啤酒中疏水性蛋白研究现状与影响啤酒中疏水性蛋白的因素

表面疏水性(Surface hydrophobicity)是蛋白质三级结构中最重要的一种特性,它影响分子间的相互作用,如蛋白质与蛋白质、蛋白质与脂类等小配位体间的缔合作用或其他大分子间的相互作用.研究发现,啤酒中构成啤酒泡沫最重要的物质为泡沫活性蛋白,它是一类表面疏水性很强的高分子蛋白质.弄清泡沫活性蛋白质具有的泡沫功能及其疏水性大小的原因和本质,对于泡沫蛋白的研制开发、国内啤酒泡沫的普遍匮乏现象的解决等方面具有重要的理论和现实意义.介绍了国内外啤酒中疏水性蛋白方面的研究现状及其发展趋势,对影响啤酒中疏水性蛋白的因素也做了一定概述.     

强化化工生产实习教学环节 构建高职应用型人才培养模式

生产实习是培养高职应用化工技术专业学生工程实践能力的重要实践性环节。在讨论传统生产实习存在问题的基础上,阐述了仿真实习的特点,介绍了生产实习改革、实习基地建设、指导教师队伍建设和成绩考核等,论述了应用型人才培养模式的实践过程。     

《有机化工生产技术》多媒体课件的制作与应用

简要介绍了《有机化工生产技术》课程特点,阐述了多媒体课件的设计与制作过程、多媒体课件的特点,探讨了应用多媒体课件教学方法。     

高职化工专业“2+1”实践教学模式的探索与实践

论述了"2+1"实践教学的重要环节——毕业实习对高职应用型人才的培养、学生就业的重要性,探讨了"集中实习和分散实习相结合"、"实习与就业相结合"的毕业实习教学模式,并阐述了其特色和应用效果。     

基于PLC的电梯实时故障监测系统

为提高电梯故障的诊断效率,保证电梯的安全运行,讨论了基于可编程控制器的电梯运行状态实时监测技术,给出了系统结构原理框图和软件流程图。实际运行情况表明：本系统故障检测功能完善、实时性好。     

双岭水电站计算机监控画面

本文介绍了双岭水电站计算机监控系统中上位机画面显示应用软件,可供从事此项工作的技术人员借鉴。     

花脸香蘑菌丝体发酵条件的研究

采用热水浸提法,以发酵全液粗多糖得率作为考核指标,通过单因素实验和正交试验,对花脸香蘑[Lepistasordida(Fr.)Sing.]菌丝体多糖发酵的条件进行优化。结果表明,花脸香蘑菌丝体多糖发酵的最佳条件为:蔗糖20 g、蛋白胨4 g、硫酸镁0.5 g、磷酸二氢钾2 g,蒸馏水1 000 mL。     

内置式永磁同步电机最大转矩电流比控制策略的研究

针对内置式永磁同步电机(Interior Permanent Magnet Synchronous Motor,IPMSM)直接转矩控制中转矩和磁链脉动强烈的现象,提出了一种基于高频辅助信号注入的IPMSM最大转矩电流比(maximum torqueper ampere,MTPA)在线控制方法。在定子电流矢量角上叠加一个高频正弦信号,使得电机的机械功率响应中含有转矩变化信息的信号。通过数字信号处理提取出相应的功率信号,再采用PI控制器锁定最优矢量角,从而实现在线MTPA控制。通过设计高频电流控制器,提高了在线MTPA控制性能。仿真分析和试验结果表明:该控制法提高了系统的动态响应速度和稳态精度。     

水蒸汽诱导相分离法制备聚苯并咪唑多孔膜

以3,3′-二氨基联苯胺和4,4′-二羧基二苯醚为原料,通过亲核缩聚合成了分子主链上带有醚键结构且具备较好溶解性的聚苯并咪唑,通过核磁共振和红外光谱确定其化学结构.接着利用水蒸汽诱导相分离法制备了系列具有海绵状孔结构的多孔膜,用扫描电子显微镜观察其形貌结构.详细考察了溶剂种类、成膜时间、温度、湿度以及聚合物溶液浓度等因素对膜结构的影响.结果表明,在温度80℃、相对湿度60%时,以甲磺酸为溶剂可使聚苯并咪唑膜出现腔包状孔结构;以N,N-二甲基甲酰胺和N,N-二甲基乙酰胺为溶剂可使聚苯并咪唑膜出现海绵状孔结构;而二甲基亚砜、N-甲基吡咯烷酮这两种溶剂不能使其出现多孔结构.以N,N-二甲基乙酰胺为溶剂时,聚苯并咪唑膜出现海绵状孔结构的成膜时间应不小于10min,成膜湿度应不小于50%,膜表面和断面孔径随着聚合物溶液浓度的增加而减小,底面也越来越致密.温度一定时,膜表面和断面孔径随着湿度的增加而减小;湿度一定时,膜表面和断面孔径随着温度的增加而减小.     

基于深度度量学习的电机故障诊断

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果，由于电机结构的复杂性，其信号表现出的非平稳、非线性和复杂多样等特点，使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点，结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想，提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图，同时构建CNN，将预处理后的样本用于CNN的训练，采用Triplet Loss作为损失函数度量故障数据高维特征间的距离，并结合标签有监督地微调整个网络，从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离，高效完成故障诊断任务，弥补了交叉熵函数的不足。