玫瑰紫檀——火山岩浆无法冷却的灵魂

中国人对紫檀的追捧有史料可查的最早始于商周时期。由于紫檀木木性优良，且极为稀有，再加上“紫”在中国传统文化中寓意着祥瑞与贵气，所以自古以来便常为官宦或富裕人家所有。在明清两朝，皇家视其为珍宝，曾倾注大量财力打造紫檀家具以及饰品，民间鲜少流传，因而紫檀木也平添了一抹神秘的色彩。     

闲话开元通宝版别收藏

秦始皇统一钱币,规定了"天圆地方"的形制,到唐高祖武德四年铸开元通宝,结束了中国长达700余年以重量为名称的铢两钱币(如秦半两、汉五铢等)。《旧唐书·食货志上》载:"武德四年七月,废五铢钱,行开元通宝钱。开元钱之文,为给事中欧阳询制词及书。其词先上后下、次左后右读之。自上及右会回环读之,其义亦通,流俗谓之开通元宝钱。"开元通宝的使用贯穿了整个唐朝近300年的时间,后世也有如南唐、太平天国等政权铸造使用。所以开元通宝的铸造量和存世量非常巨     

高浓铀脉冲筛板塔溶剂萃取过程自动控制研究

本文主要叙述了高浓铀塔式萃取自动控制系统在衡阳铀厂扩大试验中的运行情况，着重阐述 了自动化仪器、仪表的使用，自动控制回路及脉冲筛板塔溶剂萃取过程最佳回控点等。作者指出了 这次实验的成功之处，也提出了在今后生产应用中，自动控制、仪器仪表方面应该注意的一些问 题。     

长叶烯质量标准研究

通过气相色谱法和气相色谱-质谱法对不同企业生产的各种规格长叶烯产品进行定性鉴别,利用气相色谱测定主要成分的相对含量（峰面积相对百分比）,并对各项指标进行测定,针对长叶烯的质量标准提出建议,为长叶烯的开发研究提供参考。     

6.70-15 6PR I-1农业轮胎的设计

介绍6.70-15 6PR Ⅰ-1农业轮胎的设计.结构设计：外直径695 mm,断面宽159.5 mm,行驶面宽度134 mm,弧度高9.4 mm,胎圈着合直径380 mm,胎圈着合宽度 114.5 mm,断面水平轴位置（H1/H2） 0.95,花纹深度4.8 mm,花纹饱和度 77.9％,花纹周节数 25.施工设计：胎面采用一方一块结构,胎体采用4层1400dtex/2V2锦纶6浸胶帘布,钢丝圈采用Φ1 mm的回火胎圈钢丝,采用半芯轮式成型鼓成型、四立柱硫化机硫化.成品轮胎试验结果表明,轮胎的充气外缘尺寸和物理性能均符合客户和相关标准要求.     

基于混合智能的锅炉飞灰含碳量实时目标值模型

为了降低飞灰含碳量,提高锅炉运行水平,运用混合智能技术建立了飞灰含碳量目标值模型.从运行优化角度提出了飞灰含碳量目标值的定义和技术可行方案.通过对锅炉的历史运行工况数据库进行数据挖掘,建立了锅炉历史最优工况数据库,以此作为训练样本建立飞灰含碳量目标值的神经网络模型,在进行了实例验证后对模型进行了分析讨论.实际应用表明该模型具备自调节能力,能够向运行人员实时提供当前工况下的飞灰含碳量目标值,为飞灰含碳量的实时优化指明了调整的方向.     

化妆品离“外泌体“还有多远？

<正>近期,“外泌体”在化妆品市场刮起一阵风,突然涌出一批宣称“外泌体”黑科技概念的网红化妆品,既有所谓的“动物外泌体”,也有“植物外泌体”。商家在化妆品宣传页上或广告中宣称此类产品具有抗衰、抗皱等功效,但事实上,这些宣称涉嫌存在误导、欺骗消费者和虚假夸大宣传、明示或暗示具有医疗作用等违法违规行为。     

不同工艺再生胶在工程轮胎中的应用初探

对3种不同工艺再生胶(动态罐精炼再生、单螺杆再生、微氧高效再生)的化学组成进行分析,并将其与典型工程轮胎胎面胶NR/SBR共混,研究了不同硫化条件下再生胶对工程轮胎硫化特性、力学性能和耐屈挠疲劳性能的影响。结果表明,与传统动态罐精炼再生胶相比,螺杆挤出工艺制备的低门尼再生胶的硫化效率提高,二次交联后产品的交联密度增大,拉伸强度和拉断伸长率明显改善;微氧高效再生胶应用于混炼胶中可促进硫化进程,但在未经精炼与过滤的低门尼再生胶和微氧高效再生胶中,粗颗粒的存在作为应力集中点,降低了胶料的耐屈挠疲劳性能。     

300MW回转式空预器漏风分布综合模型

回转式空气预热器是高参数大容量电站锅炉广泛采用的尾部换热设备,漏风率高是该类设备的致命缺点.提出了300 MW机组回转式空气预热器的漏风分布的综合模型,其中包含2个子模型:一个是基于压降机理建立的质量守恒和能量守恒模型,另一个是基于流体网络建立的空预器内部漏风分布模型.以某电厂300 MW机组尾部换热设备为仿真对象,求解回转式空预器的径向,周向和轴向的漏风分布,得出轴向漏风和径向漏风可以相似化处理的结论,认为在加装径向密封装置时,也应该对轴向密封加以改造,这对回转式空预器的状态检修和运行维护具有指导意义.     

基于物理信息神经网络的生物质气化产物分布预测方法

机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理信息神经网络(PINN)的生物质气化产物分布预测方法,该方法将真实实验数据与先验机理进行无缝衔接,在人工神经网络(ANN)模型中嵌入边界约束和关键参数间的单调性关系,通过自动微分技术进行辅助优化,实现模型的高效训练。结果表明：PINN模型的决定系数大于0.89,均方根误差小于4%,其总体预测精度要优于随机森林(RF)、支持向量机(SVM)和ANN 3种纯拟合机器学习模型;PINN模型能够严格服从边界约束和先验机理单调性关系,表现出更好的可解释性和泛化能力。