分子结构分区方法及在二硫化合物QSRR研究中的应用

从二硫化合物分子结构特征出发,并结合色谱分离机制,将分子结构进行分区处理,通过所建构的总拓扑立体效应指数(TTSEI)、顶点度-距离指数(VDI)、奇偶指数(OEI)、极化效应指数(PEI)等拓扑结构参数,用多元线性回归(MLR)方法获得了二硫化合物在4种不同极性固定相上气相色谱保留指数(RI)与4个结构参数之间的定量结构-色谱保留相关(QSRR)的统一模型,相关系数均大于0.98,以留一法(Leave-one-out)进行交互检验,相关系数R_(cv)均大于0.97。模型方程用于预测各二硫化合物的气相色谱保留指数其稳定性和准确性俱佳。     

锚索框架梁的受力分析研究

应用ANSYS有限元分析程序对锚索框架梁进行了数值模拟,分析了不同工作阶段下框架梁的内力及作用在框架梁上的土压力,总结出了框架梁内力与框架梁梁底土压力的变化规律。     

基于GeoStudio的边坡渗流场与应力场耦合分析

以陕西府谷县清水川电厂Ⅲ号边坡为研究对象,选用边坡一典型剖面,采用GeoStudio软件中的渗流分析模块Seep/W、应力应变分析模块Sigma/W和边坡稳定性分析模块Slope/W进行边坡稳定性的流固耦合,即应力场与渗流场的耦合分析及安全系数的计算,通过算例对比了耦合与非耦合情况下应力场、边坡稳定性的差异,说明耦合分析更符合实际。     

基于“如何提高工业产品设计质量”的思考

产品设计是工业设计教学计划中的一项重要教学内容,是培养学生综合运用专业基础理论知识、专业知识与基本技能,增强学生实践能力、创造能力和就业能力的重要基础,论文针对工业设计专业教学中的产品设计进行了理论研究,结合多年的工作体会及专业的实际情况,从产品生命周期（萌芽、诞生、成长、热销或鼎盛、衰退、淘汰或消亡）中的各个环节出发,对比主客观影响因素与条件,并对其进行归纳总结,极大的提高了学生产品设计质量.     

从政策上扶持种猪生产提高商品猪质量

改革开放以来 ,我省生猪生产飞速发展 ,生产力水平大幅度提高。到 2 0 0 0年全省生猪存栏已达 1 2 70 7万头 ,出栏 1 4 3 1 8万头 ,猪肉产量 1 2 7 3万吨 ,分别比1 978年增长 7 3 %、4 9倍和 3 6倍。生猪出栏率达到1 2 8% ,提高 81个百分点。 90年代初 ,全省实现猪肉自给有余 ,结束了我省猪肉供应长期依赖省外调入的历史。近年来 ,每年约有 2 0 0万头生猪外销。与此同时 ,生猪市场也发生了根本变化。一方面 ,出现了生猪生产阶段性、结构性过剩。暴露出我省生猪生产水平、产品质量不高 ,品种结构不合理等问题。全省生猪出栏率仅达全国中…     

MOCVD—YBCO／Ag膜（带）的组织结构与超导

采用三源蒸发静态沉积，单溶液超声波雾化静态沉积２种ＭＯＣＶＤ工艺，在轧制抛光的Ａｇ基带上制备了ＹＢＣＯ超导膜，同时综合分析了典型样品的组织结构特点与超导性能的关系，采用这２种工艺制备的ＹＢＣＯ膜皆呈强烈，ｃ－轴取向的１２３相为主相，其Ｊｃ值为１×１０＾４Ａ／ｃｍ＾２（７８Ｋ，０Ｔ）采用第２种工艺制备的典型样品，尽管其分偏离１２３相较大，但杂相不显，具有细小而高密度的晶粒组织，其Ｊｃ值达到２．２×１     

微生物质控样(菌落计数)在检测人员技能考核中的应用

微生物检测是一项基本技能要求极强的技术工作,在操作过程中受到环境、操作人员的技术水平、操作人员的无菌观念、生物试剂(如培养基质量等)、实验用水、仪器设备、小容量器具和灭菌质量(压力蒸气灭菌、干燥灭菌等)等因素的影响.任何一种因素均可直接影响检测数据.本文应用研制的微生物质控样(菌落计数)对检测人员进行基本技能考核,并逐步应用于实验室间比对,以监控微生物检测结果的准确可靠.     

在Ag基体上用MOCVD法连续制备YBCO超导带

用ＭＯＣＶＤ法在Ａｇ基体上以－１５ｃｍ／ｈ的带速连续制备ＹＢＣＯ超导带，在８００－８５０℃之间沉积的样品均呈强裂ｃ－轴取向；而在７５０－８００℃间，ｃ－轴取向明显减弱，前者为不规则排列的大片状晶结构，而后者为不规则排列的小棒状晶和发育不育的片状晶，或者为小粒状晶集，所制亲品的Ｊｃ（７８Ｋ，ｏ）一般在０．５－１×１０＾４Ａ／ｃｍ＾２之间，最好的达到１．４×１０＾４Ａ／ｃｍ＾２。     

非饱和黄土土水特征曲线的研究

利用高速离心机法测试了在不同温度和密度条件下的非饱和黄土的土水特征曲线。试验数据分析表明:基质吸力随含水率的增大而减小;基质吸力随密度的增大而增大;温度、密度、基质吸力与含水率之间符合幂函数的变化关系。最后推导出了一个综合考虑温度、密度、基质吸力对含水率影响的非饱和黄土土水特征曲线拟合公式,可以用来直接计算不同温度、不同密度和不同基质吸力条件下的非饱和黄土的含水率。     

基于CNN的工件缺陷检测方法研究

将卷积神经网络(CNN)应用于工件缺陷检测,来检测工件在生产过程中表面出现的缺陷,以提高工件的生产质量。利用CNN可以对工件的图案进行识别,但识别无法检测出细微缺陷的问题。在CNN进行工件图案识别的基础上,研究一种利用CNN实现缺陷检测的方法。该方法通过扩充缺陷样本,利用CNN识别的中间输出参数,定义了缺陷分辨率的概念来衡量缺陷的程度,当缺陷分辨率达到一定水平时则认为是无缺陷图案,否则认为其存在缺陷。实验验证了提出的CNN工件缺陷检测方法的有效性,数据表明缺陷检出率可达到 93.3%。