补料分批发酵耦合盐析萃取高效生产虫草素

为了降低液体发酵过程中高浓度虫草素积累对蛹虫草菌产生的反馈抑制,建立了补料分批发酵耦合盐析萃取系统,在发酵过程中及时移除部分虫草素,解除产物抑制,提高虫草素的终产量.为对发酵液中虫草素的进行分离,筛选出乙醇/(NH4)2 SO4及乙醇/K2 HPO4两种盐析萃取体系,当无机盐和乙醇分别为15％和27％时,虫草素回收率最高,达到98.73％和93.79％.将蛹虫草菌补料分批发酵与盐析萃取相耦合,虫草素发酵产量显著提高,在第6天进行补料,虫草素产量达793.85 mg/L,较对照组提高了25.83％,虫草素回收率达98.83％.     

大平面彩色不锈钢花纹装饰板的制备

采用丝网印刷技术在不锈钢板表面印制花纹图案耐蚀墨膜，采用表面氧化法(INCO法)进行着色，通过控制丝网印刷参数，选择合理的着色液配方和着色时间，获得了大平面的彩色不锈钢花纹装饰板。该方法具有成本低、工艺简单、生产效率高的优点。     

1-氯辛烷的合成研究

以复合催化剂H—Z取代无水氯化锌作催化剂，用正辛醇与干燥的氯化氢气合成了1-氯辛烷，产率提高了15％(wt)，反应速度提高一倍。     

巯基乙酸异辛酯的合成

以氯乙酸、异辛醇为原料,固体超强酸做催化剂,在减压条件下合成了氯乙酸异辛酯;氯乙酸异辛酯与硫代硫酸钠在PTC(相转移催化剂,下同)作用下形成Bunte盐,再经酸解、还原,生成巯基乙酸异辛酯。考察了各因素对产品产率的影响,得出最佳工艺:酯化过程中异辛醇与氯乙酸的量比1 0,固体超强酸催化剂SA的用量为反应物总质量的0 6%,反应时间为2 5～3h;巯基化过程中氯乙酸异辛酯与硫代硫酸钠的量比1 0∶1 0,硫酸用量为反应物总质量的10%,还原时间为60min,锌粉用量占反应物总质量的2 0%。在此工艺条件下产品总产率达95%以上,精制后产品纯度w(巯基乙酸异辛酯)>99%。     

基于LabVIEW的虚拟数字存储示波器的设计

利用 LabVIEW 强大的数据采集、处理和程序设计功能,设计、开发了一款数字存储示波器。它主要是由信号输入模块、数据处理模块和波形显示及存储模块组成,是通过软件编程实现信号的显示和测量等功能的。在虚拟示波器上集成的虚拟信号发生器可以在声卡采集和虚拟信号输入之间切换。实验结果表明,该虚拟示波器基本实现了传统示波器的功能,并且运行可靠、性能良好,能够满足普通实验室正常的使用需求。     

塑料注射成型新技术——微孔发泡技术的应用

主要介绍微孔发泡技术的工艺过程、应用特性及加工条件、气体条件对微孔发泡过程的影响     

氯乙酸异辛酯合成研究

以氯乙酸、异辛醇为原料，固体超强酸作催化剂，在减压条件下合成了氯乙酸异辛酯。考察了各种因素对酯化率的影响，得出最佳条件为：异辛酯与氯乙酸的摩尔比1．0：1．0，固体超强酸催化剂SA的用量为反应物总质量的0．5％，反应时间为3h，真空度为95-98kPa，酯化率达99．6％(以氯乙酸计)。自制SA催化剂催化活性稳定，不腐蚀设备，无环境污染，可多次重复使用，催化活性基本不变。     

基于遗传算法的旋律匹配模型研究

基于内容音乐检索(MIR)以其简捷、直观的检索方式成为模式识别、信号处理等领域研究的热点之一.在MIR问题中,特征的选择、表示和匹配是核心技术.在研究分析音乐物理及感知特征的基础上,以旋律作为主要特征,通过基音提取和动态阈值分割音符算法,为待检索音乐数据集和输入音乐样本建立了旋律表示模型;应用遗传算法对齐模板,修正哼唱输入个体差异,以提高检索精确度;融合欧式距离和动态时间扭曲(dynamic time warping,DTW)相似度实现度量匹配模板,以加强容错和泛化能力.实验表明,算法的速度及精度可良好地满足哼唱系统的要求,并可扩展应用于相似的系统.     

无限长圆柱非稳态导热集总参数法应用

圆柱体进行非稳态导热时,集总参数法只适用于Bi〈1的情况,Bi〉1时一般采用根据解析解绘制的Heisler图线．由于前者适用范围窄,后者误差大,探讨一个非稳态导热的实用便捷公式具有重要意义．以无限长圆柱为例,研究在0〈Bi〈∞条件下非稳态导热平均温度集总参数分析方法,定义必要的参数,建立了平均温度瞬态响应关系式．拓展了传统的非稳态导热集总参数法应用范围．数值分析给出了计算关系式的辅助参数表．通过推导出的公式,结合参数表来计算工程实际问题,比通用的Heisler图解法更为简洁方便．     

改进灰狼优化算法的K-Means文本聚类

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。