杜仲提取物对亚硝化反应的抑制作用

采用正交试验法从杜仲中提取活性物质,研究其对亚硝化反应的抑制作用。用紫外光解法测定了杜仲提取物对N-二甲亚硝胺(NDMA)体外合成的阻断作用及对亚硝酸钠的清除作用。结果表明：从杜仲中提取抗亚硝化反应活性物质的最佳条件是：料液比为1：8,在80℃下用70％的乙醇回流提取1．5h。该活性提取物对亚硝胺合成的最大阻断率为78．57％。对亚硝酸钠的最大清除率为73．94％。     

响应面法优化分子蒸馏精制L-乳酸工艺的研究

研究分子蒸馏精制L-乳酸工艺,并用响应面法对工艺条件进行分析优化.分别以乳酸纯度、收率并同时以纯度和收率作为响应值进行优化分析,并将三者的优化结果进行比较.结果表明:同时以乳酸纯度和收率为响应值时,所得到的优化结果最佳.操作条件为蒸馏温度63℃、进料速率91.6 mL/h.     

反相悬浮聚合法制备相变蓄冷材料及其应用

为提升吸水树脂（superabsorbent resin, SAR）的吸水能力,增加其用作蓄冷材料的潜热,采用了单因素实验结合Box-Behnken试验的方法,将反相悬浮聚合法制备SAR的条件进行了优化,并通过双孢菇的贮藏实验表明了其蓄冷效果。结果表明:制备SAR的最优反应条件为:交联剂为单体丙烯酸（AA）质量的0.06%,引发剂0.9%,分散剂4.38%,淀粉10%,中和度75%,反应单体AMPS:AA为1:10,反应温度65 ℃,产物单位吸水量为573.26 g/g;吸水量的增加提升了制备蓄冷材料在保温箱中保持环境低温的能力,可以在12 h内基本保持10 ℃以下的低温环境,而且在25 ℃条件下,可以更好地保持双孢菇色泽,抑制失重、刺激气味的产生和质构的变化,表明通过优化SAR吸水性对其蓄冷性能的提升可以更好地保持双孢菇贮藏品质。     

赤豆皮色素的提取及其稳定性

从赤豆皮渣中提取的玫瑰红色素属于花色苷类化合物,该色素对光、热、ｐＨ均不稳定,十二烷基硫酸钠等对色素具有一定的护色作用,可使色素的降解率在３０ｄ内降低２０％。     

浅析煤矿老采空区水害防治

根据采空区积水形成与井田开拓在时间上的先后关系,将老采空区分为井田开拓前已存在的老窑和本矿井正常回采时形成的采空区.通过采空区上覆岩层的"三带"理论,分析了水体下采煤时采空区积水形成的原因.针对不同类型老采空区分析了防治积水的关键和措施.     

微胶囊槲皮素的制备及其在油脂中的抗氧化性能

以大豆蛋白、乙基纤维素、单甘酯作为复合壁材,对槲皮素进行微胶囊化,用正交试验方法确定其最佳包埋条件,探讨了微胶囊槲皮素在油脂中的抗氧化活性。结果表明,芯材槲皮素与复合壁材的比为10:90、大豆蛋白与乙基纤维素之比为4:1、乳化剂单甘酯的添加量为壁材质量的0.3%,槲皮素微胶囊化效果最好,包坦率最高;其对油脂具有较强的的抗氧化作用,且具有剂量效应关系,在相同浓度时,微胶囊槲皮素的抗氧化活性强于BHT、PG和Vc。     

钯配合物在形成碳-碳键偶联反应中的催化作用

报道了纤维素氧膦 -钯配合物在有机锡试剂与酰氯化合物形成碳 -碳键的交叉偶联反应中的催化作用 ,并对部分反应条件及反应机理进行了研究和探讨。     

钯(0)/壳聚糖催化有机锡试剂和有机卤化物的偶联反应

用浸渍法制备了钯(0)／壳聚糖催化剂,考察了催化剂对有机锡试剂和有机卤化物偶联反应的催化作用,并且尝试了催化剂的重复使用。结果表明该负载钯催化剂对偶联反应具有较高的催化活性和化学选择性,催化剂循环使用5次,偶联反应的产率仍在47％以上,采用)XPS方法对催化剂表征及反应机理研究,说明催化剂是经过氧化加成、金属变换、还原消除过程完成催化反应。     

一种优化FPGA布线拥塞的FHO-BP网络

超大集成电路的高度复杂化造成的布线拥塞可能导致电路的不可布性,早期的布线拥塞预测对于提高集成电路的最终设计质量非常关键,因此针对现场可编程门阵列(Field Programmable Gate Array, FPGA),引入火鹰优化(Fire Hawk Optimizer, FHO)算法机制优化反向传播(Back Propagation, BP)神经网络,提出一种基于复杂网络和FHO-BP网络的布线拥塞优化方法,将电路布局的复杂网络特征向量应用到布线拥塞度预测模型中,并利用提出的优化算法改善电路布线拥塞。实验结果表明,与经典的BP网络相比,所提FHO-BP预测模型具有更高的预测精度和收敛速度,决定系数达到92.62%,模型的平均训练时间为94.55 s,平均预测时间为0.57 s,并且利用布线拥塞优化算法对布局进行优化后的布线实际拥塞程度明显缓和。     

基于注意力机制的FPGA布线拥塞预测

随着FPGA设计复杂性的不断增加，物理设计需要大量的优化迭代才能实现，布线拥塞影响芯片的面积及时延等性能指标，因此需要准确快速的预测并提前解决。提出一个FPGA布线拥塞预测模型CBAM-CGAN，模型在布局阶段提取特征合成学习图像，引入注意力机制学习增强图像各个特征通道的重要程度，提高布线拥塞的预测性能。实验结果表明，方法在布局阶段的布线拥塞预测取得了较好效果。相比于条件对抗生成网络模型，结构相似度平均值提高了0.89%，峰值信噪比平均值提高了1.37%，归一化均方根像素差平均值降低了3.8%，像素精度差平均值降低了0.06%，单张图像的预测时间约为0.1 s。实验数据证明了模型在FPGA布线拥塞的准确性和快速性。