南海西沙群岛西科1井上新统-全新统碳酸盐岩微相分析

 西科1井为全取心科学钻井。采用定量微相分析方法,通过精细的岩芯观察和系统的薄片分析,对西科1井上新统-全新统碳酸盐岩微相进行精细研究,以阐明各组分类型和微相类型的纵向分布特征。研究表明,研究区碳酸盐岩表现出颗粒含量高,基质和胶结物含量低的特点。根据碳酸盐岩组分的显微特征,识别出19种微相类型,主要为生屑泥粒灰岩、生屑粒泥灰岩、珊瑚骨架灰岩和苔藓动物粘结灰岩。碳酸盐岩微相纵向分布表明:乐东组经历了动荡水沉积-强动荡水与动荡水交互沉积-动荡水与弱动荡水交互沉积。莺歌海组经历了强动荡水沉积、动荡水与弱动荡水交互沉积-动荡水沉积。     

多功能淀粉酶OPMA在枯草杆菌中的分泌表达及发酵条件优化

构建多功能淀粉酶OPMA-N和OPMA-G的分泌表达载体pMA5-OPMA-N和pMA5-OPMA-G, 应用枯草杆菌表达系统实现了多功能淀粉酶
OPMA-N与OPMA-G的表达与分泌, 并分别对其发酵工艺进行优化. 实验结果表明: OPMA-N适宜的表达与分泌条件为： 质量分数为1%的MgSO₄、 质量分数为0.3%的尿素和质量分数为0.5%的酵母粉为培养液, pH=6.5, 培养液装液量为16%, 37 ℃发酵培养48 h; OPMA-G的最适分泌表达条件为： 质量分数为1%的NaCl、 质量分数为1%的淀粉和质量分数为0.8%的酵母提取物为培养液, pH=7.0, 培养液装液量为32%, 37 ℃发酵培养36 h; 在上述条件下, OPMA-N和OPMA-G的分泌水平分别为发酵液中总蛋白的45%和58%, 分泌酶的比活力分别为每毫克4.57和4.65酶活力单位.     

多尺度NURBS曲面间的G1连续算法

利用准均匀B样条基函数和二维B样条小波的多分辨分析理论, 简述了准均匀B样条基函数作为尺度函数而构造的B样条小波及其分解算法, 并给出了NURBS曲面的分解算法. 基于NURBS曲面(B样条曲面)的G¹连续条件及其多尺度表示, 给出了两个多尺度NURBS曲面间保持G¹连续的算法与实现过程.     

中介语理论及其对大学英语写作教学的启示

中介语是外语学习者在学习过程中对于目的语规律所作的不正确的归纳与推论而产生的一个语言系统。这个语言系统随着学习者学习程度的加深、逐渐向目的语的正确形式方面靠拢。本文介绍了中介语的起源及其成因。结合中介语的石化现象对大学英语写作教学的启示,提出了一种新的大学英语写作五步教学法。     

甚小波长间隔多波长掺铒光纤激光器的实验研究

设计了一种稳定工作的掺铒光纤激光器及梳状滤波器结构,通过优化掺铒光纤长度和腔损耗,在液氮低温环境下,得到了0．2nm波长间隔下,1532nm波段稳定的多波长激光振荡输出。实验结果表明,掺铒光纤在不同波段的非均匀加宽效应差异明显。     

利用模糊数学综合评判优选采矿方法

研究了云南某铁矿2#矿体,根据矿山概况和矿床技术条件,可以采用方案一:不拉顶中深孔房柱采矿法,方案二:拉顶预控中深孔房柱采矿法,方案三:拉顶不预控中深孔房柱采矿法.为使开采方法最优引入模糊数学层次分析法和变权法,利用模糊数学综合评判,确定最优采矿方法.     

公路简支梁桥在车辆荷载作用下的动力响应分析

把车辆和桥梁看作两个分离的子系统,分别应用d’Alembert原理和有限元法建立它们的振动微分方程,通过两个子系统之间的位移协调条件和相互作用力相等的原则将车辆和桥梁的振动微分方程耦合起来.利用有限元软件ansys的二次开发APDL语言编写了求解车桥耦合系统振动微分方程的命令流,以路面随机不平顺为激振源,进行了车桥耦合系统动力响应的计算,研究了路面不平顺及车辆参数对桥梁动力响应的影响.计算结果表明,路面等级、车速、车辆悬架刚度、车辆悬架阻尼对桥梁结构动力响应的影响明显;车重、轮胎阻尼、轮胎刚度的影响次之.     

基于模糊PID算法的轮胎硫化高温循环水温度的控制

结合风神轮胎股份有限公司轮胎生产硫化过程的特点,采用热电阻PT100温度传感器、PLC控制器设计一种基于模糊PID算法的温控方法,实现轮胎生产硫化过程除氧高温循环水温度的智能控制.     

水溶性荧光黄掺杂硅溶胶的性能

采用溶胶-凝胶法将水溶性荧光黄染料掺杂到硅溶胶中,制备出荧光溶胶,研究了二氧化硅用量和染料用量对荧光溶胶的黏度、表面张力、相对荧光强度、紫外-可见吸收光谱等性能的影响。实验结果表明:随着二氧化硅用量的增加,荧光溶胶的黏度逐渐增加,表面张力逐渐减小。荧光溶胶的相对荧光强度和吸光度与荧光染液的相近;随着荧光染料用量的增加,荧光溶胶的相对荧光强度逐渐增加。当染料质量分数超过0.6%后,荧光溶胶的相对荧光强度开始有下降的趋势。     

基于神经网络的尾流激励叶片气动力辨识方法

发动机中存在上下游干涉作用,上游叶片的尾迹流会引起下游叶片发生强迫振动。针对这一现象,提出了采用神经网络模型的方法辨识尾流激励下的叶片气动力。通过计算流体力学（CFD）方法获得时域尾流压力波及其叶片气动力作为训练信号和测试信号,分别用BP神经网络和NARX神经网络建立尾流激励下的叶片气动力辨识模型,对测试信号的叶片气动力进行辨识,并与CFD结果进行比较,探究这两种辨识模型的计算精度。算例结果表明基于NARX神经网络的叶片气动力辨识模型较基于BP神经网络的叶片气动力辨识模型计算精度更高,泛化能力更强。基于NARX神经网络的尾流激励叶片气动力辨识模型,可以快速准确地辨识不同振幅的随机尾流激励和周期尾流激励下的叶片气动力。