毛细管电泳法研究提取剂对黄连-黄柏共煎剂中生物碱含量的影响

用毛细管电泳法,对黄连与黄柏配伍后共煎剂中的主要生物碱进行了分析。以50 mmol/L Na2B4O7(pH=7)-CH3OH(85:15,V/V)为背景电解质,操作电压为14 kV,电迁移进样10 kV×5s,柱上223 nm检测,5种主要生物碱9 min内可在50 cm×75μm毛细管上实现基线分离。以小檗碱、巴马汀的提取量为指标,分析了提取剂对提取效果的影响。以30％的乙醇水溶液为提取剂,可得到最大煎出量。     

钪—镧—对氟偶氮氯膦体系共显色效应的研究及应用

本文研究了钪－镧－对氟偶氮氯膦体系共显色效应的光度特性及测定钪的最佳条件，建立了光度法测定痕量钪的新方法。该法的表观摩尔吸光系数为８．５７×１０＾４Ｌ·ｍｏｌ＾－１·ｃｍ＾－１，Ｓｃ（Ⅲ）浓度在０．０－５．０μｇ／２５ｍｌ范围符合比尔定律。将本法用于镁基，铁基合成试样中痕量钪的测定，结果满意。     

铝合金表面稀土多元共渗及抗腐蚀性能的研究

用化学法,通过固—气界面反应,在铝合金(LY12)表面进行稀土及碳、氮等元素的多元共渗。采用离子探针、俄歇能谱、x光电子能谱及比色分析等方法,分析共渗后铝合金的表面成分及相对含量。结果证实,稀土元素确已渗入铝合金表层,并对碳、氮元素有助渗作用;稀土多元共渗铝合金表面电位分布趋向均匀;抗晶间腐蚀和抗应力腐蚀性能均有显著提高。     

热致液晶共聚酯酰胺／PET共混物的流变性能和原位增强特性

采用Ｉｎｓｔｒｏｎ３２１１型毛细管流变仪研究了ＰＥＡ／ＰＥＴ共混物的流变性能，据此探讨共混物熔体的可纺性，讨论了共混物配比与复合纤维力学性能的关系，并且偏光显微镜，扫描电镜研究纤维的结构。结果表明，共混物的表观粘度低于ＰＥＴ的粘度，当ＰＥＡ为１０％，共混物的表观粘度达到最小值；且ＰＥＡ含量低于１０％时，共混物的可纺性即，表现出良好的原位增强效果。     

乙醇对超临界CO2中乙酰乙酸乙酯异构化平衡的影响

超临界流体（SCF）是物质所处的温度和压力同时高于其临界值时的流体．在超临界体系中存在特殊的分子间相互作用，从而使其具有诸如高压缩性、高扩散系数、强溶剂化力等许多独特的性质.在超临界流体研究领域引起人们普遍关注的问题之一是共溶剂效应（cosolventeffect），即在超     

Ni－La_2O_3复合镀层的氧化行为及机制

通过对金属镍、镍镀层及Ｎｌ－Ｌａ２ｏ３复合愤层于９００℃、１０００℃时的恒温氧化实验，发现Ｎｌ－Ｌａ２Ｏ３复合镀层的氧化行为明显改善。高分辨电子显徽镜（ＨＲＥＭ）的观测研究表明，Ｎｉ－Ｌａ２Ｏ３复合铰层氧化时，纳米尺寸的ｋａ２Ｏ３颗粒掺人到氧化层中，形成了ＮｉＯ－Ｌａ２Ｏ３复合氧化物层；在氧化层晶界发现了异常原子排列的新现象。由此认为，Ｎｉ－Ｌａ２Ｏ３复合镀层抗高温氧化性能的提高，主要归因于小尺寸的纳米颗粒可微量溶解，成为Ｌａ（３＋）的晶界们聚“源”，阻止Ｎｉ（２＋）的短路向外扩散，从而改善了氧化层的微观结构和生长机制。     

面向方向图保形的共口径基站天线去耦技术

为了节省基站天线所占空间资源,降低其运营成本,现代移动通信需要将多个天线阵列紧密地排列在一起,构成多频共口径基站天线。多天线的紧密排列势必造成天线间强烈的耦合,不仅使得天线阻抗失配、隔离度变差,同时也造成辐射方向图的严重变形。因此,近年来多频共口径基站天线的去耦成为工业界和学术界研究的热点,早期的去耦技术主要是面向改善天线的阻抗匹配和隔离度,而对面向方向图保形的去耦技术研究相对较少。文章在简要介绍面向方向图保形的基站天线去耦技术的研究现状的基础上,重点阐述了褚庆昕教授天线射频团队基于感应电流抵消、耦合场抵消和辐射阻断等原理,提出的几种新型的去耦技术。这些技术不仅可以有效地改善基站天线的阻抗匹配和隔离,更重要的是很好地实现了天线方向图保形。仿真和测试结果验证了原理的正确性和设计的可行性。一些技术已被用于5G基站天线产品。     

量子密钥分发系统与经典光通信系统共纤传输分析

阐述量子信号与经典信号共纤传输的技术难点和解决办法,结合实际经典网络特点,提出了量子密钥分发系统与经典光通信系统共纤传输方案,为量子密钥分发系统与经典光通信系统共纤传输技术进一步研究提供参考,从而促进量子密钥网络的发展。     

一种多塔中波天线的设计与仿真

占地面积大、征地成本高、场地限制不好布设等问题一直严重制约中波天线的建设。 为了减少中波天线占地面积,提高铁塔的利用率,对天线布局和天馈网络进行优化设计,研究双频共塔匹配网络、阻塞网络和共址多塔天线辐射特性,给出三塔六频率的解决方案。最后,通过仿真论证,给出对应的网络、天线几何结构和辐射性能参数。     

基于深度学习的基金客服情绪安抚算法

构建基金智能客服情绪安抚算法,增加人性化设计以有效提升客户使用体验。由基于OCC模型的情绪粗粒度分类得到有负面情感的文本信息,对该文本信息进行相关处理,而后基于SVM模型进行情绪细粒度分类,得到文本的负面情绪类别并在囊括专业知识和情绪应答的基金领域知识库中匹配答案和情绪应答语句,将查询结果展示给客户。