高效液相法测定爬山虎红色素中原花青素含量

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.     

铁路无线通信用漏泄同轴电缆设计

介绍了周期性开槽漏泄同轴电缆的主要电气特性及其相互关系,从理论上分析了影响主要电气特性的因素。采用全波仿真方法,探索了八字形漏泄同轴电缆的槽孔倾斜角度和长度对其电气性能的影响,设计了一种周期性八字形槽的某型漏缆,测试结果与仿真结果吻合,满足铁路通信漏泄同轴电缆标准要求。     

基于系统辨识的开关磁阻电机PI参数整定

简要介绍了系统辨识的概念和模型.在Matlab建立的开关磁阻电机模型基础上,给定一个阶跃的斩波信号得到电机的阶跃响应从而求得SR电机小信号模型.利用系统辨识的方法将SR 发电系统视为一个二阶系统,即ARX模型,并由Matlab的系统辨识工具对发电系统进行辨识,得到了系统的PI传递函数,利用劳思判据求解稳定性的方法解出电机Ki、Kp的参数范围,并通过实验验证了方案的可行性.     

Transformer神经网络和轴心轨迹在燃机转子故障诊断中的应用

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。     

建筑类学生霍兰德职业能力人格类型的测试

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。     

预拉伸对铝合金焊接残余应力和变形的影响

在预拉伸应力作用下，进行了厚度为4mm的5A05铝合金试板的焊接，焊后残余应力及变形的测定结果表明．预拉伸焊接法可有效减小铝合金薄板焊后的纵向残余应力、纵向挠曲变形和平面变形。在弹性应力范由内，随着预应力的增大，试板的残余应力峰值、纵向挠曲变形及平面变形均逐渐减小。分析认为，预拉伸应力部分抵消了焊接区热膨胀产生的压缩应力，从而减小了压缩塑性变形，进而减小了冷却时焊接区域的拉伸应力水平，相应地远离焊缝区域的压缩应力也随之减小。     

全珊瑚混凝土徐变性能试验研究

为研究珊瑚混凝土的徐变性能,对不同水灰比、不同养护龄期的珊瑚混凝土的压缩徐变进行了试验研究,研究结果表明:低水灰比珊瑚混凝土试件徐变变形的速率和最终徐变度都明显小于高水灰比试件,降低水灰比并适当延长养护时间,可以有效减小珊瑚混凝土的徐变变形;尽管珊瑚骨料的"返水养护"作用有利于减小试件早期徐变,但由于珊瑚粗骨料约束水化水泥浆体收缩变形的能力要明显弱于普通碎石,加之其本身较低弹性模量的影响,徐变试验过程中,无论是珊瑚混凝土的瞬时变形,还是最终徐变都要大于普通混凝土。     

一种有源相控阵系统G/T值改进测量方法

G/T值是衡量无线接收系统性能的一项重要系统指标,文章介绍了一种相控阵系统G/T值测量方法,利用基于载噪比的间接测量原理,通过优化链路的标定方法,降低了测量误差。分析结果表明:G/T值的测量误差和精度分别可达±0.1d B和±0.17d B。最后,通过测量实例与理论值的比对验证了该测试方法的可行性和准确性。     

基于LMD-XGBoost和KPCA的燃气轮机转子故障预警研究

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。