应用型本科院校培养药物化学实验能力的探索

培养药物化学实验能力是应用型本科院校在新时代培养高素质应用型人才的重要途径.传统教学体系不适应制药行业的发展形势,导致学生的实验能力存在多种问题.为了加强实验教学,提高实验教学质量,需要提高实验地位、建设一流的实验教师队伍、更新实验课内容、改进实验装置、改进考核体系、引入现代测试方法.     

咔唑及其衍生物的应用研究进展

本文主要讲述了咔唑及其衍生物因其特殊的结构,在燃料、光电材料、超分子识别、医药等领域的应用,并对其应用前景做了展望。     

XLPE电缆绝缘老化修复技术的工程应用研究

通过水针电极老化法加速XLPE电缆绝缘产生明显水树,采用一种硅氧烷修复液对水树老化XLPE电缆绝缘进行修复,比较了修复前后老化XLPE电缆绝缘的介损和直流泄漏电流,并通过显微镜和扫描电镜（SEM）对水树及其内部的填充物进行了观察。结果表明：修复液能扩散到水树内消耗水分,生成绝缘性能良好的填充物填充水树空洞,使介损和泄漏电流明显下降,绝缘性能逐渐恢复到接近老化前水平。利用修复液对老化样本绝缘进行修复,对现场运行老化电缆进行了绝缘修复实验表明,修复后电缆的介损和直流泄漏电流下降一半以下,显著提高了水树老化运行电缆的绝缘性能。     

XLPE电缆绝缘修复技术中缆芯导体的腐蚀性评估

分别对铜芯和铝芯交联聚乙烯制造针刺缺陷并高频高压加速老化,然后对老化后的电缆试样进行硅氧烷注入式修复,并对铜芯和铝芯电缆的缆芯进行了电镜扫描(SEM)和X射线光电子能谱(XPS)分析,研究硅氧烷注入式修复技术的修复效果及其对缆芯导体的腐蚀性。结果表明:修复后的电缆的绝缘性能显著提高,其介质损耗角正切值(tanδ)与工频击穿电压均优于未修复老化电缆,且与新电缆基本相同。铝芯电缆的缆芯明显被腐蚀,而铜芯电缆不受影响。     

高频谐波导致谐振过电压的分析与抑制

变频调速牵引系统向电网注入大量高频谐波,容易诱发谐振过电压,使电力设备损坏。使用阻抗扫描法和频谱分析法分析了某条电力机车牵引试验线路过电压事故,并提出一种有效且经济的解决措施。首先使用电能质量测试仪和高速示波器测量接触网上的谐波和过压波形;然后建立牵引供电系统谐振模型,绘出系统阻抗扫描图,计算系统自振荡频率为3.9 kHz与变流器高频特征谐波构成谐振回路,与测试数据相吻合;最后通过改变牵引变压器绕组接线方式,减少电源阻抗,增加系统稳定性同时破坏谐振条件。现场测试表明,谐波减轻、谐振过电压消失,接触网电压有效值从原来的28.26 kV降至25.5 kV,证明了该方法有效。     

有机硅注入技术对电缆水树缺陷的绝缘修复研究

通过有机硅液体压力注入的方式,对交联聚乙烯(XLPE)电缆的水树缺陷进行绝缘修复,并分析其修复效果和原理.通过加速水树老化实验,使电缆介质损耗因数达2％左右,绝缘电阻低于3500 MΩ,利用压力注入式修复装置把修复液注入缆芯对水树缺陷进行填充和修复,比较了修复前后的介质损耗、击穿电压和电场强度等.结果表明:该修复液能在...     

中压电缆终端高频电热老化试验装置的研制及分析

中压电缆终端被广泛应用于柔性交流输电和作为逆变器和电机的连接中,这些电缆终端可能会遭受到高频谐波电压的冲击,从而导致其绝缘迅速失效.本文研制了模拟电网高频谐波电压和工频大电流的电热老化试验装置.首先,通过信号发生器和功率放大器产生低压大电流信号,再通过高频变压器升压获得高频高压;同时通过工频试验变压器产生工频高压,将工...     

面向网络安全演练的分布交互仿真平台

本文在分布式网络仿真器GTNetS[3]和HLA RTI[1]--CeRTI[4]的基础上,针对网络安全演练的需求,设计了一种可伸缩的分布式人在回路网络仿真器.     

基于ROS系统和SLAM技术的智能小车的研究

文章研究了一种具有同时定位与地图构建功能的智能小车。该小车的构建是基于ROS操作系统和Ubuntu操作系统,并采用C++设计语言完成的;主要由激光雷达、麦克纳姆车轮、深度相机等器件组成,可以实现三维建图、室内自主定位导航、动态避障、视觉巡线等功能。重点分析了智能小车的物理构造,并对小车的部分结构件以及SLAM技术的硬件和软件实现做了重点介绍。最终通过多次实验,实现了小车的位姿估计和地图构建功能。     

基于LSTM神经网络的管道缺陷模式识别方法研究

针对复杂环境下,管道振动信号特征微弱难以提取的问题,提出一种基于长短时记忆网络(LSTM)深度学习神经网络的管道缺陷模式识别方法;首先利用改进型自适应噪声的完全集合经验模态分解(ICEEMDAN)对采集的原始信号进行分解得到若干个固有模态函数(IMF)分量,随后根据信息熵理论计算IMF分量的近似熵作为管道典型状态的特征值构造特征向量集合,然后构造LSTM深度学习神经网络训练模型并调节深度神经网络在训练过程中的相关参数进行网络的结构优化,最后将特征向量输入到LSTM神经网络模型进行训练和识别;结果表明:针对管道振动信号特征微弱难以提取的问题,该方法对管道缺陷模式识别的准确率达到了95％,在消除管道振动信号的背景噪声、挖掘特征信息和保证识别准确性方面优势明显.