高吸油率玉米多孔淀粉的制备工艺研究

以玉米淀粉为原料,用酶水解法研究高吸油率玉米多孔淀粉的形成,在研究单因素的基础上,优化了制备玉米多孔淀粉的工艺条件.实验结果表明:在α-淀粉酶、糖化酶之比为1∶3,酶用量1.5%,pH5.0,温度55℃,时间18 h的条件下,得到了 吸油率较高的多孔淀粉.     

基于深度学习的三维数据分析理解方法研究综述

基于深度学习的三维数据分析理解是数字几何领域的一个研究热点.不同于基于深度学习的图像分析理解,基于深度学习的三维数据分析理解需要解决的首要问题是数据表达的多样性.相较于规则的二维图像,三维数据有离散表达和连续表达的方法,目前基于深度学习的相关工作多基于三维数据的离散表示,不同的三维数据表达方法与不同的数字几何处理任务对深度学习网络的要求也不同.本文首先汇总了常用的三维数据集与特定任务的评价指标,并分析了三维模型特征描述符.然后从特定任务出发,就不同的三维数据表达方式,对现有的基于深度学习的三维数据分析理解网络进行综述,对各类方法进行对比分析,并从三维数据表达方法的角度进一步汇总现有工作.最后基于国内外研究现状,讨论了亟待解决的挑战性问题,展望了未来发展的趋势.     

基于双滑模估计的主从结构共轴双电机模型预测直接转矩控制无速度传感器控制策略

该文以典型的主传动刚性连接共轴双电机为对象,针对双电机主从结构下的高性能控制进行研究,提出一种基于双滑模估计的共轴双电机主从结构无速度传感器模型预测直接转矩控制(MPDTC)策略,在优化双电机转矩动、稳态均衡性能的基础上进行无速度传感器控制,提高系统整体的容错性能.该策略在MPDTC的基础上引入二步反馈补偿预测以提高系统动态性能,并且进一步减小主,从转矩差,同时在传统滑模观测器的基础上设计带随速因子的Sigmoid函数进行单电机转速与转子位置辨识,并结合MPDTC进一步设计基于双滑模估计的共轴电机速度观测器.将仿真结果与多种控制方法进行叠加比较,并在主传动实验平台上进行实验验证,结果表明所提出的主从控制改进策略能进一步抑制稳态转矩脉振和主从电机转矩差,同时能对速度、负载阶跃下的转速进行良好跟踪,尤其是故障下的无速度控制性能良好.     

醇法浓缩蛋白的改性研究

本文在加热、剪切和弱碱条件下对醇法浓缩蛋白的改性进行了研究,结果表明,大豆浓缩蛋白经过改性后能拓宽大豆浓缩蛋白在食品工业中的应用及达到人们所希望的功能特性.     

水解鸡血蛋白制备肉味香精的研究

研究了用蛋白酶水解鸡血蛋白制备肉味香精的工艺。其最佳工艺条件为：鸡血蛋白用酸性蛋白酶解后，添加2．0％的L-半胱氨酸、8％的葡萄糖及1．5％的维生素B1,在pH为6．0，温度为120℃条件下反应60min。此条件下，反应液产生了香气较强而且协调的肉香味。     

多孔淀粉研究进展

多孔淀粉是指淀粉经物理、机械及生物方法处理后形成一种中空变性淀粉,其作为一种新型有机吸附剂和包埋材料,可广泛用于医药、农药、印刷、日用化工、化妆品及食品等行业。     

基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制

模型预测控制在脉宽调制(pulse width modulation,PWM)整流器上的应用既降低了直接功率控制中的脉振又提高了动态响应速度,但是传统的模型预测功率控制(model predictive power control,MPDPC)中对未来时刻状态量的预测仅依靠模型,对模型参数变化较为敏感,功率预测精度受电压传感器的测量精度和网侧谐波变化的影响明显。为实现整流侧参数的实时辨识和提高整体的预测精度,以实现对功率的精准控制,文中在模型预测功率控制(model predictive power control,MPDPC)的基础上引入自适应神经网络电压观测器,提出基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制(adaptive neural model predictive power control,ANMPDPC)策略。通过构建包含自适应神经网络辨识器和自适应神经网络滤波器的自适应电压观测器,实现网侧电压估计的同时滤除电压高次谐波对其的影响,并将电压观测器与功率二步预测相结合,进一步降低功率脉振,提高系统的响应速度和控制精度。仿真和实验结果表明,所提出的改进策略既实现了无电压传感器下的模型预测控制,又有效抑制了网侧谐波的高频干扰及参数变化对预测精度的影响。     

非刚性三维模型检索特征提取技术研究

三维模型特征描述符是一种简洁且信息量丰富的表示方式.特征提取是许多三维模型分析处理任务的关键步骤.近年来,针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.本文首先汇总了常用的非刚性三维模型基准数据集和算法评价标准.然后在广泛调研大量文献和最新成果的基础上,将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类并分别加以介绍.对每类方法所包含的典型算法,尤其是最近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结.最后进行总结,并对未来可能的发展趋势加以展望.