为了克服猪脱细胞真皮基质作为组织工程支架材料渗透性差、降解速度过慢、免疫原性较强等缺点,采用多种化学、生物与物理综合方法处理猪皮制备了一种新型天然胶原支架材料,通过光学显微镜、扫描电镜观察以及体外降解时间、透水汽性、拉伸强度、孔隙率、收缩温度等的测定,对其性能进行了研究.实验结果显示:支架中的成纤维细胞、脂肪细胞及组织纤维间质完全去除,胶原纤维得到了松散,并维持其原有的天然三维网络多孔结构;该材料透水汽性处于3000g·m-2·d-1左右,适合创面恢复;体外降解时间处于25~50h之间,并可根据需要调整工艺条件控制降解时间;拉伸强度介于10.20~11.50MPa之间,具有良好的拉伸强度;收缩温度介于70~85℃之间.上述结果表明该材料已解决了猪脱细胞真皮基质渗透性差、降解速度过慢的缺点,并且其透气性和拉伸强度高、降解性优良且可控,符合组织工程支架材料的要求

采用脉冲电镀法在黄铜表面制备出具有(111)、(200)和(220)晶面择优生长织构的纳米晶纯镍镀层.采用扫描电镜对镀层的显微形貌进行观察,采用X射线衍射对不同晶面织构的择优性进行表征,并对镀层在3.5%NaCl溶液中的动电位极化曲线和交流阻抗谱进行了测试,研究不同织构镀层的耐蚀性能.不同织构镀层的耐蚀性能存在显著差异:具有(220)强织构的镀层耐蚀性最差,其自腐蚀电流密度最大,为1.23μA·cm-2,镀层的电荷转移电阻为2.09kΩ·cm2;具有(200)强织构的镀层耐蚀性能最佳,镀层的电荷转移电阻为27.32kΩ·cm2,自腐蚀电流密度为0.15μA·cm-2;具有(111)织构镀层的耐蚀性居中.认为织构引起的表面胞状物的差别是造成纯镍镀层耐蚀性能不同的原因

本文介绍了拐轴和斜轧辊套采用电渣整体熔铸新工艺后的质量、性能、寿命、金属利用率及成本等技术经济指标。经比较,已赶上并超过了锻造件水平。两年来的生产使用表明:电渣熔铸是适于机械配件毛坯生产的重要途径。简要地分析了电渣熔铸能以铸代锻的主要原因是由于渣钢提纯精炼和强冷纵向凝固提高了铸态质量,以及在合理的工艺方案下能得到优越的成型质量。用试验结果和热传递原理探讨了影响表面成型的因素和规律。并指出渣池单位容积功率Pv值是影响炉温及成型的主要因素。经统计得到Pv与铸件半径r的经验式,1/Pv=3（r-2）。履带式拖拉机用拐轴和钢球轧机用斜轧辊以往都是短缺配件,而且形状复杂,前者中部有曲拐、断面多变,后者外径为φ470毫米、表面为凸棱高度渐变的双头螺纹带弧形孔型的中空辊套。过去都要经过熔炼、铸锭,先锻轧成园材,再经冲压、模锻或胎模锻加工成毛坯,工序多,工序间周转长、金属损耗大。一般铸造法又满足不了质量要求,故需要寻找配件生产的新途径。此外,对通常的电渣重熔工艺在保证质量前提下为改善效率与成本也需要向新的领域发展。为此,采用了电渣熔铸,直接成型新工艺

针对传统氧化焙烧-氰化浸金工艺环境污染严重的现状,采用焙烧-自浸出工艺提取载金硫化物中的金.研究焙烧温度、焙烧时间和试样量对单质硫转化率和金浸出率的影响,通过X射线衍射分析、扫描电镜观察、能谱分析等手段分析焙烧过程中载金硫化物中硫的物相转变规律.载金硫化物中黄铁矿发生热分解反应生成单质硫和磁黄铁矿,随焙烧温度的升高和焙烧时间的延长,黄铁矿的特征衍射峰强度逐渐减小直到消失,磁黄铁矿的特征衍射峰逐渐生成并增强,原本致密状的黄铁矿颗粒变得疏松多孔.50 g试样在氮气流量1 L·min-1、焙烧温度800℃、焙烧时间60 min的条件下,单质硫的转化率达到42.53%,金浸出率达到88.70%,实现载金硫化物的高效非氰浸出

讲述信源编码、加密编码、信道编码、时分复用、数字复接、数字交换的基本原理、数字信号的基带传输和载波传输、通信中的同步技术，以及数字通信系统的抗噪声性能分析。 本章知识要点： •数字通信的一般原理 •信源编码（模拟信号数字化和数据压缩） •信道编码（检错纠错编码） •数字加密技术 •时分多路复用 •数字交换 •数字信号的基带传输和载波传输 •数字通信系统的抗噪声性能分析 4.1 数字通信系统 4.2 信源编码 Source Encoding 4.3 数字通信中的多路复用技术——时分多路复用（TDM） Time-Division Multiplexing 4.4 通信网与交换技术 4.5 数字加密技术 4.7 信道编码 Channel Coding 4.8 数字信号的基带传输 4.9 数字信号的载波传输 Digital Modulated Bandpass Transmission

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

多元线性回归(multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化