用高效液相色谱法检测不同质量浓度雪菊精油对E. hirae产酪胺的影响。并将E. hirae接入到含不同质量浓度雪菊精油的熏马肠中发酵，评估香肠pH值、菌落总数和酪胺积累量。结果表明：在E. hirae纯培养体系和熏马肠体系中，雪菊精油通过抑制微生物的生长和酪氨酸脱羧途径中tyr DC、tyr P基因的表达，降低酪胺的积累量（P＜0.05）。当雪菊精油添加量为1/2最小抑菌浓度（minimal inhibitory concentration，MIC）和MIC时，熏马肠中酪胺的含量分别为78.52 mg/kg和45.83 mg/kg，较对照组分别减少了64.72%和79.41%。     

基于乙酰胆碱酯酶和氧化应激研究海胆酮对阿尔茨海默症的作用机制

海胆酮是一种酮式类胡萝卜素，主要从海胆及藻类等海洋生物中提取。本文研究海胆酮对乙酰胆碱酯酶（acetylcholinesterase，AChE）的抑制作用，应用酶动力学、荧光光谱、圆二色光谱和分子对接技术研究海胆酮对AChE的抑制机理，并用淀粉样β蛋白片段25～35（amyloid beta-peptide 25-35，Aβ25-35）诱导大鼠肾上腺嗜铬细胞瘤细胞（PC12细胞）建立阿尔茨海默症（Alzheimer’s disease，AD）模型，研究海胆酮对AD细胞模型氧化应激损伤的作用。结果表明，海胆酮有很强的AChE抑制活性，其半抑制质量浓度为（16.29±0.97）μg/mL，抑制常数Ki为3.82 μg/mL，表现为竞争性抑制；海胆酮可诱导AChE二级结构改变，更容易与AChE活性中心氨基酸Ser200、His440、Trp84和Tyr121结合，阻碍底物碘代硫代乙酰胆碱（acetylthiocholine iodide，ATCI）与酶结合，从而引起酶活力降低。海胆酮能有效抑制Aβ25-35诱导PC12细胞的AChE活力，降低丙二醛含量，增加超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶活力，减轻Aβ25-35诱导的PC12细胞氧化应激损伤。本研究基于AChE和氧化应激阐明了海胆酮对AD的潜在作用机制，为海胆酮在功能食品、生物医药等领域的应用提供了数据支持和理论根据。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

大豆蛋白纳米纤维对铁纳米颗粒的稳态化作用

为明确大豆蛋白纳米纤维的结构形成和扩宽铁强化剂的食品工业应用，以大豆分离蛋白（soy protein isolate，SPI）为原料，通过5 h的酸热处理制备纳米纤维（soy protein isolate fibrils，Fib SPI），系统研究纤维形成前后蛋白结构的变化，并进一步制备铁纳米颗粒（iron nanoparticles，Fe NPs），探究Fib SPI对铁的稳态化作用。研究结果表明：在酸热处理过程中，SPI产生大量的β-折叠结构，其与硫磺素T结合，显示出增强的荧光强度；此外，7S组分先发生降解，利于纤维成核形成，随后11S逐渐被水解，促进纤维生长；同时水解产生大量的小肽组分，提高了产物的还原力。研究进一步利用Fib SPI递送铁纳米颗粒（Fe NPs），发现与原始SPI相比，铁纳米颗粒可在Fib SPI原位形成胶体稳定的铁-大豆蛋白纳米纤维复合物（Fe FibSPI），并以Fe（II）形式存在，其对乳液体系色泽及稳定性的影响较硫酸亚铁或氯化铁小。该研究可为构建新型植物基铁强化剂递送体系提供理论和方法指导。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。