一氧化氮供体的合成及其抗菌性能研究

一氧化氮供体S-亚硝基-N-乙酰基-DL-青霉胺（SNAP）对微生物生长具有显著的抑制效果. 为了进一步验证SNAP对微生物抗抑作用，本文通过亚硝化反应制备得到SNAP固体，并基于不同SNAP浓度验证其抗菌性能. 结果表明：（1）通过核磁和紫外表征, 我们成功制备得到SNAP；（2）SNAP对大肠杆菌、金黄色葡萄球菌（耐药/非耐药）和淋球菌均表现出明显的抑制作用且具有浓度依赖性，表明SNAP具有广谱抗菌特性. SNAP优良的抗菌特性使其及一氧化氮供体在抗抑菌领域有着广阔的应用前景.     

双层皮带机防雨罩流场和粉尘浓度场分析

上层运煤下层运粉煤灰的双层皮带机比常规单层皮带机高度增加，为了确定双层皮带机防雨罩的最适高度，防止在17 m/s强侧风环境下粉尘泄露污染环境，以气固两相流理论为基础，运用Fluent软件分别在有无强侧风的条件下，对双层皮带机的防雨罩内流场和粉尘浓度场的分布进行数值模拟。计算结果表明，强侧风会强化双层皮带之间形成的流动漩涡，从而可能导致粉煤灰被吹动，当侧风速度为17 m/s时不会导致形成的漩涡强度过大，粉煤灰不会被吹到罩外。有侧风时防雨罩顶部会出现非常高流速（高达55 m/s）的风，在对其进行强度设计时必须考虑由于强风冲击造成的受力。有侧风时防雨罩内粉尘浓度最大位置出现在运煤皮带和煤堆交界处，其次是运粉煤灰皮带和粉煤灰堆交界处，当侧风速度为17 m/s时，防雨罩外部空间的粉尘浓度均小于4×10^-6 kg/m³，满足《煤矿安全规程》的要求。     

等势点温度补偿法在电化学传感器中的应用

溶液中的温度变化会引起测试溶液中的离子自由移动的剧烈程度发生改变,这会使得电化学传感器采集的电压值发生改变。如果不进行温度补偿,就会影响离子浓度的检测准确度。该文根据等势点的原理建立一个适合电化学传感器的统一温度补偿模型。实验分析表明,该温度补偿法可以有效解决温度变化对电化学传感器地影响。     

不同光照条件下氮浓度对衣藻生长及油脂积累的影响

为探究莱茵衣藻(Chlamydomonas reinhardtii)油脂含量的最佳条件,在不同的光照条件下检测了氮浓度对莱茵衣藻生物量及油脂含量的影响.结果表明:在氮添加和光照强度增加的梯度上,衣藻的油脂含量逐渐降低;光照强度和氮添加量对衣藻的油脂含量都有显著影响;控制光照强度和氮添加量后发现,当光照强度为30μE·m~(-2)·s~(-1),氮质量浓度为100 mg·mL~(-1)时,衣藻油脂含量的质量分数为39.79%,叶绿素质量浓度为17.08 mg·mL~(-1),最适宜衣藻油脂积累.     

影响工业污水处理系统的因素

近些年来,随着人们生活质量的不断提高,生活、工业用水量不断增加,污水处理中存在的问题越来越明显。也正因如此,如何建立一个良好的污水处理系统,将被污染的水通过良好的处理得以重新使用,就成为社会各界广泛关注的问题,这也是与人们日常生活息息相关的重要因素。该文则通过介绍工业污水处理过程中的设计问题来阐述在工业污水处理中所运用的几项关键技术,通过科技的手段来对工业污水进行科学的处理,以此来更好的保护环境,以供参考。     

4H-SiC同质外延拉曼散射光谱

在4H-SiC(0001)衬底上,使用CVD法生长不同掺杂浓度的外延层。将不同掺杂浓度的4H-SiC外延层,用拉曼散射光谱进行了研究。使用Matlab拟合了LOPC模的线型,并从理论上计算出载流子浓度,载流子浓度的理论计算值与SIMS测量的结果符合良好。随着掺杂浓度的变大,载流子浓度变大,LOPC峰发生蓝移,频移变大,散射强度变小,峰宽变宽。分析认为,LOPC峰发生蓝移主要和晶格振动有关,浓度越大,使得原子之间和晶胞之间的相互作用越强,致使出现蓝移现象。随着掺杂浓度的增大,声子增加,进而散射概率增加,散射概率降低了声子寿命,声子寿命和峰宽成反比,随着掺杂浓度增大,峰宽变宽。随着掺杂浓度的增大,散射强度越来越小。     

模拟海水环境下MICP固化滨海粉细砂的试验研究

在模拟海水环境下采用微生物固化法来加固滨海粉细砂,并通过无侧限抗压强度试验、碳酸钙含量试验和微观结构分析,研究了尿素浓度对MICP固化滨海粉细砂砂柱的影响,同时对比分析了淡水环境下MICP固化粉细砂的效果.研究结果表明:在海水环境下MICP技术固化滨海粉细砂是有效的,砂柱试件的无侧限抗压强度与碳酸钙含量随着尿素浓度的增加先增大后减小,并且1 mol·L-1尿素处理试件的加固效果最好;海水的弱碱性环境可促进巴氏芽孢杆菌的生长和繁殖,进而可形成大量的高活性脲酶,从而大大提高了微生物诱导碳酸钙沉积的效率.     

基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.