国际生物能源研究开发现状和趋势

通过对国际可再生能源研发的重点,第二、三代生物乙醇的研发动向,以及对生物天然气和生物质颗粒燃料异军突起的背景分析,反映出生物能源研发的总体状况和发展趋势。     

天源酱园豆酱发酵过程中营养及理化指标动态

以天源酱园豆酱作为研究对象,测定发酵不同阶段豆酱样品的水分、总酸、pH值、可溶性糖、有机碳、粗蛋白及氨基酸态氮等指标,探讨豆酱发酵过程中养分动态。结果表明,发酵过程中水分呈先上升后平稳下降趋势,成品酱中水分含量为38．69％;总酸呈平稳上升的变化趋势,成品酱中总酸含量达到3．13％;有机碳和可溶性糖含量均呈逐渐下降趋势,成品酱中含量分别为483．99g／kg和57．32g／kg;粗蛋白呈先上升后下降的变化趋势,成品酱中含量为24．61％,氨基酸态氮在豆酱发酵过程中逐渐上升,成品酱中含量为49．2g／kg。     

基于FLASH的多媒体课件制作探讨

基于信息技术的教学方法是将计算机技术、网络技术与多媒体技术有机结合的一种现代化教学手段,在基于信息技术的教学模式中,多媒体课件就变得尤为重要,多媒体课件的好坏直接影响着教学的效果。本文着重介绍了利用FLASH技术制作具有交互性的多媒体课件。该课件在我校教师的使用过程中得到了很好的评价。     

产纤维素酶霉菌的筛选及初步鉴定

在长期有腐烂植物的潮湿处采集8种样品,用羧甲基纤维素液体培养基富集培养,分离得到34株产纤维素酶的霉菌。利用刚果红染色法对所得菌株进行染色并以水解圈/菌落直径大小为筛选标准进行初筛,得到11株菌。再用DNS法测定初筛所得菌株发酵液中纤维素酶的活力,得到两株纤维素酶活性较高的菌株wx0503、wx1005,其发酵液纤维素酶活力分别可达31.31 U/mg、47.46 U/mg。此外,用苏丹混合液染色法对初筛所得到的产纤维素酶菌株染色,镜检观察其产油脂情况,得到2株产油量较大的纤维素酶产生菌株wx0403、wx1007。     

基于人工神经网络预测Ni-W合金镀层的硬度和耐腐蚀性能

目的预测Ni-W合金镀层的硬度和耐腐蚀性能,优化Ni-W合金镀层的电沉积工艺。方法在柠檬酸-硫酸盐溶液体系中直接沉积制备Ni-W合金镀层,并将实验所得镀层数据作为学习样品,利用BP神经网络对建立了Ni-W合金电沉积过程参数对镀层硬度和腐蚀电流密度之间的映射关系。结果低碳钢表面所沉积的Ni-W合金镀层表面均匀致密,与基体结合良好,能够有效地对基体起到保护作用。第二隐层的加入使得3-7-15-2四层网络达到网络收敛的训练次数(1 215 365次)远小于3-7-2三层网络的训练次数(239 950 000次)。四层网络预测所得镀层的硬度和腐蚀电流密度与实验值十分相近,其相对误差≤5.03%。结论 BP神经网络能够准确建立电沉积Ni-W合金镀层的工艺条件和目标性能之间的映射关系,在本文所用的沉积体系和参数范围内,Ni-W合金镀层的显微硬度在296~982HV之间,其硬度最大时所对应的电沉积工艺条件为:p H=7.2,电流密度8 A/dm2,WO42+浓度为0.46 mol/L。Ni-W合金镀层的腐蚀电流密度在7.3~100μA/cm2范围内。镀层耐蚀性能最好时,即镀层腐蚀电流密度最小时的电沉积工艺条件为:p H=6.4,电流密度0.36 A/dm2,WO42+浓度为0.34 mol/L。     

现代图像处理技术在目标跟踪中的MatLab实现

运动检测与目标跟踪是计算机视觉中两个最重要的应用．具有很重要的现实意义和实际价值。介绍目标跟踪中运动图像的相关处理手段及常用图像操作函数．并通过MatLab语言强大的信息处理能力,快速实现目标的模拟仿真,实现目标的可视化,并提高图像处理的效率。     

现代图像处理技术在目标跟踪中的MatLab实现

运动检测与目标跟踪是计算机视觉中两个最重要的应用,具有很重要的现实意义和实际价值。介绍目标跟踪中运动图像的相关处理手段及常用图像操作函数,并通过MatLab语言强大的信息处理能力,快速实现目标的模拟仿真,实现目标的可视化,并提高图像处理的效率。     

跟踪系统中图像预处理技术

为精确获取空间目标三位姿态,达到实时稳定跟踪的目的,采用有效方法对所得图像进行处理是必要的。该文基于图像处理理论,介绍了预处理的几种方法,以实现边缘信息的增强,对边缘检测、特征提取、匹配及三维重建亦意义重大。     

CF电子盘在嵌入式系统中的应用

文章在简述了基于PC／104的监测系统基础上，着重介绍了电子硬盘的种类、特点、基本结构和功能，并给出了CF电子盘在嵌入式系统中应用方法。     

基于RBF神经网络的入侵检测模型的研究

BP神经网络作为较成熟的技术已被应用于入侵检测技术中,但遇到的诸如执行速度慢、易陷入局部最小值等问题限制了其检测性能的提高,而RBF（Radial Basic Functions径向基函数）神经网络在逼近能力、学习速度及分类能力上都优于BP神经网络。本文设计了一个基于RBF的入侵检测模型,确定了RBF神经网络的结构和学习算法后,用KDD99数据集中的训练数据对系统进行训练,最后,用测试数据对系统进行测试。仿真试验表明,该系统最终具有较高的检测率和很低的误报率。