壳聚糖-5-氟尿嘧啶微球的制备

为了制备靶向型药物载体系统,采用超声乳化技术,以5-氟尿嘧啶(5-Fu)为模型药物,液体石蜡为有机分散介质,Span 80为乳化剂,戊二醛为交联剂,对壳聚糖(CS)进行乳化交联,制备了壳聚糖-5-氟尿嘧啶(CS-5-Fu)微球.对超声频率为40 kHz时的制备条件进行了优化,优化条件为:戊二醛用量2 mL,CS浓度1.0%,5-Fu浓度1.0%.采用红外光谱和扫描电子显微镜等对该条件下所得产物的结构和形貌进行了表征,采用紫外-可见光谱对其药物释放性能进行了研究.研究结果表明,CS-5-Fu微球外形为比较规整的球形,粒径在1~4μm之间,分布均匀,包封率为46.7%.在pH=7.2的磷酸盐缓冲溶液中,CS-5-Fu微球在30 h内的累积释药率为60.4%,具有明显的缓释作用.     

弹性薄壳大变形分析的杂交应力法

本文基于增量余能原理,导出了用于板壳几何非线性分析的假定应力杂交模型。根据单元体边界和内部位移的协调内插以及满足单元体内应力平衡的应力分布假定,列出了有限元的公式,而最后的矩阵公式中只包含节点的未知位移。由此我们建立了3节点、15个自由度的三角形扁壳单元。考虑到计算量的原因,我们对这种单元的应力平衡条件进行了简化处理,仅采用部分满足应力平衡方程的非一致模式。有关公式都是在当前的拉格朗日坐标系统中建立的。数值计算结果表明,用杂交应力模式来分析板壳结构的大变形是很有效的。     

论《开放物理实验》教材的编写原则

详细介绍了编写《开放物理实验》教材应遵循的3条原则,即在编写形式上要突出以学生为主体的原则,内容上要以学生原有的认知结构为依据,选材上要发挥参考文献的灵活性特点,以求最大限度地提升教材的使用功能。     

彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将...     

α-硫辛酸对小牛血管细胞氧化损伤的保护作用

为了研究α-硫辛酸（lipoic acid, LA）对心血管氧化损伤的保护作用，本研究以离体培养的小牛主动脉血管内皮细胞和平滑肌细胞为实验材料，探讨了LA 对这两种细胞氧化损伤的影响.结果表明，在H2O2胁迫下，LA可以剂量依赖性地提高细胞内的超氧化物歧化酶（SOD）活性，抑制细胞内过氧化产物丙二醛（MDA）的产生，提示LA对小牛主动脉血管内皮细胞和平滑肌细胞氧化损伤有保护作用.本研究为LA的保健和药用价值开发,特别是对LA在保护心血管免受氧化损伤的功效的研发，提供了自由基生物学实验依据.     

一种基于专用DSP芯片的三相电参数测量系统

介绍了一种使用专用DSP芯片AT73C50 1、AT73C50 0的三相电参数测量系统 .该系统可以测量三相电的功率、功率因数、相电压、相电流、电网频率 ,提供了测量三相电参数的一种新颖、简便的实现方法 .     

IEEE802.16 Mesh协同分布式模式下的延迟性能分析

为了更好地对IEEE802.16 Mesh协同分布式模式下的网络时延进行评估,利用已有的随机分布式模型,在介绍了IEEE802.16 Mesh的MAC帧格式的基础上,对接入延迟和3次握手的延迟进行了性能分析和仿真分析。分析结果表明,随着回退时隙数量的增加,MSH-DSCH消息的接入延迟和3次握手延迟会增加,仿真结与理论分析结果相同。     

低强度电磁脉冲对细胞膜穿孔的研究

采用新型超宽频带横电磁传输室ＰＴＥＭ Ｃｅｌｌ,在低强度脉冲电场（ＷＥＭＰＦ,电压１８７Ｖ,场强２０Ｖ／ｃｍ,频率３００Ｈｚ,脉宽５０ｎｓ或１００ｎｓ）作用下,鸡红细胞膜上出现直径０．１￣０．９μｍ大小不等的孔洞,被穿孔的细胞约占所观察细胞的１％,细胞穿孔率与照射时间无明显相关。另外,还观察到有１％的细胞虽未穿孔但有小泡从膜上凸出或出现凹陷;台盼蓝能进入人红细胞,红细胞体积都明显变大;ＷＥＭＰＦ能     

枝状聚合物修饰碳纳米管对铀吸附性能研究

采用枝状聚合物对氧化多壁碳纳米管(WMCNT)进行修饰,研究枝状聚合物PAMAM/WMCNT复合物对溶液中铀的吸附性能。研究了不同pH、吸附剂用量、铀初始浓度、吸附时间、离子强度等对吸附性能的影响,探讨了等温吸附理论模型和吸附过程的热力学模型。在室温下pH值为5、吸附时间80min、铀初始浓度1mg/mL时,吸附率达到97.25%。吸附等温模型符合Freundlich方程,吸附动力学符合拟二级动力学方程。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.