发酵产柴胡皂苷酶的研究

研究了用酶水解柴胡皂苷分子上的部分糖基，使皂苷部分水解生成低糖、高活性皂苷的方法．探讨了3种菌株对柴胡皂苷糖基的水解能力，得到1种具有较高活性的菌株SP．以2，用于水解柴胡皂苷.通过TLC法分析得到柴胡皂苷酶解最佳反应条件为40℃、24h,pH=5．0，在此基础上的酶反应回收率为118.8％.     

Research on theory and key technology of trusted computing platform security testing and evaluation

Trusted computing has become a new trend in the area of international information security, and the products of trusted computing platform begin to be used in application. Users will not use the products of information security, unless it goes through the testing and evaluation. Here we concentrate on the testing and evaluation problem of trusted computing platform, begin with constructing proper formalization model of trusted computing platform for testing, and establish a mathematical chain of trust model...     

被动式封隔器的国产化研发

通过对被动式封隔器结构组成、工作原理和主要功能的研究,提出国产化研发方案。对被动式封隔器的主要部件进行力学性能理论分析和仿真模拟,并针对被动式封隔器在实际运行中存在的问题进行优化设计。改进后的国产被动式封隔器顺利通过多项原型试验,并获得法国船级社（BV）审查认证。试验结果表明,国产化研发的被动式封隔器各项性能均达到设计和使用要求。被动式封隔器的成功研制及其国产化为有效降低工程项目成本、提高行业核心竞争力打下坚实基础。     

燃气轮机叶片材料0Cr17Ni4Cu4Nb砂带磨削性能研究

理论分析了在切除过程中磨粒与材料表面的交互作用机理,进行了砂带磨削燃气轮机叶片材料0Cr17Ni4Cu4Nb的试验研究,系统分析了各磨削工艺参数对材料切除率的影响规律,该研究对生产实践具有理论指导意义.     

钨合金球的制备与研究进展

基于不同领域对钨合金球性能指标的要求,总结并综述了制备钨合金球的材料体系、制备方法及性能检测方法等,对钨合金球的应用领域及今后研究发展方向进行了简单概述,以期为钨合金球的制备研究提供参考.     

X-PLY超强瓦楞纸板动态缓冲特性的试验研究

基于跌落冲击试验,研究X-PLY(A)、X-PLY(B)两种超强瓦楞纸板的动态缓冲性能,获得了动态缓冲特性曲线的经验公式及其特征系数,为X-PLY超强瓦楞纸板在缓冲包装中的推广应用提供了基本数据.结果表明,X-PLY超强瓦楞纸板的动态缓冲特性曲线呈凹谷状,开口向上,只有一个极小值点,冲击加速度波形近似于半正弦波,具有优良的动态缓冲特性,而且X-PLY(A)超强瓦楞纸板的动态缓冲性能比X-PLY(B)超强瓦楞纸板更好.     

射频等离子体增强化学气相沉积类金刚石薄膜的结构及摩擦学性能研究

以C2H2为碳源,Ar为辅助气体,利用射频等离子体化学气相沉积的方法在载玻片上成功地制备了类金刚石(DLC)薄膜.通过红外光谱分析了所制备DLC薄膜的结构;利用原子力显微镜分析了薄膜的表面形貌;通过表面轮廓仪测量了薄膜的沉积速率;还利用摩擦磨损仪对薄膜的机械性能进行了研究.实验结果表明,制备的DLC薄膜比较致密、均匀,有较好的耐磨性能.     

HDDR工艺条件及均匀化处理对Nd12.6Fe69.3Co11.6 B6.0 Al0.5合金磁性能的影响

研究了HDDR工艺条件(包括HD温度、HD时间、DR温度、DR时间)对Nd12.6Fe69．3Co11.6B6．0Al0．5合金磁性能的影响；比较了均匀化处理和未均匀化处理的合金经HDDR工艺后磁性能的差异；通过对两种舍金原始态的XRD谱线分析，找出存在差异的原因。     

基于BP神经网络的车牌自动定位方法

提出了基于BP神经网络的车牌自动定位方法。实验表明，由此建立的车牌自动定位模型适角于各类机动车辆，总定位率为99．5%，达到了业务使用的要求。     

非独立同分布数据下联邦学习算法中优化器的对比分析

在联邦学习环境中选取适宜的优化器是提高模型性能的有效途径, 尤其在数据高度异构的情况下. 本文选取FedAvg算法与FedALA算法作为主要研究对象, 并提出其改进算法pFedALA. pFedALA通过令客户端在等待期间继续本地训练, 有效降低了由于同步需求导致的资源浪费. 在此基础上, 本文重点分析这3种算法中优化器的作用, 通过在MNIST和CIFAR-10数据集上测试, 比较了SGD、Adam、ASGD以及AdaGrad等多种优化器在处理非独立同分布(Non-IID)、数据不平衡时的性能. 其中重点关注了基于狄利克雷分布的实用异构以及极端的异构数据设置. 实验结果表明: 1) pFedALA算法呈现出比FedALA算法更优的性能, 表现为其平均测试准确率较FedALA提升约1%; 2)传统单机深度学习环境中的优化器在联邦学习环境中表现存在显著差异, 与其他主流优化器相比, SGD、ASGD与AdaGrad优化器在联邦学习环境中展现出更强的适应性和鲁棒性.