传统牦牛酸奶源高产胞外多糖乳酸菌特性及发酵性能

为了研究四川藏区传统牦牛酸奶中高产胞外多糖乳酸菌特性及发酵性能，以本实验室分离出的六株高产胞外多糖乳酸菌为研究对象，以菌株生长量、耐酸性、胆盐耐受力、渗透压耐受力和细胞表面疏水性为指标进行特性研究；以发酵酸奶的凝乳时间、持水力、酸化及后酸化能力、挥发性物质及质构等为指标进行发酵性能研究。菌株的生长曲线表明，6株菌株分别在14 h（218、276、266）、16 h（271、285、231）进入对数生长稳定期，其中编号218的菌株生长量最高，OD值为2.188。耐受性实验结果表明，菌株276具有良好的耐酸能力（P<0.05）；菌株266、218、231耐胆盐的能力较强；6株菌株均具有较好的耐渗透压的能力，其中菌株285对高渗透压的耐受性较强；菌株285和218在两种有机试剂中的疏水性均显著（P<0.05）高于其他菌株，且与十六烷的结合效果较好。发酵试验结果表明，6株菌株所发酵酸奶均在6~8 h内凝固，酸乳在冷藏期间，活菌数均保持在107 CFU/mL以上，均符合发酵剂的标准，其中菌株276的最高为3.22×106 CFU/mL；菌株218发酵制得的酸奶质构特性较好，持水力和酸化能力较其余菌株均最强，分别为60.98%和83 °T；菌株276、266抗后酸化能力较好；菌株231产香性能最优，乙醛含量为24~26 μg/mL，双乙酰含量为1.58~3.73 μg/mL，能够明显改善酸奶的风味。通过综合比较6株高产胞外多糖乳酸菌特性及发酵性能，菌株218为一株性能良好、具有良好稳定性的菌株，可作为乳酸菌发酵剂且具有一定的应用潜力。研究为利用四川藏区传统牦牛酸奶中分离出的高产胞外多糖乳酸菌在发酵乳制品的应用提供理论依据。     

HXD2型电力机车自动换端控制研究与实现

介绍了HXD2型电力机车自动换端控制技术,对相关控制原理进行了系统阐述.首先对自动换端功能进行了概述,然后对自动换端升弓原理进行了逻辑分析,最后对机车外重联模式下的自动换端控制进行了详细说明.     

数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。     

定距螺旋桨对船用主机外特性的要求分析

为解决定距螺旋桨与船用主机在船舶运行工况的机桨匹配问题,结合船舶系泊和航行试验的相关标准,分析和归纳船舶运行数据,将实船测试与船机桨匹配理论计算相结合,得出运输船和拖轮在常用工况及特殊工况下定距螺旋桨对主机外特性的定量要求,为配套不同细分市场时船用主机的优化和开发提供参考依据。     

磁吸附轮式擦窗机器人动力学建模与仿真

针对磁吸附轮式双面擦窗机器人(WCWR)进行动力学建模。分析其在匀速运动情况下,不发生倾覆和不同程度打滑情况下所需最小磁力,并对最小磁力与机器人航向角建模,研究磁力与位姿关系。引入车辆动力学理论,对单个驱动轮进行受力分析,并研究车轮打滑现象,同时引入滑转率概念,由此建立滑转率、航向角与车轮扭矩关系式,并进行建模仿真,以此来研究与设计驱动系统。从而为磁吸附轮式擦窗机器人(WCWR)在打滑情况下的设计提供理论基础。并以此理论为基础选择合适磁力与扭矩进行设计与实验检测理论准确性。     

大势·之趋——本刊专访行业翘楚解析2015中国汽车后市场所趋之势

察市场之所趋,方能成其大势。在经历了2013年跌宕波折、2014年的新品叠出之后,2015年国内汽车后市场所趋之势何在?在第11届AAITF深圳展会上,本刊编辑部特别就技术动向、市场走势、模式分析等话题,专访了天派电子(深圳)有限公司总裁欧阳旭、上海畅星信息科技有限公司董事长陈刚、中国电信车联网基地常务副总经理江晓炜、深圳市车航健汽车数码科技有限公司董事长刘耀、钛马车联网创始人兼总裁叶志华、厦门瑞忆科技有限公司董事长陈柏谚、深     

烟囱钢筋混凝土外筒壁施工质量浅析

烟囱钢筋混凝土外筒壁施工质量对于观感和结构安全非常重要,文章以常用的三角架翻模施工工艺为例,从原材料、周转材料、加工过程、施工流程等方面对三个主要的分项工程(钢筋、模板、混凝土)进行了论述,只有高质量的完成了施工全程的每个环节,才能达到安全、美观的清水混凝土外筒壁效果。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。