摘要：目的:研究天麻素离子敏感鼻用原位凝胶的体外释药特性与机制。方法:采用扩散池法考察天麻素鼻用原位凝胶的释药规律,并用无膜溶出法研究其释放机制。根据鼻腔释药环境的特点,设计了动态扩散池法,考察该原位凝胶的黏附性对释药的影响。结果:天麻素鼻用原位凝胶的释药符合一级释放模型,其溶蚀度较小且与释放度无明显相关性。与天麻素溶液剂相比,其鼻用原位凝胶能延长释药时间,增加释药量。结论:天麻素离子敏感鼻用原位凝胶主要通过扩散而非溶蚀方式释药,在鼻腔内的释药量可因其黏附性显著增加。

摘要：构建了新型装载机定变量液压系统,分析了装载机定变量液压系统的工作原理及能耗问题。利用SolidWorks软件建立装载机工作机构的三维模型,将其参数导入AMESim仿真软件中建立装载机的动力学模型;同时在该仿真软件建立装载机定变量液压系统的仿真模型,针对装载机3种不同工况中的工作特性及能耗问题进行仿真计算分析。结果表明:转向系统由负载敏感泵供油,泵输出流量大小取决于负载需求,避免了旁路节流等损失;同时通过合理设计节流阀阀口面积,使定量泵与变量泵顺次开始向工作系统供油,小流量时只由定量泵向工作系统供油,当负载需求流量增大,定量泵与变量泵双泵合流,共同向工作系统供油,既保证了装载机的工作效率,又具有节能效果;当转向系统与工作系统同时动作时,变量泵优先向转向系统供油,具有转向优先功能,保证了装载机的安全性。相对于全定量系统,定变量液压系统的效率更高,尤其在小流量工况下,具有明显节能效果。

摘要：阐述了数字图像相关测量方法的基本原理和特点,介绍了其相关测量方法在航天器结构微变形领域的应用。设计了一种基于数字图像相关测量原理的结构微变形测量方法,通过测量对某相机安装平台相对形变和某载荷适配结构热稳定性的两个试验,验证了该测量方法的可行性与正确性,其测量精度可达到5μm。该方法在航天器大尺寸结构微变形测量中得到了较好地应用。

摘要：本文以智能机器人为基础开展创新实验项目设计,开发一款智能餐车服务机器人,应用于高铁餐厅为乘客提供点餐服务、聊天互动、车次查询、沿途风景介绍等功能,重点解决了列车途经无网络覆盖区域时的机器人离线服务问题。从而探索智能硬件平台在创新型人才培养中的应用,增强大学生的创新精神、创新能力的实践锻炼。

摘要：目的:测定乙酰天麻素平衡溶解度、油水分配系数及水解速率常数,为其制剂设计与吸收机制的研究提供依据。方法:建立乙酰天麻素UPLC分析方法,采用摇瓶法测定乙酰天麻素在不同pH值缓冲液中的平衡溶解度,以及在正辛醇-磷酸盐缓冲溶液中的油水分配系数,并考察其在60℃下不同pH值的水中的稳定性。结果:乙酰天麻素在水中的平衡溶解度约为300μg·mL-1,油水分配系数lgP值约为1.1,pH值的影响较小。乙酰天麻素在强酸性与碱性条件下易水解,在pH值5.0附近较为稳定。结论:乙酰天麻素在水中极微溶解,脂溶性较强,酸碱均可催化其发生水解反应。

摘要：依托海洋石油工程股份有限公司为恒逸公司在文莱海域全新设计、建造的一座CALM式单点系泊系统,对CALM式单点系泊系统的完工检查进行研究论述。

摘要：介绍一种正在日本使用的为执行特定的远程医疗任务而设计的流动车 ,该流动车由螺旋CT设备、配套检查设备及各种通讯设备组成。可进行医疗检查、CT扫描并能将图像数据/远程会议传送到医疗中心。该设备是由日本松本远程通讯发展组织和日本松本Shinshu大学医院在1995年联合研制的。Shinshu大学医院建立松本医疗研究中心(MRC) ,提供了移动远程医疗服务系统。

摘要：本研究旨在探究桉树与火力楠、米老排等混交林土壤的养分含量和微生物群落结构,并将其与桉树纯林进行对比。通过对土壤样品的采集和分析,评估了土壤中的养分含量和微生物群落的组成情况。结果显示,混交林土壤与桉树纯林的养分含量和微生物群落结构存在明显差异。混交林土壤中的养分含量较高,并且具有更为丰富和多样的微生物群落。

摘要：登陆管线在施工过程中,受到场地限制,在登陆点布置绞车的常规方案不能有效实施,反向回拖管道成为解决问题的有效方案,本文首次在东海大流速海况条件下引入海管计算软件OFFPIPE进行动态模拟,并确定管道在回拖过程中的状态,同时根据管道水泥配重层变化、对管道上的浮筒配置方案进行比选分析,确定浮筒布置方案,为工程施工设计提供了参考。

摘要：人工智能技术的快速发展对机器学习人才的需求不断扩大,机器学习课程也成为高校人工智能类专业的核心课程且具有高度实践性,因此将实际项目与理论教学融为一体,才能更好的使学生得到实践锻炼。本文设计了一个基于迁移学习算法的供应商违约预测的实践案例,通过改进基于间隔核密度估算的虚拟样本生成技术,本研究将其他相似供应商预测模型转换成辅助数据的形式。通过基于权重的迁移学习算法(Tr Ada Boost),将生成的辅助数据中的知识迁移至源数据中来。最后通过对比没有使用迁移学习的模型,使用本研究技术架构训练得到的违约预测模型准确率更高、泛化能力更强。学生可通过该案例实践使用机器学习方法解决实际问题的完整过程。