论强身祛疲与“强身祛疲丸”试验总结

当今世界,每个人都希望自己能够有一个健康而强壮的身体,并且在承担各种工作负担之后,既能够胜任工作,又能够迅速地祛除由于工作而产生的疲劳。因此,强壮身体、祛除疲劳（即强身祛疲）这个问题与每个人都是息息相关的。 疲劳是机体由于工作负担持续一定时间之后,出现的工作能力暂时下降的现象。在许多场合下,由于工作负担过重,甚至可能出现工作能力的严重减退,影响和阻碍着人们工作能力的正常发挥和延续,更至危及生命。可见推迟疲劳的发生,降低疲劳的程度和迅速地祛除疲劳便具有生物学和社会学的现实意义,特别在体育运动中祛除疲劳问题则显得更加迫切尖锐。     

空气—乙炔焰原子吸收分析法测定钢中铬的敏化剂选译

本文报导利用空气—乙炔焰原子吸收法测定钢中铬,加入过硫酸钠(0.1M)不仅能有效地抑制10000ppm铁和22种阳离子(100ppm)对10ppm铬的干扰,尚能消除0.1M以下的盐酸、氫溴酸、硝酸、硫酸和高氯酸的影响,同时对铬吸收显示出较大的敏化作用(约2倍),从而给出了一个较灵敏的钢中铬的原子吸收测定方法,此法可作其它试样领域测铬工作参考。     

来流预混均匀性对湍流射流火焰回火特性的影响

微混燃烧器的可燃气体预混发生在距燃烧器喷嘴出口较近的地方,可燃气在喷嘴出口可能存在一定的不均匀性,对回火的影响值得关注。使用高速摄像和纹影法实验观测了4种燃料预混方式对氢气(H₂)、一氧化碳(CO)和空气湍流射流火焰回火特性的影响,并使用粒子图像测速(particle image velocimetry, PIV)技术测量了回火条件下的出口流场,结果表明在不同预混方式下,湍流射流火焰的回火都属于边界层回火,混合均匀性不影响湍流射流火焰回火机理。高速摄像结果显示,回火前接近化学当量状态下,预混火焰周围呈蓝色且存在扩散火焰层,而混合程度最劣条件下的一侧扩散火焰呈明显的橘红色,加之回火开始于同侧,表明该侧氢气浓度较高;随着混合均匀性改善,橘红色扩散火焰逐渐消失,发生回火的起始位置呈随机性。通过纹影图像能较清晰地分辨回火发生的时刻和位置,观测的回火过程用时与高速摄像结果一致。不同来流预混方式的回火速度范围存在一定差异,来流混合程度差更容易发生回火。结合PIV测量结果分析表明：来流预混形式对喷口附近气流速度场影响不大,其对回火的影响主要体现在浓度分布的变化,主要因素是壁面附...     

构造附加静水压力研究与含柯石英榴辉岩成岩深度测算

基地“构造影响静水压力”研究指出,地壳中应力场可以看成由静水压力Ｐ和差应力σ的复合,静水压力是由重力引起的静水压力和构造附加静水压力两者叠合而成,而不仅仅是来自上覆岩石的总重量。     

基于现场总线的多变量变送器

现场总线技术是未来控制系统的关键技术,基于现场总线技术的多变量变送器是现场总线控制系统的主要智能装置之一．本文以过程工业中广泛使用的流体质量流量测量为对象,研究开发了基于ＨＡＲＴ协议的多变量流量变送器,实现了流量测量的智能集成．现场使用表明,该多变量流量变送器功能强,集成度高,维护方便,较好地体现了现场总线技术的特点和优点．     

高炉热水平模拟模型的建立及在宝钢3号高炉上的应用

介绍宝钢３号高炉数学模拟系统的构成和主要功能,详细讨论了高炉热模拟模型的理论基础。该模型通过反复迭代运行热平衡和物料平衡模块,对高炉操作数据进行校正,使其同时满足５个主要元素和热量收支平衡的要求,并在此基础上计算和绘制了碳比－直接还原度图（Ｃ－ＤＲＲ图）。因Ｃ－ＤＲＲ图能够直观清晰地显示高炉的热量水平和利用效率,指明高炉的节能降耗潜力,使高炉操作从定性把握转为定量理解,所以受到操作者的欢迎。     

内燃机零部件的遗传优化设计方法

遗传算法是一种新的概率优化方法,在工程中已引起广泛重视,就内燃机气门弹簧,具体阐述了遗传算法在内燃机零部件优化设计中的应用,通过实例计算表明,该算法具有较好的应用前景。     

大、小叶榄仁叶小极性成分分析

目的分析比较大叶榄仁叶和小叶榄仁叶中的小极性化学成分。方法采用气相色谱-质谱(GC-MS)联用法对大叶榄仁叶和小叶榄仁叶中的小极性化学成分进行分离鉴定,运用质谱库检索系统对化合物进行结构鉴定,采用色谱峰面积归一化法计算各成分的相对百分含量。结果经过鉴定,大、小叶榄仁叶中分别鉴定出41和42种成分,各占其总量的87.04%和91.12%,其中,大叶榄仁中的主要成分是脂类33.81%、萜类32.21%、芳香族13.26%和烷烃类4.36%,含量最高的成分为植醇,占总量的25.42%。小叶榄仁中的主要成分是脂类63.9%、烷烃类12.38%、萜类9.54%和芳香族3.9%,含量最高的成分为棕榈酸乙酯,占总量的20.58%。结论大叶榄仁叶和小叶榄仁叶小极性部位的化学成分和相对含量方面均有一定差异,为鉴别大叶榄仁叶和小叶榄仁叶提供了在化学成分上面的依据。     

基于多尺度融合和轻量化网络的无人机目标检测算法

针对在游乐场、公园等公共安全区域因无人机的尺度变化实时检测困难和计算资源有限的问题,提出一种网络动态实时检测无人机方法YOLO-Ads,以增加网络对无人机尺度变化的鲁棒性.首先自主构建了无人机数据集;其次将轻量化网络作为主干建立一个新的MDDRDNet网络,减小模型计算的复杂度,并且引入协调注意力机制模块,加强网络对空间和通道的关注度;然后采用均值聚类算法,重新生成先验框,在先验框的选择上结合多探测头和多数据集的寻优办法,使重新生成的先验框与无人机更加匹配;然后基于特征融合和残差思想建立一个新的探测头以适应更小尺度无人机的检测;最后,在检测模块中引入类激活映射模块生成热力图,以观察网络对无人机尺度变化的敏感程度,同时与当前主流网络SSD、CenterNet、YOLOv5、YOLOx等和不同主干网络ResNet、EfficientNet、VGGNet等进行对比实验.实验结果表明,新提出的算法在尺度变化的无人机检测上平均精度达到96.62%,相较YOLOv4算法提高了1.88%;检测速度为每秒47帧,相较YOLOv4算法提高了19帧;模型所占内存大约为10.844 M,约为原内存的六分之一,体现了该方法的有效性和鲁棒性.