干腌火腿的质量缺陷及防止措施

由于猪腿原材料或者加工技术的问题,而造成干腌火腿产品质量的多种缺陷。综述了干腌火腿中常见的各种质量缺陷以及防止这些质量缺陷的措施。     

用AD8302实现幅相测量系统

本文介绍了用于RF/IF幅度和相位测量的新型芯片AD8302的功能及特点,并给出了此芯片在实际工作中的两种典型应用。     

基于广义双参数最弱链统计模型分析纤维断裂强度与尺寸的相关性

为探究纤维断裂强度与尺寸之间的相关性,通过一种改进的广义双参数最弱链统计模型分别对不同标距尺寸下聚丙烯腈基碳纤维和黄麻纤维的断裂强度数据进行统一处理. 通过引入指数参量β,表征缺陷实际空间分布与理想均匀空间分布条件的偏离程度,将纤维断裂强度和尺寸作为统计参量,得到的纤维失效函数综合反映纤维断裂强度和尺寸对失效概率的影响,较好地描述了纤维断裂强度和尺寸之间的相关性.     

AN ELECTRON MICROSCOPE OBSERVATION OF INTERPHASE CARBIDE PRECIPITATION IN 10MoWVNb

<正> 在含强烈形成碳化物元素的低碳钢的γ→α转变过程中,合金碳化物常常呈现线列状形态。Honeycombe及其合作者研究了一系列三元合金钢,提出了这类碳化物“相间沉淀”机制,并运用薄晶体透射电镜法,采取具有大倾转角的试样台将渐次分布在二维界面上的碳化物相对于入射电子束倾斜,使碳化物表现出二维带状特征。Purdy在超高压透射电镜中,对1％Mo,0.4％C钢进行了原位动态观察,进一步证实     

废旧锂电池中有价金属回收及三元正极材料的再制备

探讨了磷酸体系下不同因素对废旧锂电池正极材料中有价金属浸出效率的影响，结果表明：在浸出时间60min，反应温度60℃，磷酸浓度2mol/L，液固比20mL/g，还原剂(H₂O₂)体积分数为4%时，可得最佳浸出效果，Co、Li、Mn、Ni浸出效率分别可达96.3%、100%、98.8%和99.5%；浸出液添加相应比例金属离子，采用草酸共沉淀法制备前体材料(Ni_1/3Co_1/3Mn_1/3)C₂O₄，并得到相应再生磷酸溶液。再生磷酸进行循环浸出实验，实验研究结果表明：循环浸出5次之后Li的浸出率仍可保持在90.1%，而Co、Mn和Ni的浸出率在75.0%以上。前体添加锂源Li₂CO₃煅烧合成Li(Ni_1/3Co_1/3Mn_1/3)O₂材料，考察了不同温度对Li(Ni_1/3Co_1/3Mn_1/3)O₂材料合成的影响，结果显示，当合成温度为800℃时，得到的材料性能最优良，初次放电容量可达136.4mA·h/g。在0.2C下经过50圈循环后容量保持率为97.2%。     

聚乙烯醇/聚乙烯亚胺纳米纤维对铬酸根离子的吸附性能

以聚乙烯醇(PVA)和聚乙烯亚胺(PEI)为原料,采用静电纺丝技术、戊二醛交联方法制备了PVA/PEI_(70 000)(重均分子量70 000)和PVA/PEI_(10 000)(重均分子量10 000)耐水性纳米纤维,通过傅里叶变换红外光谱和扫描电镜对其进行了表征,研究其力学性能和对铬酸根离子的吸附作用。结果表明,PVA/PEI_(70 000)纳米纤维具有较大的拉伸强度,对铬酸根离子的吸附效果明显好于PVA/PEI_(10 000)。溶液pH值的增加减弱了PVA/PEI纳米纤维对铬酸根离子的吸附效果,随着PVA/PEI纳米纤维用量的增加,对铬酸根离子的吸附率升高,但吸附量呈现逐渐降低的趋势。PVA/PEI纳米纤维的吸附机理遵循Langmuir等温吸附模型和准二级动力学方程,吸附过程具有自发性。重复使用性实验证明PVA/PEI纳米纤维材料具有良好的脱附再生性能。     

消除光学玻璃F_1中的透明结石

运用岩相分析、酸腐蚀和光谱定性分析方法,对光学玻璃F_1中的透明结石进行鉴定。结果表明,结石中富含铝,显微镜下可见莫来石与霞石等晶体特征,说明该玻璃中的透明结石来源于耐火材料侵蚀。 提出了消除透明结石的有效方法,在生产实践中收到了效果。     

融合多头自注意力的问答社区专家推荐算法

专家推荐是在线问答社区的研究热点之一,但现有的算法大多关注用户的静态兴趣和问题信息的匹配,忽视了对用户的动态兴趣表征信息的有效捕捉,从而导致推荐的准确度不足。针对上述问题,提出了融合多头自注意力的问答社区专家推荐算法。首先,构造由卷积神经网络和注意力机制组成的问题编码器,来处理目标问题和用户历史回答问题,提取对应的问题表征;其次,将用户历史回答问题序列当作时间序列,利用多头自注意力机制学习序列中所蕴涵的动态兴趣表征,结合用户的静态兴趣表征,获取用户的综合兴趣表征;最后,将目标问题表征和用户综合表征进行相似性计算产生推荐结果。利用来自知乎问答社区的真实数据进行了不同参数配置及不同算法的对比实验,实验结果表明该算法性能要明显优于目前较流行的深度学习专家推荐算法。