亚微米Fe包Co空心微球的制备

研究了一种制备Fe包Co空心微球的新方法.以纳米铁粒子为模板,水合肼为还原剂,通过化学镀制备出具有核-壳结构的Co包Fe纳米粒子,用HCl溶去Fe核制备出空心Co微球,以空心Co微球为模板,NaBH4为还原剂,通过化学镀Fe制备了亚微米Fe包Co的空心微球.研究发现,在化学镀Fe过程中,Fe包Co空心微球之间极易形成硬黏结,通过降低反应物浓度和反应温度,增大反应液pH值抑制镀液中Fe粒子的独立形核,则可明显防止Fe包Co空心微球之间硬黏结的发生.     

聚类分析在图书馆书籍管理中的应用

阐述了K-means聚类方法在图书馆书籍借阅分析中的应用,以及针对图书馆借阅数据的特点将特征聚类、无量纲化方法引入到K-means算法中.     

一种包边模边界缩进控制方法

 将确定性优化方法用于板料包边设计.汽车板料包边仿真中变形区域小导致有限元模型在变形区域的网格很小,模型计算时间太长.本文针对影响板料包边后边界缩进较大的3个参数,建立目标函数的径向基函数近似模型,并用确定性优化方法对近似模型进行优化,近似模型计算效率高,提高了优化方法计算效率,使板料包边的优化设计成为可能,并为生产中的汽车板料控制包边后的边界缩进提供了一种新的思路.     

一种改进的高效粒子水平集法及其应用

针对传统粒子水平集法效率较低,难以应用于复杂工程问题的不足,基于积分平均法及局部粒子初始化方法提出一种改进的高效粒子水平集法.将虚拟粒子引入水平集法不仅可以抑制数值扩散,而且可以降低传统方法对高精度离散格式的依赖性,从而使得引入低阶、高效的积分平均法后界面捕捉精度仍保持二阶.通过将粒子布置于界面局部曲率较大的区域,有效地提高了粒子对界面的修正效率,增加了界面光顺性.改进的高效粒子水平集法能保持良好的鲁棒性,在保证界面捕捉精度的同时显著提高计算效率,计算效率约提高90%.     

对近似收敛数列空间A_c(R)性质的探讨

从实数域上近似收敛数列空间Ac(R)定义出发,指出了收敛数列空间和近似收敛数列空间Ac(R)的包含关系和稠密性,介绍了近似收敛数列空间Ac(R)的一些基本性质,着重讨论了近似收敛数列空间Ac(R)的可分性及其对偶空间,最后又给出了近似收敛数列空间Ac(R)不是局部凸且不是局部有界的证明.     

磷对丙酮酸发酵生产影响作用研究

磷是发酵培养基中经常添加的一种重要的大量元素,在光滑球拟酵母(Torulopsis glabrata)生产丙酮酸的过程中,磷元素对丙酮酸生物合成有着重要的影响.研究了不同初始KH2PO4质量浓度下丙酮酸合成、菌体生长、基质消耗及副产物形成等方面的差异,分析了形成这些差异的原因,以考察磷元素在丙酮酸发酵中的作用.     

分子印迹-流动注射分子荧光法测定水中双酚A的研究

以双酚A(BPA)为模板分子,以丙烯酰胺为功能单体,季戊四醇三丙烯酸酯为交联剂,采用悬浮聚合法,在水性体系中制备了表面带孔的分子印迹聚合微球( MIPM),制备的BPA分子印迹聚合微球( BPA - MIPM)吸附平衡时间为110 min,饱和吸附量为34.38 μmol·g-1.BPA - MIPM以苯酚为竞争分子,分离因子达到22.88;制备的MIPM具有良好的选择吸附性能和良好的再生性能.以BPA - MIPM为分子识别物,基于在pH为1的酸性介质中,β-环糊精对双酚A荧光强度的增强作用,建立测定BPA的分子印迹-流动注射分子荧光法.测得BPA在0.1～100 μg·L-1线性范围内具有很好的相关性,相关系数r为0.9993,相对标准偏差(20μg·L-,n=11)为0.79％,检出限为0.08 μg·L-,用该方法测水中BPA的加标回收率为98.6％ ～ 103.9％,结果较好.     

电磁场对固定化活性污泥磁性微球处理污水的影响

设计了带电磁场的污水处理装置,通过测定污水CODcr的去除率考察装置的运行效果,并获得初步的污水处理工艺参数.固定化活性污泥磁性微球在磁场中进行污水处理实验结果表明:当磁场强度为8.50 m T时,处理污水的CODcr去除率可达87.57%;当磁场强度为80.7mT时,处理污水的CODcr去除率可达98.42%.     

一类带移民两性分支过程的灭绝条件

讨论一类带移民两性分支过程.介绍这种两性分支过程模型,给出该过程平均增长率的定义,并讨论其存在性,最后利用马氏链、离散鞅论、两性分支过程的相关结论得到该过程以概率1灭绝的充分必要条件是其平均增长率小于等于1.     

刮膜器对分子蒸馏器液膜流动影响的数值模拟研究

<正>分子蒸馏是一种新型的用于液-液分离或精制的高新技术,利用不同种类分子溢出液面后其平均自由程不同的性质来实现分离。其中,轻分子的平均自由程大,重分子的平均自由程小。它特别适合于分离高沸点、高黏度、热敏性的天然产物,已经广