|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
藥大學(xué).jpg){kind=logo}
中藥液體制劑的陶瓷膜分高在線(xiàn)耦合超聲方法
【發(fā) 明 人】潘林梅；郭立瑋；黃敏燕；朱華旭【技術(shù)領(lǐng)域】本發(fā)明涉及一種陶瓷膜分離的技術(shù)，特別涉及一種適用于陶瓷膜微濾中藥液體制劑的膜分離方法。【摘要】 本發(fā)明公開(kāi)了一種中藥液體制劑的陶瓷膜分離在線(xiàn)耦合超聲方法，步驟為：藥液加壓至膜組件中，調(diào)節(jié)陶瓷膜工作壓力與溫度，打開(kāi)滲透液閥門(mén)，測(cè)定單位時(shí)間內(nèi)滲透液流出量，截留液循環(huán)流回原料罐，陶瓷膜管處于功率為5～20W的超聲中，工作壓差為0.1～0.5MPa，藥液溫度范圍為5～85℃。所述的超聲由探頭式超聲發(fā)生器發(fā)生，超聲探頭進(jìn)入陶瓷膜管的深度占陶瓷膜管總長(zhǎng)的10～90％。藥液為中藥酒類(lèi)液體制劑或以水為溶劑的中藥液體制劑。可以在線(xiàn)控制膜污染、降低清洗頻率、顯著提高膜的分離效率。
南京中醫(yī)藥大學(xué)
2021-04-13
大學(xué).jpg){kind=logo}
高可信強(qiáng)智能的心腦血管疾病診療服務(wù)模式解決方案
一、項(xiàng)目簡(jiǎn)介 本項(xiàng)目以心腦血管診療數(shù)據(jù)為研究對(duì)象，以建立三級(jí)協(xié)同診療服務(wù)模式為目標(biāo)，圍繞心腦血管診療裝備網(wǎng)絡(luò)共享、多元異構(gòu)醫(yī)療信息智能提取、協(xié)同診療、國(guó)家級(jí)協(xié)同診療服務(wù)模式及評(píng)價(jià)體系四個(gè)科學(xué)問(wèn)題，在數(shù)據(jù)獲取與資源共享，知識(shí)提取與協(xié)同診療，三級(jí)診療服務(wù)模式三個(gè)層次上開(kāi)展裝備網(wǎng)絡(luò)協(xié)同共享、智能信息提取與知識(shí)發(fā)現(xiàn)、基于人工智能的心腦血管疾病智能診療、醫(yī)療服務(wù)體系及大數(shù)據(jù)安全關(guān)鍵技術(shù)研究和三
廈門(mén)大學(xué)
2021-01-12
.jpg){kind=logo}
高潛水位采煤沉陷區(qū)生態(tài)環(huán)境治理關(guān)鍵技術(shù)及應(yīng)用
以?xún)苫吹V區(qū)為背景，揭示 了高潛水位巨厚沖積層重復(fù)開(kāi) 采的地表沉陷機(jī)理與規(guī)律，優(yōu) 化了地表沉陷預(yù)測(cè)模型，闡明 了沉陷區(qū)動(dòng)態(tài)沉陷與積水變化 關(guān)系。建立了高潛水位采煤沉 陷區(qū)多源水(質(zhì))循環(huán)模擬模型， 揭示了沉陷區(qū)地表生態(tài)系統(tǒng)演 變規(guī)律。
安徽建筑大學(xué)
2021-01-12
一種高pH源水的氧化過(guò)濾除錳除鐵方法
本發(fā)明公開(kāi)了一種高pH源水的氧化過(guò)濾除錳除鐵方法，適用于pH＞8.5的源水處理，所述方法的工藝步驟包括：源水→一級(jí)泵站→配水井→預(yù)氧化池→混凝劑混凝→高密度沉淀池→過(guò)濾池→消毒→清水池→二級(jí)泵站→用戶(hù)，其中，在一級(jí)泵站處投加ClO2進(jìn)行預(yù)氧化，在預(yù)氧化池中投加KMnO4進(jìn)行預(yù)氧化。與現(xiàn)有技術(shù)相比，該方法采用先ClO2后KMnO4分段聯(lián)合預(yù)氧化方法，不僅可以有效去除錳鐵，減少色度、臭味、去除有機(jī)物和滅藻等，還能夠通過(guò)預(yù)氧化控制和削減消毒副產(chǎn)物產(chǎn)生。由于KMnO4藥劑投加量少，后續(xù)無(wú)需活性炭脫色，也無(wú)需
安徽建筑大學(xué)
2021-01-12
.jpg){kind=logo}
燃煤汽化二氧化碳的高值有效封存利用
燃煤汽化的二氧化碳的高值有效封存利用技術(shù)就是在特定工藝條件下，使 CO2 與氨發(fā)生反應(yīng)最后得到三聚氰酸等固體產(chǎn)品。該技術(shù)不僅能封存 CO2，而 且能使 CO2 得到增值，形成 CO2 產(chǎn)品利用的循環(huán)經(jīng)濟(jì)產(chǎn)業(yè)鏈。二氧化碳氨化 礦化得到三聚氰酸產(chǎn)品技術(shù)具有以下特點(diǎn)： （1）固碳能力高，CO2 占原料的重量比為 72%；所需的反應(yīng)原料少； （2）CO2 氨化礦化是合成尿素工藝創(chuàng)新，可行性高； （3）反應(yīng)原料來(lái)源簡(jiǎn)單，僅需要煤、水和空氣，也是燃煤清潔利用的低碳、 低成本的工藝； （4）所得產(chǎn)物利用價(jià)值大，三聚氰酸物理性質(zhì)穩(wěn)定（溫度＞350℃才分 解），化學(xué)性質(zhì)活潑，是一種重要的化工產(chǎn)品及原料。
山東大學(xué)
2021-04-13
.jpg){kind=logo}
利用諧波幅值判定飽和的高動(dòng)態(tài)三維測(cè)量方法
本發(fā)明公開(kāi)了一種利用諧波幅值判定飽和的高動(dòng)態(tài)三維測(cè)量方法。使用投影裝置向三維目標(biāo)投射多組結(jié)構(gòu)光圖案序列，并用攝像裝置進(jìn)行同步拍攝，通過(guò)控制掃描參數(shù)獲取具有不同的亮度的結(jié)構(gòu)光圖像組，對(duì)每組圖像分別計(jì)算其時(shí)間序列的非主頻成分幅值，把非主頻成分幅值小于一定閾值的像素區(qū)域?yàn)榕卸榉橇炼蕊柡蛥^(qū)域，對(duì)每一個(gè)像素點(diǎn)在該點(diǎn)未飽和的圖像組中找到亮度最大的一組，并用這組圖像計(jì)算該像素點(diǎn)的相位，最后根據(jù)相位和系統(tǒng)標(biāo)定參數(shù)計(jì)算出物體表面的三維坐標(biāo)。本發(fā)明可用于測(cè)量反射率變化大的物體的三維面形。本發(fā)明能精確穩(wěn)定地判定飽和區(qū)域，達(dá)到較高的三維測(cè)量精度。
四川大學(xué)
2016-10-08
大學(xué).jpg){kind=logo}
重金屬的流動(dòng)注射在線(xiàn)測(cè)定及高選擇性吸附
本項(xiàng)目主要針對(duì)痕量重金屬元素 Cu、Pb、Zn、Cd、Hg、Fe、Mn、Cr、As和有機(jī)物，合成三類(lèi)萃取樹(shù)脂：（1）螯合樹(shù)脂（2）大孔吸附樹(shù)脂（3）砷萃取樹(shù)脂，為了實(shí)現(xiàn)在操作現(xiàn)場(chǎng)的痕量重金屬元素和有機(jī)物的快速分析，我們將萃取樹(shù)脂預(yù)富集和流動(dòng)注射技術(shù)聯(lián)合起來(lái)，建立一種在線(xiàn)分析方法，并對(duì)該方法的測(cè)定條件進(jìn)行優(yōu)化。解決的關(guān)鍵問(wèn)題 1、分離富集海水中痕量重金屬元素和有機(jī)物所用的樹(shù)脂是本項(xiàng)研究的關(guān)鍵。要求所合成的樹(shù)脂在具有較適宜的螯合能力（和吸附
南開(kāi)大學(xué)
2021-04-14
.jpg){kind=logo}
一種高精度高電源抑制比的帶隙基準(zhǔn)源
本發(fā)明公開(kāi)了一種高精度高電源抑制比的帶隙基準(zhǔn)源，包括啟 動(dòng)電路和基準(zhǔn)電壓產(chǎn)生模塊；基準(zhǔn)電壓產(chǎn)生模塊包括電源抑制比增強(qiáng) 電路、基準(zhǔn)電壓產(chǎn)生電路和溫度補(bǔ)償電路；電源抑制比增強(qiáng)電路的第 一輸入端連接至啟動(dòng)電路的第一輸出端，基準(zhǔn)電壓產(chǎn)生電路的第一輸 入端連接至啟動(dòng)電路的第二輸出端，基準(zhǔn)電壓產(chǎn)生電路的第二輸入端 連接至電源抑制比增強(qiáng)電路的第一輸出端；溫度補(bǔ)償電路的第一輸入 端連接至啟動(dòng)電路的第二輸出端，溫度補(bǔ)償電路的第二輸入端
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
碳納米管改性的高導(dǎo)電高韌性石墨粘膠的制備方法
本發(fā)明公開(kāi)了一種碳納米管改性的高導(dǎo)電高韌性石墨粘膠的制備方法，包括步驟:步驟 1，在碳納 米管表面化學(xué)修飾上親水性基團(tuán);步驟 2，將分散劑溶解于去離子水中獲得分散劑溶液;步驟 3，將帶 親水性基團(tuán)的碳納米管分散于分散劑溶液，獲得碳納米管分散液;步驟 4，將碳納米管分散液低速離心 后取上層清液，將上層清液與樹(shù)脂原液混合，獲得碳納米管改性的石墨粘膠。將本發(fā)明石墨粘膠用于制 備柔性石墨接地體的浸膠工藝，在提高石墨紙與纖維附著力的同時(shí)，還可顯著提高復(fù)合石墨帶的導(dǎo)電性
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類(lèi)方法
本成果提出的基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類(lèi)方法有效的利用高光譜圖像的超像素分割結(jié)果指導(dǎo)偽樣本擴(kuò)充增加了訓(xùn)練集樣本數(shù)量，解決了高光譜圖像有標(biāo)記樣本的稀缺問(wèn)題，同時(shí)空譜的全卷積分類(lèi)網(wǎng)絡(luò)也充分利用了多尺度的空間特征和光譜特征實(shí)現(xiàn)了較高的分類(lèi)精度。
成果非涉密，專(zhuān)利申請(qǐng)已經(jīng)提交。
實(shí)驗(yàn)采用反射光學(xué)系統(tǒng)成像光譜儀（ROSIS）傳感器獲取意大利北部帕維亞大學(xué)（Pavia University）的高光譜圖像數(shù)據(jù)。該數(shù)據(jù)集由 103 個(gè)光譜帶組成，共 610×340 像素，光譜覆蓋范圍從 430nm 到 860nm，空間分辨率為 1.3m。該數(shù)據(jù)集一共含有 9 個(gè)類(lèi)別的 42776個(gè)有標(biāo)記樣本，選取每類(lèi) 30 個(gè)有標(biāo)記樣本作為訓(xùn)練集，其余作為測(cè)試集。
由下表可以看出，在每類(lèi)選取 30 個(gè)樣本的情況下，本 模 型 的 OA，AA，Kappa系 數(shù) 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表證明了使用了偽標(biāo)簽樣本擴(kuò)充的空譜全卷積網(wǎng)絡(luò)的本方法在小樣本情況下每個(gè)類(lèi)的分類(lèi)準(zhǔn)確性均優(yōu)于 DFFN 和 CNN，達(dá)到了較好的分類(lèi)效果。
表 1 PaviaU 數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)結(jié)果
西安電子科技大學(xué)
2023-03-03