排序方式: 共有14条查询结果,搜索用时 0 毫秒
1.
高效液相法测定爬山虎红色素中原花青素含量 总被引:2,自引:0,他引:2
采用高效液相色谱法对爬山虎红色素中原花青素的含量进行了测定. 色谱柱:C18柱(日本岛津5μm;150 mm×4.6mm),柱温:25℃,流动相:V(甲醇):VU(水)=90:10,检测波长:280 nm,进样量:20 μL,流速:1 ml/min.结果表明在0.50~7.5μg/mL范围内具有良好的线性关系,回收率为99.96%,相对标准偏差为1.0%,原花青素的平均含量为6.8 μg/mL.结论是本方法简便、快速、准确、可靠,可为爬山虎叶子提取物红色素中原花青素的含量测定的方法. 相似文献
2.
3.
4.
针对目前国内燃机电厂转子故障诊断主要依靠振动分析,无自动识别轴心轨迹设备的现状,将在自然语言处理领域大放异彩的Transformer神经网络引入转子轴心轨迹监测与识别领域,通过独立成分分析(Independent Component Analysis,ICA)与Transformer结合提升燃机转子故障诊断准确性。使用ICA代替Transformer自身的线性变换提取图片特征信息构建输入样本,为了解决自注意力机制无法捕捉位置信息的问题,提出相对位置编码方法,区别于使用较多的绝对位置编码,通过嵌入相对位置编码子层,将相对位置信息注入自注意力机制,使得Attention模块能够学习到序列的相对位置信息,可进一步提高图像识别模型的准确性,该模型对于轴心轨迹故障类型平均识别率达到93.8%。实验结果表明ICA-Transformer模型对转子轴心轨迹的识别准确率较高,对电厂运维具有一定的指导意义。 相似文献
5.
本研究运用霍兰德职业能力人格测验,对建筑类专业(包括建筑学、土木工程、工程管理、环境工程)学生进行测试,以探讨建筑类专业的大学生职业能力人格的特点,以及专业对大学生职业人格的影响。 相似文献
6.
7.
8.
9.
针对燃气轮机转子运行环境恶劣且故障多发的特点,为了及时有效地识别转子的异常运行状态,提出基于极端梯度提升(Extreme Gradient Boosting, XGBoost)和局部均值分解(Local Mean Decomposition, LMD)与核主元分析(Kernel Principal Component Analysis, KPCA)相结合的燃气轮机转子故障预警方法。首先采用自适应小波阈值法对来自SIS系统的振动数据进行降噪处理,通过对比普通小波阈值法的降噪效果,验证了该方法对于转子振动数据降噪的有效性和优越性;然后构建基于LMD-XGBoost的转子振动信号混合预测模型,提取实时振动信号分解得到的特征分量并进行预测与重构;再通过LMD-KPCA模型计算故障监测指标T 2和SPE,利用正常工况下的振动数据求取故障监测指标的阈值,输入混合预测信号计算出故障监测指标的统计量,通过设置故障监测指标超过阈值线的比例作为最终预警判据。通过上海某燃气电厂转子故障案例表明,该混合预警方法可实现转子故障早期预警,具有实际工程应用价值。 相似文献
10.