磨细炉底渣的性质及其在泡沫混凝土中的应用研究

对热电厂所排的炉底渣进行磨细加工成灰渣。测试分析了磨细灰渣的化学成分、相组成以及火山灰活性。试验结果表明磨细灰渣的45μm筛余量控制在10%左右时其品质为最优。将磨细灰渣应用于泡沫混凝土作一研究探讨。泡沫混凝土的多孔结构为磨细锅炉灰渣的应用提供了可能。

磷钼钒酸修饰的多晶Pt电极对甲醇电催化氧化的研究

甲醇电催化氧化催化剂活性低,且易被中间产物毒化制约着直接甲醇燃料电池(DMFCs)商业化的进程,过渡金属氧化物如MoOx和VOx等能够促进甲醇的电催化氧化,而磷钼钒酸(PMV)不仅含有MoOx和VOx两种氧化物,而且还具有磷钼酸独特的催化性质,文章旨在通过电化学实验方法,研究磷钼钒酸对甲醇电催化氧化的影响。

谈小学班主任在学生成长中的重要作用

小学生处在启蒙教育中,正处于世界观、人生观形成的关键时期,具有较强的好奇心理,具有对周边事物善于模仿的特点。从班主任自身人格魅力、教育方法、教学方式三个方面,讨论了班主任在学生成长中的重要作用。

电子信息工程与人工智能的融合分析

人工智能作为21世纪科技领域最前沿的技术之一,具有显著的产业外溢效应,可以促进多个领域的转型和跨越式发展,对传统产业产生颠覆性影响。人工智能的快速发展将深刻改变世界。人工智能产业为中国经济发展提供了战略性新动能,也是引领中国经济发展的重要战略抓手。

微型UAV视觉在车辆追踪定位中的应用

针对现今车辆追踪方法成本高、操作不便和可靠性低等问题,提出了一种基于微型UAV(无人机)视觉的解决方案。系统将整个平台搭载于微型UAV上,通过摄像头采集图像,通过不变矩算法对视频中运动车辆进行识别,使用机动性良好的微型UAV对车辆加以追踪,系统利用GPS对微型UAV进行定位,并利用无线网络将地理信息发送至手机,手机调用百度地图来观察目标车辆的运动轨迹。系统将微型UAV视觉技术和GPS定位技术相结合从而更为方便地对运动车辆进行跟踪定位。

定量核磁共振波谱法测定坎地沙坦酯氨氯地平片中2个活性成分的绝对含量

目的:建立坎地沙坦酯氨氯地平片中坎地沙坦酯及苯磺酸氨氯地平2个活性成分绝对含量的定量核磁共振氢谱测定方法。方法:以坎地沙坦酯化学位移δ5.51,苯磺酸氨氯地平化学位移δ5.31为定量峰,马来酸化学位移δ6.27为内标定量峰,氘代二甲基亚砜(DMSO-d6)为溶剂,使用超导核磁共振波谱仪采集供试液的氢谱,对坎地沙坦酯氨氯地平片中坎地沙坦酯及苯磺酸氨氯地平2个活性成分绝对含量进行定量测定。结果:该方法专属性强,溶剂峰、水峰及辅料峰对待测定量峰无干扰。坎地沙坦酯在1.5800~9.4802 mg·mL^(-1)质量浓度范围内呈现良好的线性关系r=1.000,精密度、重复性及稳定性的RSD分别为0.070%、1.7%和0.68%,低、中、高浓度加标回收率在98.1%~99.2%;苯磺酸氨氯地平在0.9839~5.9036 mg·mL^(-1)质量浓度范围内呈现良好的线性关系(r=0.9999),精密度、重复性及稳定性的RSD分别为0.050%、1.8%和0.79%,低、中、高浓度加标回收率在99.1%~102.0%。运用该方法对2批参比制剂及不同来源的1批样品进行测试,坎地沙坦酯含量在98.10%~98.75%,苯磺酸氨氯地平含量在98.98%~99.60%。结论:该方法检测坎地沙坦酯氨氯地平片中2个活性成分的绝对含量快速、准确,且无需提供2个物质单组分对照品,为坎地沙坦酯氨氯地平片含量测定提供新的方法。

浅析水泥厂电气设备的巡视检查工作

电气设备安全是水泥厂大型设备安全运行的前提,电气设备巡视检查是保证电气设备安全可靠运行的重要措施,电气检修可据此分析隐患发展趋势,制定处理措施.设备巡视检查是安全生产的基础,若工作没有落实,隐患不能被及时发现排除,可能会造成严重损失.本文介绍电气设备巡视检查工作的必要性、方法及注意事项.

探索消费信贷新出路

从商业银行发展过程看，消费信贷于第二次世界大战后兴起。西方资本主义国家吸取了生产与消费脱节造成经济危机的教训，以预期收入理论为理论基础，大力发展消费信贷，促进经济持续增长。由于我国长期处于短缺经济条件下，卖方市场使银行信贷主要投向生产流通领域，对消费领域的资金需求考虑很少或者说根本没有考虑，直到近几年，随着买方市场的出现，消费信贷才开始起步。

LS-SVM-based surface roughness prediction model for a reflective fiber optic sensor

Reflective fiber optic sensors have advantages for surface roughness measurements of some special workpieces,but their measuring precision and efficiency need to be improved further. A least-squares support vector machine（LS-SVM）-based surface roughness prediction model is proposed to estimate the surface roughness, Ra, and the coupled simulated annealing（CSA） and standard simplex（SS） methods are combined for the parameter optimization of the mode. Experiments are conducted to test the performance of the proposed model, and the results show that the range of average relative errors is-4.232%–2.5709%. In comparison with the existing models, the LS-SVM-based model has the best performance in prediction precision, stability, and timesaving.