微型纯电动汽车后部碰撞电安全分析与设计

以某微型纯电动汽车为研究对象,分析其高压电气系统的结构特点,对高压线束进行细化建模,建立了含高压电气系统部件的整车有限元分析模型,选取后部追尾和柱撞两种碰撞工况进行仿真。结果表明,纯电动汽车在后部碰撞工况下高压线束受到破坏以及高压电部件存在安装支架强度不足的问题。进行改进设计后根据碰撞时高压电气系统的损伤情况,确立了纯电动汽车碰撞断电保护控制条件,制定了高压电安全防护控制策略,确保整车的高压电安全。     

亚麻针织用纱的性能分析及产品开发

通过对亚麻纤维和针织用纱的性能分析,找出了影响亚麻在横机上可编织性差的关键因素,对其进行改善处理,通过反复试织和分析找出亚麻在横机上的最佳编织工艺并对上机编织中存在的问题给予解决。     

水泥混凝土路面早龄期应力行为试验研究

为了解路面板早龄期应力性状与行为特征,基于福建夏季高温、冬季低温、隧道恒温进行了3种典型环境条件的路面板早龄期行为现场试验.采用无应力圆筒装置去除路面板温湿度无应力应变,基于应变历史结合步进法考虑徐变松弛获得路面板典型监测位置应力性状和时程.同步监测路面板早龄期温度场和整板翘曲,比较路面板早龄期应力与温度梯度、翘曲变形...     

PTA残渣改性醇酸树脂在涂料中的应用

利用PTA残渣改性醇酸树脂,通过树脂用量的选择,颜填料、助剂等的筛选和用量的确定,制备的产品符合GB/T 25251-2010《醇酸树脂涂料》中底漆和调和漆的各项指标,和原有产品相比,干燥时间短、光泽高、VOC含量低、固体分高、成本降低.     

超声辅助酶法提取薰衣草花色苷及其热降解动力学

以新疆伊犁熏衣草为研究对象,通过单因素实验和响应面试验研究超声辅助酶法提取薰衣草花色苷,确定最佳工艺条件为:在果胶酶质量分数为0.10%、pH3、乙醇浓度50%、酶解温度50℃、酶解时间62 min、超声时间25 min,该条件下薰衣草花色苷得率为6.22%,较单一超声提取法相比,超声辅助酶法具有明显的优势。通过对不同pH和温度下薰衣草花色苷稳定性的研究发现,不同pH下薰衣草花色苷热降解符合一级动力学方程;在相同pH下,花色苷降解所需要的能量势垒大小与温度无关;薰衣草花色苷热稳定性较差,当pH6.0时,其对热最为敏感,pH1.0时,其热稳定性最强。     

L-丙氨酸对鱼露风味的影响

为研究L-丙氨酸对鱼露风味的影响,利用感官评价的方法评估L-丙氨酸在改善鱼露口感和腥臭气味方面的作用,并采用顶空固相微萃取-气相色谱质谱联用技术(HS-SPME-GC-MS)分析L-丙氨酸对鱼露挥发性化合物组成的影响。结果表明,添加适量L-丙氨酸(0.5%~2.0%)能够对鱼露起到增甜、提鲜及减缓腥臭气味的作用,并可以减少鱼露挥发性物质中含硫化合物的相对含量,从而在一定程度上减弱其腥臭味,提升鱼露的整体风味品质。该研究可为L-丙氨酸在改善一些海鲜产品的风味品质方面提供有益的借鉴。     

从酱渣饼中提取大豆异黄酮的研究

以工业上生产酱油、大酱的酱渣饼为提取大豆异黄酮的原料,采用乙醇为提取剂,通过单因素考察和正交实验分析,得出提取的最佳条件是乙醇的浓度70%,提取温度80℃,提取时间4h,料液比为1:30(g/mL),二次提取异黄酮得率为0.384%,粗产品得率为5.2%,粗产品的纯度为7.5%。      

超临界CO2反溶剂法制备大豆异黄酮-玉米醇溶蛋白复合纳米颗粒

通过超临界CO₂反溶剂法制备大豆异黄酮-玉米醇溶蛋白复合颗粒。采用原子力显微镜观察发现,荷载大豆异黄酮的玉米醇溶蛋白分子可以形成球形颗粒。以玉米醇溶蛋白的自组装特性为基础,改变玉米醇溶蛋白与大豆异黄酮的比例,能使两者形成的复合颗粒的数量平均粒径不超过200nm,其表面负电荷分布在-22.7^-34.8mV之间。通过差示扫描量热法、傅里叶变换红外光谱分析表明,氢键、疏水相互作用是玉米醇溶蛋白与大豆异黄酮形成复合颗粒的主要作用力。      

基于正交基的多视图迁移谱聚类

挖掘多视图一致性是提升多视图聚类性能的关键,为更好地从多视图数据中学习一致性表示,提出一种新的多视图聚类算法OMTSC。OMTSC算法同时学习每个视图的聚类分配矩阵和特征嵌入,并将聚类分配矩阵分解为共享正交基矩阵和聚类编码矩阵。正交基矩阵可捕获并储存多视图一致性信息形成潜在聚类中心,经过加权融合的多视图聚类编码矩阵可更好地平衡不同视图的质量差异。引入基于二部图的协同聚类,实现正交基、聚类编码和特征嵌入3个矩阵的知识相互迁移,以提升多视图数据一致性和多样性,并利用特征嵌入的多样性最大化多视图一致性学习最优的潜在聚类中心,从而提高多视图聚类的性能。此外,基于群稀疏约束的特征嵌入可有效消除多视图数据中的噪声,提升算法的鲁棒性。在WikipediaArticles、COIL20和ORL数据集上的实验结果表明,与SC-Best、Co-Reg等先进的多视图聚类算法相比,OMTSC算法在ACC、NMI、ARI 3个评价指标上整体取得最优值,其中在COIL20和ORL数据集中的NMI评价指标均高于0.9。