一、酶与活化能 酶的催化机理 碰撞、有效碰撞、活化分子、 活化能:活化分子所有的最低能量(Ea)与 分子的平均能量(EA)之差。分子由常态转 变为活化状态所需要的能量称为活化能

采用水热法和还原氮化法合成了菊花状形貌的氮化钛（TiN）纳米材料，并将其与还原氧化石墨烯（rGO）水热复合制备了氮化钛–还原氧化石墨烯（TiN-rGO）复合材料。利用扫描电镜、X射线衍射、X射线光电子能谱等测试方法对材料的形貌和物相进行了表征和分析。结果表明，TiN-rGO复合材料很好地保持了TiN菊花状的三维结构和rGO透明褶皱的形貌，且层状的rGO均匀地包覆在了菊花状的TiN的周围。用TiN-rGO复合材料修饰玻碳电极（GCE）制得了TiN-rGO/GCE电化学传感器，用于测定人体中的生物小分子DA和UA。由于复合材料中TiN和rGO的协同效应，构建的电化学传感器表现出了优秀的电化学性能。检测结果表明：TiN-rGO/GCE传感器对DA和UA的检测限分别为0.11和0.12 μmol·L?1，线性范围分别为0.5～210 μmol·L?1和5～350 μmol·L?1，且具有良好的抗干扰性、重现性和稳定性，且成功应用于人体内真实样品的DA和UA检测

1.直流稳压电源的组成及各部分的作用。 2.单相半波及单相桥式整流电路的分析和估算。 3.电容滤波电路的分析和估算。 4.稳压管稳压电路的分析和限流电阻的估算

以经典工艺矿物学研究方法为基础，结合化学物相分析、矿物解离分析(MLA)、X射线衍射、光学显微镜、扫描电镜-X射线能谱仪(SEM-EDS)等手段对印尼典型海砂矿的矿物学及其固态还原特征进行了系统研究。结果表明：印尼海砂矿的矿物组成主要为钛磁铁矿、次为少量假象赤铁矿、赤铁矿、钛铁矿以及辉石等。绝大部分钛磁铁矿呈致密单体或铁的富连生体产出，偶有由固熔体分离析出形成的微细钛铁矿片晶。赋存于钛磁铁矿中的铁占总铁的89.79%、钛为85.42%、钒则高达97.97%。海砂矿在C/Fe摩尔比1.2、温度1300 ℃条件下还原60 min可较好实现金属化。其还原历程遵循：Fe2.75Ti0.25O4 → FeTiO3, (Fe, Mg)Ti2O5 → (Fe, Mg)Ti2O5 → Fe，稳定的黑钛石相是影响金属化程度的主要因素。经固态还原处理Fe元素最终富集于金属相，V、Ti则赋存于渣中富钛相，为后续的分离提取创造了有利条件

1.直流稳压电源的组成及各部分的作用。 2.单相半波及单相桥式整流电路的分析和估算。 3.电容滤波电路的分析和估算。 4.稳压管稳压电路的分析和限流电阻的估算

呵呵现在任给一函数f(x),我们怎么知道小波级数可以无限逼近这个函数呢 我们想象任给beta>0,可以将f(x)曲线按每beta长度分成很多小段,对应很多点 若我们可以用一函数g(x)来拟合这些点,那么g(x)和(x)在任意x上的误差将小于beta 若点数量为2^n个那么我们就可以分别用^(n-1)个L波和2^(n-1)个H波拟合 然后可将L波再分解,最后得到一棵树(分解的级数由你决定)

研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性

采用无水电解法提取不锈钢中存在的典型夹杂物，通过扫描电子显微镜观察夹杂物三维形貌，并根据元素组成对夹杂物进行分类和形貌分析，对具有相同化学成分但不同三维形貌的夹杂物进行了表征和归纳。利用FactSage 7.0热力学软件，对不同夹杂物的平衡状态进行了计算，研究了温度和钢液成分对于夹杂物平衡的影响，并得到相应的平衡相图。结果表明，无水电解可以有效地将不锈钢中夹杂物完整地提取出来，避免了金相法带来的误差，可以更加清晰的观测夹杂物的三维形貌；经扫描电子显微镜观察和测量，较大的氧化铝夹杂物表面较为容易出现钛元素的富集区域，且大部分夹杂物形貌主要为球状和表面较为光滑的多面体状，直径一般不大于5 μm。通过热力学计算得到，钢中夹杂物的生成与钢中元素质量分数密切相关，在1873 K时，Mg、Ti、Si元素质量分数的不同会导致生成不同的夹杂物

一、随机变量及其分布 二、离散型随机变量的分布函数 三、离散型随机变量的概率函数 四、连续型随机变量及其概率密度 五、随机变量的函数的分布

一、在层次聚类分析中,输入中不指定要分成的类的个数。系统的输入为(X,s),系统的输出是类的层次。 二、大多数层次聚类过程不是基于最优的思想, 而是通过反复的分区直至收敛,找出一些近似的、未达最优标准的解决方案。 三、层次聚类算法分为:分裂算法和凝聚算法