TEMPO氧化修饰的天然多糖纳米纤维增强复合材料及其功能化研究进展

纤维素和几丁质具有相似的结构，是自然界中储量丰富的两类天然多糖。经2, 2, 6, 6-四甲基哌啶氮氧化物(TEMPO)氧化修饰制备的纤维素和几丁质纳米纤维，不仅具有多糖类物质的良好亲水性、生物可降解性、生物相容性及丰富的官能团(羟基、羧基、乙酰氨基和氨基等)所带来的特定化学性质，而且还具有纳米纤维的纳米尺寸效应、大比表面积、高表面活性、高结晶度和手性液晶相结构等特点，已成为生物质纳米材料领域的研究重点之一。本文对TEMPO氧化修饰制备天然多糖纳米纤维的方法及剥离机制进行了总结，同时重点综述了TEMPO氧化修饰的天然多糖纳米纤维在薄膜、凝胶、导电、医用、电磁屏蔽及环境等复合材料的增强和功能升级等方面的研究进展，强调了纤维素和几丁质纳米纤维的官能团及纳米尺寸在复合材料中的增效机制。最后，对天然多糖纳米纤维的发展方向及其在各领域应用的机遇与挑战进行了展望。     

煤矸石粉/聚酯纤维沥青混合料盐冻损伤研究EI北大核心CSCD

针对煤矸石粉替代率50%、聚酯纤维掺量0.4%的沥青混合料,开展盐冻耦合作用(NaCl溶液质量分数为0%、7.0%、13.0%、26.5%,冻融循环次数为0、2、4、6、8)下的半圆弯曲(SCB)试验,分析了盐冻耦合作用对SCB试件内部损伤劣化过程的影响.结果表明:NaCl溶液质量分数为13.0%、冻融循环为8次时,盐冻耦合作用对沥青混合料的侵蚀破坏作用最强,试件内部损伤最严重;在煤矸石粉与矿粉质量比为1∶1、聚酯纤维掺量为0.4%的条件下,沥青混合料能够形成高黏性、致密、厚实的沥青膜以及由纤维形成的三维网状结构,从而显著降低盐冻侵蚀对沥青混合料的损伤.通过Poly2D模型对SCB试件的极限拉应力损伤量进行拟合,拟合系数为0.944.     

传统牦牛酸奶源高产胞外多糖乳酸菌特性及发酵性能

为了研究四川藏区传统牦牛酸奶中高产胞外多糖乳酸菌特性及发酵性能，以本实验室分离出的六株高产胞外多糖乳酸菌为研究对象，以菌株生长量、耐酸性、胆盐耐受力、渗透压耐受力和细胞表面疏水性为指标进行特性研究；以发酵酸奶的凝乳时间、持水力、酸化及后酸化能力、挥发性物质及质构等为指标进行发酵性能研究。菌株的生长曲线表明，6株菌株分别在14 h（218、276、266）、16 h（271、285、231）进入对数生长稳定期，其中编号218的菌株生长量最高，OD值为2.188。耐受性实验结果表明，菌株276具有良好的耐酸能力（P<0.05）；菌株266、218、231耐胆盐的能力较强；6株菌株均具有较好的耐渗透压的能力，其中菌株285对高渗透压的耐受性较强；菌株285和218在两种有机试剂中的疏水性均显著（P<0.05）高于其他菌株，且与十六烷的结合效果较好。发酵试验结果表明，6株菌株所发酵酸奶均在6~8 h内凝固，酸乳在冷藏期间，活菌数均保持在107 CFU/mL以上，均符合发酵剂的标准，其中菌株276的最高为3.22×106 CFU/mL；菌株218发酵制得的酸奶质构特性较好，持水力和酸化能力较其余菌株均最强，分别为60.98%和83 °T；菌株276、266抗后酸化能力较好；菌株231产香性能最优，乙醛含量为24~26 μg/mL，双乙酰含量为1.58~3.73 μg/mL，能够明显改善酸奶的风味。通过综合比较6株高产胞外多糖乳酸菌特性及发酵性能，菌株218为一株性能良好、具有良好稳定性的菌株，可作为乳酸菌发酵剂且具有一定的应用潜力。研究为利用四川藏区传统牦牛酸奶中分离出的高产胞外多糖乳酸菌在发酵乳制品的应用提供理论依据。     

锁紧机构防脱落保持架设计与分析

针对锁紧机构保持架在恶略环境下,反复振动过程中保持架上钢球脱落问题,提出了一种新型防脱落保持架设计方案,重点介绍了锁紧机构中保持架的工作形式,通过ANSYS进行有限元仿真分析,得出新型保持架结构满足刚强度要求以及热变形要求,且在随机振动6.06 g条件位移小,能有效免锁紧机构直线运动时钢球从外部脱落的可能,提高了锁紧机构工作过程中的可靠性与安全性.     

Measuring the disparity among scientific disciplines using Library of Congress Subject Headings

Scientometrics - Examining the relationships among scientific disciplines is important today, but existing methods are limited by the contents and structure of their bibliographic databases. We...     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。