夏季吃什么蔬菜好

一、多吃瓜类蔬菜。夏季气温高,人体丢失的水分比其他季节要多,必须及时补充。蔬菜中的水分,是经过多层生物膜过滤的天然、洁净、营养,且具有生物活性的水,是任何人工生产的饮用水所无法比拟的。冬瓜的含水量,居众果之冠,高达96%,其次是黄瓜、金瓜、丝瓜、佛手瓜、南瓜、苦瓜、     

钛纳米改性聚合物防腐涂料的研究

为保护大庆油田三元复合液中油管,以钛纳米改性聚合物为主要原料,研制了钛纳米改性聚合物重防腐涂料.采用透射电子显微镜(TEM)研究了钛纳米改性聚合物平均粒径.采用正交试验法,确定最佳原料配比.采用扫描电子显微镜(SEM)研究了漆膜腐蚀.采用金相显微镜研究了钛纳米改性聚合物在漆膜中的分布.探讨了油管的腐蚀机理和钛纳米涂料的防护机理.实验结果表明:钛纳米含量为6%时,涂料具有最佳的防腐蚀效果,能很好的保护大庆油田三元复合液中的油管,并具有优异的抗化学药品介质的腐蚀性能.     

基于因果干预与不变性的卷积预训练模型优化研究

基于卷积神经网络（CNN）的深度模型在图像识别与分类领域应用广泛,但在全局特征控制、概念层次特征不变性提取和变量之间的因果关系确定方面仍存在不足,使得深度模型缺乏灵活性、适应性及泛化性。基于因果干预和不变性,提出一种基于CNN深度模型的定向修剪和网络结构优化方法。通过对模型输入进行基于不变性的干预调制,根据生成的调制图片序列分析预训练网络卷积子结构的输出分布,筛选和定向修剪噪声敏感子结构。构建基于类间区分度的目标函数,借助经济学领域中的资本资产定价模型构建网络的层间连接,生成在单分类任务下能增大类间区分度的网络拓扑结构,逐层优化构建概念层次的稳定特征。在ImageNet-2012数据集上的实验结果表明,优化后的深度模型相比于ResNet50基线预训练模型的分类准确率约提升了5个百分点,并大幅降低了训练集规模。     

基于Python的实时嵌入式软件测试脚本

基于Python语言设计一种实时测试脚本,开发扩展模块,实现测试脚本与嵌入式软件仿真测试环境（ESSTE）的接口。该测试脚本使用简便,实时性高、描述能力强、具有良好的可复用性,目前已成功应用到ESSTE中。对多个实时嵌入式软件进行测试,结果验证了该测试脚本的正确性和实时性。     

楔块重心位置对斜撑离合器性能的影响

在强制连续约束（PCE）型超越离合器工作过程中,由于楔块的重心与其自身旋转中心不重合,导致其所受离心力产生一个绕中心的扭矩,使得楔块惯性扭矩随重心位置改变,进而影响离合器的工作性能。采用分解法及坐标变换建立了楔块重心位置模型,采用ADAMS软件建立了斜撑离合器动力学模型,研究了不同重心位置的楔块对接触力及离合器接合、脱开性能的影响规律。结果表明：当重心位于旋转中心左侧0.05 mm时,楔块与内外环接触力将比位于中心左侧0.01 mm增大6%,离合器的接合时间加速14%,有利于楔合;当重心位于旋转中心右侧0.05 mm时,楔块与内外环接触力将比位于中心右侧0.01 mm减小6%,离合器的脱开时间加速20%,脱开性能变好。     

流动注射分析仪的单针进样多通道同时分析方案探讨

总结了多模串联、多通前置并联、多通后置并联三种可以应用于单针进样流动注射分析仪多通道同时分析的方案,并分别以简单方法模块和复杂方法模块为例进行试验。试验结果表明多模串联方案适合简单方法模块的多通道同时分析,三通前置并联方案适合复杂方法模块的多通道同时分析,且都体现出灵敏度高、重复性好及检出限低等特点,操作起来简便易行。     

冬季吃鱼好 四类人不宜

冬季是体弱者进补的好时机,鱼则是进补的上好水产食品,不仅味道鲜美,而且营养价值极高,其蛋白质含量为猪肉的2倍,且属于优质蛋白,人体吸收率高。鱼中富含丰富的硫胺素、核     

美国罐头食品工业的现状

罐头食品的销售在仃滞了几年之后,于1985年开始回升,其中以特种罐头增长最快,无菌包装罐头也有一定的增长。据《美国工业展望》1986年估算,1985年水果、蔬菜类罐头及特种罐头的产值已增至224亿美元,此数字意味着这些罐头的产量增加了2。2％。实际上,消费者对大多数罐头仍然不感兴趣,他们显然喜欢新鲜的和冷冻的食品,因此,上面提到的增长其实是由于对无菌包装、蒸煮食品和民族食品需求量的增长,不过,罐     

风力机齿轮箱振动信号分解方法研究

基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EE-MD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类.结果表明:EWT能较好地提取振动信号中的冲击成分;ITD在3种分解方法中诊断准确率最高且最稳定,最利于风力机齿轮箱故障诊断.     

灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用

针对风力机齿轮箱振动信号非线性和非平稳性的特征,提出基于模糊熵(Fuzzy Entropy,FE)和灰狼算法优化(Grey Wolf Optimizer,GWO)的支持向量机(GWO Support Vector Machine,GWO-SVM)的故障诊断方法.通过集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对振动信号进行分解得到若干本征模态函数(Intrinsic Mode Function,IMF)分量;求取各状态IMF分量的模糊熵并构建特征向量;将各特征向量输入GWO-SVM模型进行故障识别及分类.结果 表明:齿轮箱振动信号不同状态下的模糊熵有一定区分度,通过GWO-SVM能对其进行精确识别和分类,且GWO-SVM相对于粒子群优化(Particle Swarm Optimization,PSO)SVM模型和遗传算法(Genetic Algorithm,GA)优化SVM模型具有更短的运行时间和更高准确率,平均准确率高达92.5％.