摘要：目的对红花水提工艺的影响因素进行研究。方法采用高效液相色谱法,以羟基红花黄色素A为评价指标,采用正交实验设计考察红花水提工艺中的影响因素。结果提取时间和提取次数对红花水提具有显著影响。结论选定的红花水提工艺为:室温浸提3次;第1、2次加15倍水提取4h,第三次加10倍水浸提2h。

摘要：结构完整性是决定航空结构安全与寿命的主要因素,也是制约新材料、新结构、新工艺等有望提升航空结构效率的新技术在航空领域应用的重要问题。明确并提升先进材料及工艺的结构完整性性能有助于航空结构进一步利用新材料、新结构、新工艺的优异特点,实现航空结构更可靠、更高效、更经济的目标。本文主要梳理了航空疲劳与结构完整性国际委员会(ICAF)成员国近年在这一领域中的主要工作和所取得的成果,重点介绍了近年来在新材料、新结构、新工艺的疲劳寿命方面国内外各领域学者所取得的新进展,以促进国内航空材料与结构工作者持续关注航空疲劳与结构完整性方面的问题与进展。在此基础上,结合近年来材料结构和工艺领域取得的突破和航空结构性能的新需求,对新材料、新结构、新工艺的结构完整性研究和未来航空结构的设计工作提出了建议和展望,以促进航空结构完整性的研究和性能的进一步提升。

摘要：为了进一步提高输出电压的稳定性以及能量收集电路的转换效率,文章在传统的单能量收集系统上,增加电池辅助系统以提高输出的稳定性;通过单迟滞比较器判断升降压电路的工作状态,并通过时序控制完成升降压电路单电感的分配问题。该方法通过增加电池辅助的降压电路提高输出电压的稳定性以及能量转换效率;利用时序控制电路实现升降压电路的单电感共用,改善传统升降压电路双电感面积大的问题。电路基于CMOS 180 nm工艺进行设计,仿真结果表明:在输出负载电流发生突变时,输出电压波动小于10 mV;在不同的输出负载条件下,环境能量追踪效率在97%以上、转换效率在78%以上。

摘要：在计算机视觉系统中一直存在物体识别时3D数据表示形式的问题。大多数研究人员将其转化为多视图和体素化网格的深度学习方法,这会出现庞大的数据,使计算量增加,提高了运算的时间复杂度。这里采用直接消耗点云数据方法在欧式空间中通过深度学习神经网络进行识别分类,这种方法与其他方法相比减少了数据运算量,而且很高效。通过分层神经网络进行学习,避免了只学习全局特征而不能学习由度量空间引起的局部结构。在改进现有的深度学习神经网络架构,通过训练在训练集中最高可以学习到96.88%的准确率,并且使训练曲线和测试曲线的准确率更加接近,避免了过拟合现象。最后测试了获取到的点云数据并达到了预期的效果。

摘要：风电机组设计寿命在20~25年之间。我国在2000年前后投运的风电机组即将迎来第一波退役潮,随着风电机组新增装机容量逐年增加,后续年退役机组的资源化利用需求将激增。风电叶片由于长度较长、质量轻、强度大等特点,一直未能找到合适的规模处置办法。按目前4.4×10^(8)kW的装机,每千瓦装机复合材料用量16kg测算,全国风电叶片复合材料市场约704×10^(4)t。风电叶片破碎到厘米量级后,堆积密度较小,仅为煤粉的39%,运输成本较高,按200km运距测算,每吨叶片仅运输成本一项就已达1200~1500CNY(这还不包括拆除、切割、破碎等费用),从经济角度看,与燃煤锅炉耦合掺烧是一项较有潜力的规模处置路线。风电叶片具有极易着火、极易燃尽的特点。在224℃开始失重,着火和燃尽阶段特征温度分别为264℃和504℃,着火性能和燃尽性能均优于煤,燃尽后的叶片剩余物主要是玻璃纤维,元素成分主要是以氧化物形态存在的硅、铝、钙、镁元素。风电叶片具有高氮、低热值的特点。典型叶片干燥基氮为0.82%,空干基热值1849kcal/kg。煤与风电叶片的氮结构形态差异较大,煤氮主要以吡咯氮形式存在,占比达到了85%,而风电叶片氮主要为酰胺结构,占比为90.6%,酰胺结构氮受热后更易向气相氮释放。沉降炉耦合掺烧实验结果表明,在10%掺烧比例内(质量比),对污染物NO排放没有明显变化。按10%掺烧比例测算,一台300MW燃煤锅炉,每年可以消纳3052MW退役风电机组所产生的叶片复合材料,这意味着现役的燃煤锅炉已完全可以消纳将来待退役的风电机组所产生的叶片固体废弃物。