天然抗菌防螨针织面料的开发

利用天竹纤维和石墨烯内暖纤维天然抗菌防螨功能,开发了春夏季竹棉汗布、秋冬季石墨烯内暖弹力双罗纹面料,介绍了开发工艺及技术难点,测试了织物的物理性能、抗菌性能、防螨性能。结果表明,所开发的两类面料具有优异的抗菌防螨效果,物理指标均符合Q/FZBTN 0003—2015《铜牛牌针织产品》企业标准要求,是开发功能性健康内衣休闲产品的理想面料。     

高产酸乳酸菌的筛选、鉴定和生长特性研究

为了获得高品质的乳酸菌用于工业生产,从本实验室保存的8株乳酸菌中筛选出3株产酸量高、生长良好的乳酸菌,并对筛选出的三株菌进行了分析鉴定和生长特性研究.结果表明,鉴定的3株菌中,菌ST1和菌ST3均为副干酪乳杆菌,菌ST6为鼠李糖乳杆菌 . 菌株ST1和ST3的最适生长温度为31～37℃,ST6的最适生长温度为37～43℃.菌株ST1的最适初始pH为5～7,菌株ST3和ST6的最适初始pH均为6～7 . 盐度＞14％会对菌株的生长产生明显抑制.     

洞巴水电站施工总体布置

通过对临建工程施工总布局的合理规划,充分利用各种有利条件,布局紧凑、严密,加快了施工进度,取得较好的效益.     

佳木斯市肠炎沙门菌的耐药特征及同源性分析

目的 了解佳木斯市优势血清型肠炎沙门菌的耐药状况及进化关系,为临床治疗提供科学依据。方法 对来自食品和腹泻患者的沙门菌进行血清学分型,采用微量肉汤稀释法对分离的肠炎沙门菌进行16种抗生素药敏试验,脉冲场凝胶电泳分析菌株之间的进化关系。结果 在108株沙门菌中,检出肠炎沙门菌55株（50.93%）;49株肠炎沙门菌有耐药性,耐药率为89.09%,其中33株菌（67.35%）为多重耐药,对抗生素萘啶酸和氨苄西林的耐药率较高,分别为81.82%和60.00%;55株肠炎沙门菌同源性为37%~100%。结论 佳木斯地区肠炎沙门菌多重耐药率高,菌株之间亲缘关系和耐药性存在密切关联性,来自食品和腹泻患者的肠炎沙门菌有交叉感染现象,依据本地区肠炎沙门菌耐药特征,制定有针对性诊疗方案和预防控制措施,对保障公共卫生健康发展具有重要意义。     

健康舒适保暖秋冬针织面料开发及工艺创新

根据针织保暖内衣产品特点,筛选保暖健康功能面料,将其应用于针织内衣秋冬保暖裤产品设计中,经过款式版型设计及缝制工艺创新,开发适合不同人群、不同年龄阶段,穿着合体、舒适的保暖健康功能服装,即德绒保暖女裤和丽尔弗莱特保暖男裤,实现功能面料与产品的有机结合。结果表明,所开发的功能性针织保暖内衣,保暖抗菌功能优异,贴身舒适,取得了理想的产品开发效果。     

磁性纤维素纳米晶体与水溶性聚合物间相互作用分析及其乳化特性探究

以纤维素纳米晶体(cellulose nanocrystal, CNC)为生物基模板合成磁性纤维素纳米晶体(magnetic cellulose nanocrystal, MCNC),通过石英晶体微天平探究其与不同的水溶性聚合物的相互作用,研究不同乳化体系用于稳定Pickering乳液的特性差异并揭示其稳定机理。结果显示,甲基纤维素(methylcellulose, MC)可吸附于MCNC表面,降低乳化体系的油-水界面张力,提高乳液体系的黏度,使乳液具有良好的存储稳定性。而羟丙基甲基纤维素(hydroxypropyl methylcellulose, HPMC)在MCNC表面的吸附则相对微弱。冷冻扫描电镜观察发现,单独MCNC棒状纳米粒子堆积于乳液液滴表面,而MCNC/MC复合物则连接于液滴之间形成了"神经元状"网络,表明由MCNC单独或MCNC/MC协同稳定的乳液符合固体颗粒界面膜理论和三维黏弹粒子网络机理,而MCNC/HPMC协同稳定的乳液中仅能观察到凸起的HPMC分子,在液滴表面难以观察到棒状MCNC,因此推测MCNC、HPMC在油-水界面的吸附可能为竞争性的。     

低温环境对变压器油中溶解气体在线监测装置的影响分析

为解决变压器油中溶解气体在线监测装置在低温环境长期运行时存在的误报率高、故障频发、维护工作繁重等问题,开展变压器油中溶解气体在线监测装置在低温条件下长期运行的常见故障分析,总结低温环境对监测装置的电子器件、材料等方面的影响,提出低温条件下变压器油中溶解气体在线监测装置的改进建议.     

雷达光栅扫描显示技术探讨

光栅显示技术是雷达显示技术的发展方向。本文介绍了近年来雷达光栅扫描显示技术的应用,并对当今出现的最新技术进行了探讨。     

一种基于自适应参数的图像加密算法

现有的图像加密算法对选择明文攻击安全性较低。针对该问题,提出一种基于自适应参数的图像加密算法,对图像重心公式进行改进,将计算所得的重心坐标作为自适应参数,协同用户密钥输入四维超混沌系统产生混沌序列,进行图像加密,通过可逆数字水印技术将自适应参数保存到加密图像中。实验结果证明,该算法密钥管理方便,能够抵抗选择明文等攻击。     

基于邻域粗糙集和帝王蝶优化的特征选择算法

针对经典的帝王蝶优化（MBO）算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集（NRS）和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制以形成一种二进制MBO（BMBO）算法;其次,引入突变算子增强算法的探索能力,设计了基于突变算子的BMBO（BMBOM）算法;然后,基于NRS的邻域度构造适应度函数,并对初始化的特征子集的适应度值进行评估并排序;最后,使用BMBOM算法通过不断迭代搜索出最优特征子集,并设计了一种元启发式特征选择算法。在基准函数上评估BMBOM算法的优化性能,并在UCI数据集上评价所提出的特征选择算法的分类能力。实验结果表明,在5个基准函数上,BMBOM算法的最优值、最差值、平均值以及标准差明显优于MBO和粒子群优化（PSO）算法;在UCI数据集上,与基于粗糙集的优化特征选择算法、结合粗糙集与优化算法的特征选择算法、结合NRS与优化算法的特征选择算法、基于二进制灰狼优化的特征选择算法相比,所提特征选择算法在分类精度、所选特征数和适应度值这3个指标上表现良好,能够选择特征数少且分类精度高的最优特征子集。