也谈EASE3.0软件应用的可信度

通过对EASE3．0声学设计软件使用中诸多问题的探讨，可以对其有一个比较冷静、客观、正确的认识。笔者在对EASE的使用与研究中，认为它还是值得信赖的声学设计软件。     

鸡传染性法氏囊病毒VP2基因的原核表达与抗原性分析

目的表达鸡传染性法氏囊病毒(IBDV)弱毒株VP2蛋白并检测其抗原活性。方法以IBDV强毒致弱株Gt株基因组RNA为模板,应用RT-PCR方法扩增VP2基因,并将其克隆入pUC18载体,经PCR、酶切及测序鉴定正确后,将其亚克隆到原核表达载体pET30a中,并经酶切、PCR、测序鉴定,阳性重组表达质粒转化E.coliBL21(DE3)菌,经IPTG诱导后,表达产物用SDS-PAGE及Westernblot检测。结果阳性重组表达质粒转化E.coliBL21(DE3)后,经诱导表达了目的蛋白,表达量占菌体总蛋白的15%。Westernblot检测表达蛋白可与IBDV阳性血清发生反应,而与阴性对照血清不发生反应。结论已成功表达了鸡传染性法氏囊病毒弱毒株VP2蛋白,且具有良好的抗原性。     

郑州黄河桥连接减振分析及实验

对郑州黄河铁路桥横向减振的连接方案进行理论分析，讨论连接刚度及连接问题对减振效果的影响。采用两个频率的谐波激励模拟列车荷载，考虑单线在车或双线有车时桥梁的响应，介绍现场实验的过程及结果，讨论连接方案的可行性及实施时应注意的问题。     

SignalTapⅡ在Nios~Ⅱ系统调试中的应用

SignalTapⅡ是系统级调试工具,它允许设计者通过下载电缆在PLD运行期间监视内部信号,观察这些信号的波形。Nios~Ⅱ嵌入式处理器是ALTERA一款通用的RISC结构的CPU,设计灵活,功能强大。在Nios~Ⅱ设计中应用SignalTapII,能够为设计提供SOPC设计的实时可视性,可大大减少调试、验证过程花费的时间。     

一种高维混合属性数据聚类算法

在许多应用中,很多数据集都具有数值型和分类型数据的混合特征,k-prototype是针对这类数据聚类的经典方法之一,该方法是一种基于k-means和k-mode的聚类方法。在研究了现有的混合属性数据聚类方法之后,引入了一种新算法用于混合型数据聚类,不仅改进了prototype的选取方法,而且提出了一种新的针对混合型数据的相似度度量方式,基于此又提出了一种不同于k-prototype的数据到prototype的分配方式,采用类似层次聚类中凝聚聚类的思想进行聚类,通过在四个真实的混合型数据集上测试发现：与传统算法相比,算法提高了聚类的精度和稳定性。     

EASE中的AURA程序模块（上）

EASE4.1中AURA程序模块可运算ISO3382标准所涉及到的室内声学参量和房间脉冲响应。在预测房间音质参量及实现可听化方面,使EASE模拟水平有较大的提升。     

氯化物电镀Zn-Fe合金工艺研究

在氯化物镀锌的基础上添加铁盐制备出了Ｚｎ－Ｆｅ合金镀层,用正交试验确定了０．３％￣０．６％Ｆｅ的Ｚｎ－Ｆｅ合金镀层的电镀液组分及工艺条件,并对镀层外观,结合力,硬度及耐蚀性进行了测试。结果表明,所得Ｚｎ－Ｆｅ合金镀层的耐蚀性为普遍镀锌层的３倍。     

椰果芝士玉米风味香肠的研究

实验研究了一种以猪精肉、鸡胸肉、芝士颗粒、玉米颗粒、椰果颗粒为主要原料,具有椰果芝士玉米风味的熏煮香肠工艺。通过单因素试验,确定影响产品感官品质主要因素的最佳范围;在此基础上结合正交试验,对椰果芝士玉米风味香肠的制作工艺进行研究和优化。各因素对产品感官品质影响大小依次是杀菌温度、玉米颗粒添加量、椰果颗粒添加量、芝士颗粒添加量。最终确定椰果芝士玉米风味香肠配方中芝士添加量8%、玉米添加量10%、椰果颗粒添加量6%。在102℃,24min条件下杀菌,此时的产品感官评价最佳。     

基于感官评价的加热不燃烧卷烟原料品种(系)筛选

为筛选适宜生产加热不燃烧卷烟烟叶原料的烤烟品种,在云南省5个试点(玉溪、保山、红河、临沧、文山)种植5个烤烟品种(系)(云烟207、云烟99、云烟116、KRK26、红花大金元),按加热不燃烧卷烟感官评价方法进行初烤烟中部叶的感官质量评价,并检测烟叶化学成分和香味物质含量(质量分数)。结果表明:①云烟99和云烟207的香气香味、劲头、谐调性和刺激性表现相对较好,适宜作为加热不燃烧卷烟烟叶原料的候选品种(系),而云烟116的感官评价指标表现相对较差。②烟叶常规化学成分和香味物质中,氮含量与香气香味、劲头、谐调性、口感等指标呈显著正相关,总糖和还原糖含量与谐调性、口感等指标呈显著负相关,酮类化合物含量与香气香味和口感指标呈显著正相关,酯类化合物含量与刺激性和口感指标呈显著负相关。这些烟叶成分可作为筛选其他适宜烟叶原料品种时重点分析的物质成分。     

基于GCN-LSTM的频谱预测算法

无线频谱是一项重要的、难以再生的自然资源。在频谱数据中随着信道的动态变化，各个信道不能建模成规则的结构。由于卷积神经网络提取的是规则数据结构的相关性，没有考虑信道动态变化以及各个信道节点之间的相关性影响，基于此研究了基于图卷积神经网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)网络结合的GCN-LSTM频谱预测模型，并且引入了注意力机制，仿真得到了GCN-LSTM在正确数据集和有一定错误数据的数据集上的预测性能和算法运行时间。结果表明在引入注意力机制后，GCN-LSTM预测模型的准确性和实时性都得到了提高。