以创先争优为指导,扎实推进秦港股份公司党建工作

如何在本职岗位、日常工作中创先争优,全力推动基层党组织和党员干部积极作为、创新作为、科学作为,是值得思考的问题.为深入研究泰港股份公司开展创先争优活动状况,我们以各直属党组织为单位,采取问卷调查、个别走访,召开座谈会等形式,对公司全体党员就如何以创先争优活动活动为契机,扎实推进公司党建工作进行了专题调查.     

汽轮机低真空运行循环水供热技术的研究与实施

分析了汽轮发电机实施低真空运行、增加排汽温度、提高循环水的供回水温度改造的可行性。用循环水直接供热,使做功发电后的蒸汽热能得到充分利用,取代大量的蒸汽供暖,从而提高能源的综合利用效率。对汽轮机的改造有调整各部件的间隙,减少机组一振动;加固凝汽器,确保系统安全运行;优化调速系统,消除滑阀产生卡涩的因素。改造后,该汽轧机实现了低真空运行循环水,实现了居民集中供热和热电联产,达到了节能减排的目的。     

反渗透技术在2500m^3高炉脱盐水站的研究与应用

针对2500m^3高炉配套用锅炉对水质的要求,制定了脱盐水站反渗透制水工艺,使脱盐水达到了锅炉用水标准,减少了酸碱消耗,降低了生产成本。     

女贞子提取物在功能化妆品中的应用研究进展

女贞子为木樨科植物女贞的干燥成熟果实,具有滋补肝肾、明目乌发等功效。女贞子提取物中的有效成分,广泛应用于医药及畜禽养殖业等领域。目前尚未发现女贞子提取物在功能化妆品行业的相关综述报道。文章较为全面地介绍了近年来对女贞子提取物的提取纯化与功能化妆品的发展趋势,以期为女贞子的进一步开发利用提供参考。     

2015-2020年高考全国卷Ⅲ物质结构与性质部分考查分析及备考建议

物质结构与性质模块,概念理论知识较多,理解难度较大,学习时还需具备一定的空间想象和理解能力,因此该模块对大部分学生而言学习起来难度较大.对2015-2020年高考全国卷Ⅲ中的物质结构与性质模块的考点进行了统计分析,并针对部分常见问题提出了相应的学习策略和备考建议,希望能够帮助学生更好地学习该模块的内容.     

微波处理聚吡咯在硅基锂离子电池中的应用

为提高硅颗粒再硅基锂离子电池中的寿命,利用聚吡咯在微波条件下制成的线性碳材料制成了能够存储硅颗粒的网状结构,并在该结构基础上覆盖一层致密的不含硅的石墨烯材料层,在极片表面形成双层结构,这种双层结构没有改变硅颗粒在工作过程中的体积膨胀,但可以为硅的膨胀提供缓冲空间且有效阻止硅颗粒与集流体脱离联系,从而使电池的有效容量和循环性能得以提升。当粒径分布在0.5~5μm的硅颗粒结合这种双层结构应用于锂离子电池时,在500 mA?g-1的电流条件下经过100次循环,可逆比容量高达829.6 mAh?g-1。     

铝空气电池关键技术研究进展

金属空气电池也称金属燃料电池,是一种将金属的化学能直接转化为电能的装置。金属铝在地壳中储量丰富且具有较高的理论体积比能量,因此铝空气电池成为近年来关注的热点,然而金属铝在碱性电解液中的析氢问题一直是阻碍铝空气电池发展的主要因素。本文综述了铝空气电池关键技术的研究进展,包括铝合金阳极、铝腐蚀抑制剂、空气电极结构、电解质、催化剂等方面。使用含Sn、Ga、In等元素的铝合金阳极,将金属铝加工成超细晶材质,在电解质溶液中添加铝腐蚀抑制剂均可在一定程度上提高铝电极效率。铝空气电池已经在诸多领域实现应用,随着研究的继续深入,铝空气电池在能源行业将拥有广阔的应用前景。     

可调谐激光吸收光谱光纤甲烷传感器研究

甲烷光谱吸收与气室温度有关,结合甲烷波长1 653.72nm附近2v3带R(3)支的3条吸收线,分析温度波动对甲烷吸收线的谱线特性及气体浓度反演产生的影响.基于可调谐二极管激光吸收光谱设计了一套带温度信号采集装置的甲烷浓度检测系统,利用校准系数将不同温度下检测得到的二次谐波信号转化为参考温度下的标准信号,反演待测气体浓...     

基于氧化石墨烯修饰的DNA生物传感器用于苯酚的检测

作为一种典型的优先控制污染物,苯酚一直是环境监测和污染控制的重要对象。基于氧化石墨烯大的比表面积、优良的电子传导性等特性,以其为桥梁,为DNA在玻碳电极上的固定提供了可能,并加大了DNA在电极上的电化学响应信号,由此而构建了一种性能优良的DNA生物传感器。将该传感器浸在含有苯酚的溶液中,由于苯酚对DNA的损伤作用,降低了DNA在电极上的电化学响应。实验发现,响应信号与苯酚的浓度对数呈现良好的线性关系,响应范围为1.0×10-8～1.0×10-4mol/L,此外,该生物传感器表现出良好的稳定性和重现性。     

非完备数据集下的标准自学习数据增强滚动轴承故障诊断方法

滚动轴承的智能故障诊断是设备安全、高效运行的重要保障。然而,非平稳的运行工况使采集到的训练数据集呈现不完备的特点,导致基于数据驱动的模型仅能从中学习到极为有限的诊断知识,致使诊断准确率大幅下降。针对此问题,以生成扰动样本扩充原始数据集的完备性为目的,提出了标准自学习数据增强故障诊断方法。该方法包含标准自学习和数据增强两个训练步骤,将一维卷积神经网络的训练过程看作模型自学习出评判扰动样本的标准,基于此标准,采用样本参数化与模型数据化方法生成扰动样本。两步骤交叉进行,不仅能生成扰动数据、增强数据集完备性,同时能获得非平稳工况下的故障诊断模型。此外,通过研究不同数据生成次序的样本差异,发现所提方法在生成数据时,通过数据生成距离与方向的随机性叠加,保证了生成样本的多样性。实验结果表明所提方法在不完备的训练数据集下对非平稳工况样本的诊断具有有效性和优越性。