母猪产仔多少关键在配种

母猪在发情配种期间对外界的刺激非常敏感，青年母猪的发情期为3～5天，经产母猪为2～4天。如果对发情期掌握不准，或错过最佳配种时间，不但很难配种，即便配种成功产仔数也很少。     

肝豆状核变性新突变p.I930del的基因诊断和产前诊断

目的:通过研究一个肝豆状核变性特殊家系的基因突变情况,探讨新突变p.I930del诱发肝豆状核变性的分子机制.方法:采用变性高效液相色谱(DHPLC Denaturing high performance liquid chromatography)方法结合DNA测序方法对1个WD家系进行ATP7B基因所有外显子及5'UTR区突变检测.结果:该家系WD由p.I930del,p.T977M,p.G943S 3个基因突变引起,p.I930del源自父方,100个正常人测序结果没有发现该位点的缺失；p.T977M,p.C943S分别来自不同的母方.产前诊断结果表明胎儿没有携带致病基因.结论:位于跨膜区的p.I930del 为一个新的肝豆状核变性致病突变；该缺失可能通过影响跨膜区结构的形式影响该蛋白的功能.     

色氨酸,丝氨酸的细菌内毒素检查法

通过对色氨酸、丝氨酸原料进行了干扰试验、对照试验，结果证明用细菌内毒素检查法代替热原检查法是可行的，而且具有灵敏、快速的优点。     

两种硫含量控制方法对锂硫电池性能的影响

采用高导电性碳材料和商业活性炭分别作为硫的载体,与单质硫混合后进行热处理制得SP/S和CAC/S硫碳复合材料,利用热重测试、循环伏安、交流阻抗和恒流充放电测试等分析方法,研究了正极中电极材料厚度、硫碳复合比例对电池电化学性能的影响.结果表明:适当增加电极材料厚度可以有效地改善Super-P材料电极综合电化学性能;通过改变硫碳复合比例,提高硫含量则对活性炭材料锂硫电池电极的性能提升有着显著的效果.其中,含硫量为63.60%的CAC/S正极材料首次放电比容量达到908.8 m Ah/g,活性物质利用率为54.2%,100圈循环后放电容量为594.1 m Ah/g,容量保持率达到65.4%.     

薄层色谱法鉴别化妆品中的红霉素

参照现版药典中的薄层色谱方法检测化妆品中红霉素。用甲醇进行提取，以硅胶G预制板为载体，三氯甲烷-甲醇（85：15）为展开剂，乙醇-对甲氧基苯甲醛-硫酸（90：5：5）为显色剂的薄层条件鉴别化妆品中的红霉素，其检测限度可达1．2mg／g。该方法准确、简便、快速，重现性好，适用于化妆品中红霉素的检测。     

母猪产仔多少关键在配种

母猪在发情配种期间对外界的刺激非常敏感,青年母猪的发情期为3～5天,经产母猪为2～4天.如果对发情期掌握不准,或错过最佳配种时间,不但很难配种,即便配种成功产仔数也很少.     

不确定状态饱和2-D离散系统的渐近稳定性

研究由Roesser模型描述的不确定状态饱和2-D离散系统的全局渐近稳定性。假设系统中的不确定矩阵满足强结构不确定性,利用Lyapunov函数方法,通过构造新的非负标量β给出了不确定状态饱和2-D离散系统全局渐近稳定的充分条件;同时设计了相应的算法,将不确定系统稳定性的判断转换为线性矩阵不等式(LMI)的求解,数值算例验证了所设计算法的有效性和可行性。     

基于高频信号注入的永磁同步电机转子位置估计

为提升永磁同步电机无传感器控制技术在零/低速范围运行时的动态性能,提出一种改进的转子位置估计方法.首先,在α-β坐标系下建立永磁同步电机高频激励模型;其次,为提高转子位置估计性能,对基于外差法的转子位置估计方法进行分析,并提出基于补偿矩阵的转子位置估计方法;最后,在MATLAB/Simulink仿真环境下对比分析外差法与补偿矩阵两种方法的转子位置估计精度.仿真结果表明,所提出的方法不仅能获得较快的转子位置跟踪速度,而且能够保证较高的转子位置估计精度.     

BiO2-x/BiOCl复合材料的制备及其光催化性能的研究

采用简单的一步水热法制备得到片状结构的BiO_2-x,然后通过溶剂热法将BiO_2-x与BiOCl进行复合,制备一系列BiO_2-x/BiOCl异质结复合材料。采取一系列测试的手段对所制备的BiO_2-x/BiOCl复合材料进行表征实验,对复合物的晶相构成、晶体形貌、稳定性进行研究。以罗丹明B(RhB)模拟作为难降解污染物,对所制备的BiO_2-x/BiOCl复合材料的光催化性能进行测试,结果表明一定比例的BiO_2-x/BiOCl复合物比纯的BiO_2-x, BiOCl能够更快、更好、更彻底地降解有机污染物,具有更显著的光催化活性。同时经过5次循环实验及反应前后的XRD图谱表明所制备的材料具有优异的光化学稳定性,并且可以多次重复利用。基于自由基捕获实验,我们提出了可能的光催化机理。     

融合Spearman相关性系数与多尺度框架的立体匹配算法

针对现有立体匹配算法对噪声敏感、匹配率低的问题,提出了一种基于Spearman相关性系数与多尺度框架融合的立体匹配算法。在代价计算阶段,创新性地在固定窗口内通过简化Spearman相关性系数得到两种代价计算模型。在代价聚合阶段,利用多尺度框架在图像金字塔上进行代价聚合,从而使得匹配算法在低纹理区域得到较高的匹配率。实验结果表明,提出的立体匹配算法有效降低了误匹配率:对Middletury2.0测试集中31对标准图像对的平均误匹配率仅为7.98%,Middletury3.0中的15对标准图像对的平均误匹配率为13.45%。实验结果表明,提出的融合Spearman相关性系数与多尺度框架的立体匹配能有效降低图像的误匹配率,并对噪声等具有较好的稳健性。