无纸化会议系统建设策略研究

通过对于无纸化会议系统软硬件研究,提出传统会议与无纸化会议系统的优缺点。分析不同网络方案、会议功能、部署方式,给出不同会议场景无纸化会议系统方案。同时还研究了无纸化会议系统的安全性问题,为后续无纸化会议系统建设提供重要的指导参考。     

高温对煤炭地下气化围岩损伤的影响

煤炭地下气化是煤炭无害化开采技术创新战略方向之一，该技术可以回收老矿井废弃煤炭资源，对传统采煤技术难以开采的煤炭资源进行原位清洁转化。气化过程中燃空区形成带来的结构应力和高温造成的热应力共同作用对岩石造成损伤。以大城勘查区深部煤层为气化对象，得出典型围岩热物性及力学参数随温度变化规律。基于连续损伤力学理论，在平滑Rankine损伤模型的基础上提出高温岩石损伤变量模型，使用COMSOL Multiphysics多物理场耦合软件对深部煤层地下气化过程围岩温度、主应力、损伤变量进行模拟研究。结果表明，5种典型岩石的比热容随温度升高整体呈上升趋势，导热系数随温度升高整体呈下降趋势，抗压强度和弹性模量随温度变化规律差别较大。围岩受温度影响范围随气化时间呈指数变化，气化10 d时，温度影响范围仅为3.27 m;气化50 d时，温度影响范围达到5.73 m;气化100 d时，温度影响范围为8.21 m;气化400 d时，温度影响范围达到18.20 m。结合地下气化过程中普遍采用的控制注气点后退气化法，岩石处于高温区的时间在40 d左右，温度场对围岩的影响范围约为4.7 m。燃空区上方及两端均出现损伤...     

改性玉米秸秆纤维素的制备及其对Pickering乳液稳定性的影响

以玉米秸秆为原料，通过亚氯酸钠-醋酸-氢氧化钠法提取纤维素（corn straw cellulose,CS），分别用硫酸水解和硫酸水解-高压均质联用的方法对CS进行改性，并以百里香精油作为油相制备Pickering乳液，研究改性前后纤维素作为乳化剂对Pickering乳液稳定性的影响。分别对改性前后纤维素的结构与性质进行表征，对所得乳液微观结构、粒径、电位、稳定性和流变特性进行测定。结果表明：与CS和硫酸水解改性的纤维素（cellulose precipitation,CP）相比，硫酸水解-高压均质联用改性的纤维素（high pressure homogenization cellulose,HPC）的粒径显著减小（P<0.05），为28.61μm。活性基团数量增多，静水接触角变大，达到76.1°，约为CS的2.4倍。CP的微观形貌呈现短棒状结构，表面光滑；而HPC呈现卷曲状，表面由平滑变得疏松多孔。改性后的玉米秸秆纤维素均提高了Pickering乳液的稳定性，其中由HPC稳定的乳液的稳定性最好，乳液粒径最小，为3.53μm，粒径分布也更均匀。在21 d的25℃贮藏中，液滴之间没...     

拜登执政 油价不惊

拜登在石油、天然气消费端和生产端的政策大多只停留在总统权力范围之内,并不能越过国会强行推行法案。因此,拜登的能源新政对国际原油价格的影响非常有限。1月21日,国际油价小幅下跌,再度引发疫情打压需求的担忧,但美国推出刺激措施的希望限制了油价跌势。     

VO2/GaAs异质结的制备及其光电特性研究

采用直流磁控溅射和后退火氧化工艺在p型GaAs单晶衬底上成功制备了n-VO_2/pGaAs异质结,研究了不同退火温度和退火时间对VO_2/GaAs异质结性能的影响,并分析其结晶取向、化学组分、膜层质量以及光电特性。结果表明,在退火时间2 h和退火温度693 K下能得到相变性能最佳的VO_2薄膜,相变前后电阻变化约2个数量级。VO_2/GaAs异质结在308 K、318 K和328 K温度下具有较好的整流特性,对应温度下的阈值跳变电压分别为6.9 V、6.6 V和6.2 V,该结果为基于VO_2相变特性的异质结光电器件的设计与应用提供了可行性。     

液相色谱-串联质谱技术在临床检验中的应用研究进展

液相色谱-串联质谱（LC-MS/MS）技术具有高灵敏度、高特异性、高分辨率和高效率的优点。近年来随着仪器灵敏度的提高，LC-MS/MS在常规临床检验中显示出极大的潜力，并在疾病早期预防和诊断中发挥着不可替代的作用。本文对LC-MS/MS在新生儿疾病筛查、维生素D检测、内分泌激素检测、肽类和蛋白质定量分析等临床检验方面的研究进展进行综述，并讨论了未来面临的挑战。     

节能型防回火技术在氢气输气管道泄放系统中的研究应用

本文介绍一种新型节能防回火安全泄放技术在氢气输气管道的应用,将传统的1mmPa级微正压密封提高至10Pa级正压密封,极大提高了常规吹扫气的密封性,阻止空气的渗透,在保证极强的防回火性能的同时可降低80%氮气消耗量,安全性高、节能效果显著,可在氢气输气管道放空系统中广泛使用。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.