大庆产防风水浸液和煮沸液的荧光光谱

利用RF-5301荧光分光光度计研究了大庆产防风水浸液和煮沸液的荧光光谱特征.实验结果表明,防风水浸液的荧光峰值为430 nm,煮沸液的荧光峰值为427 nm.水浸液在质量浓度为2.83 g/L时荧光峰强度最大,煮沸液在质量浓度为0.92 g/L时荧光峰强度最大.不同浓度的防风水浸液和煮沸液的荧光峰的中心位置基本一致,但荧光强度随浓度的变化而变化.此研究对中药防风的炮制方法和药理学研究提供了一定的参考价值.     

内蕴变换在三维边界元法中的应用

通过在一空间三角形上引入一内蕴标架,给出了三维边界元法中计算1/r阶奇异性内核的积分的通用变换公式并从理论上探讨了内蕴变换的定性性质,可以方便地处理塑性区中带有1/r2阶奇异性的体积分.     

ERP在中国集装箱码头信息系统中的应用前景

提出了ERP的特征,指出并分析了中国集装箱码头操作系统中存在的主要问题．将ERP的原理应用到集装箱码头操作系统,可以解决集装箱码头操作系统存在的实际问题,同时对提升集装箱码头企业的竞争力将会有很大的帮助．     

基于电磁换向阀换向时的液动力研究

通过对电磁换向阀换向工作时稳态和瞬间液动力的理论分析,建立了稳态和瞬间液动力的理论公式,并进行了定性分析,探讨了液动力对系统的影响,并认为液动力是影响换向失灵、烧毁等现象的重要因素.说明设计系统时应考虑液动力,以使系统设计完善.     

饥饿和水温对海月水母碟状幼体游泳能力的影响

【目的】研究饥饿持续时间和水温对海月水母Aurelia aurita碟状幼体游泳能力的影响,探讨游泳能力对碟状幼体种群生存和生长的影响。【方法】将刚刚释放的海月水母碟状幼体分别置于9℃,12℃和15℃下,每个温度下放置20只,并使其保持饥饿。每隔10d测量1次碟状幼体的拍动速度。【结果】碟状幼体的最大平均拍动速度为49.3次·min-1。在长达50d的饥饿时间内,饥饿持续时间对碟状幼体拍动速度的影响极显著(P0.01),而温度及饥饿持续时间交互作用对拍动速度的影响不显著(P0.05)。在饥饿10~20d后,碟状幼体的拍动速度显著加快,然而当饥饿时间进一步延长时,拍动速度也随之下降。【结论】海月水母碟状幼体的最大游泳速度为8.9cm·min-1。碟状幼体主要食物为藤壶Barnacle幼体、轮虫Rotifers及水螅水母Rathkea octopunctata等游泳速度缓慢的浮游动物。碟状幼体的拍动速度在饥饿30d后开始显著下降,因此严重饥饿的碟状幼体可能更容易被天敌捕食,从而造成自然水域中碟状幼体更高的死亡率。     

正反弹道Taylor撞击变形等效性研究

反弹道撞击试验在材料与结构的动力学响应研究领域已有广泛应用,相比正向Taylor试验,反弹道条件下Taylor撞击试验可获得更全面的弹/杆结构响应数据及量化测试结果.为研究正反弹道结构响应的等效性条件,开展不同长径比Taylor杆的正反撞击试验,获得了试件微秒量级的实时动态响应数据.利用数值模拟方法研究了不同撞击速度下结构变形、能量变化与塑性波的传播规律,从能量角度建立了两种撞击条件下结构变形的等效关系,在靶弹质量比大于20的条件下,正反撞击塑性功偏差小于5%.     

物流配送中心选址问题研究

针对需要综合考虑物流配送中心经济性因素、环境性因素和服务性因素的问题,在改进传统遗传算法的基础上,引入了存优操作,进而提高了算法的收敛速度,使得解的个数可以由用户指定,从而更加满足实际的需求.使用层次分析法对改进遗传算法选出的N个最优解进行综合评价,进一步选出配送中心选址的最佳方案.实例分析表明,将改进的遗传算法和层次分析法相结合,可以解决物流配送中心选址问题.     

车载方舱手术室颗粒物质量浓度分布仿真与参数优化

 为有效降低车载方舱手术室的颗粒物质量浓度,提高室内空气洁净度,通过对某车载方舱手术室颗粒物扩散分布规律的仿真分析,以工作平面颗粒物质量浓度最小为目标,以工作平面平均风速为约束条件,建立优化模型,采用序列响应面法对送风速度和送风角度参数进行了优化求解研究。结果表明,手术室的回风口在长边壁面对称布置时,能有效促进室内空气的流动,有利于颗粒物质量浓度的降低;在顶部送风、两长边壁面下侧回风的非单向流手术室内,颗粒物质量浓度主要受气流的影响,主导颗粒物扩散的方向为下风向时,主流区的颗粒物质量浓度较小,医护人员周边及壁面的颗粒物质量浓度较大;优化后的送风速度和送风角度使手术室的颗粒物质量浓度降低78.19%,室内空气质量达到洁净标准。该优化方法可为野外环境下的洁净手术室通风系统设计提供依据。     

基于手机传感器的用户行为识别

基于手机传感器实现用户行为识别在健康监控、时间管理和个人喜好分析、资讯筛选和推送等方面的重要作用,研究一种基于手机三轴加速度传感器、方向传感器获取用户数据,采用SVM多分类方法中的决策树分类方法,在决策树各节点训练SVM分类器,用于识别静止、步行、奔跑、上楼梯和下楼梯等5种日常行为,进而实现对用户行为的识别。通过对不同实验者的交叉对比实验,识别准确率平均为91.65%,证明了这一方法的有效性。