采用QuEChERS结合UHPLC-MS/MS定量分析热加工肉制品中的三种胺类物质

本文采用QuEChERS技术结合超高效液相色谱-串联质谱（UHPLC-MS/MS）技术建立同时检测丙烯酰胺（AA）、亚硝胺（NAs）和杂环胺（HAAs）含量的方法，用于分析热加工肉制品中产生的胺类物质。结果表明:该方法检测出的三类成分20种胺类物质在相应浓度范围内显示出良好的线性关系（R2>0.991），检测限和定量限分别为0.01~1.6 ng/g和0.03~4.8 ng/g，日内回收率介于66.3%~116.5%之间，日内精密度介于0.78%~9.0%之间。每个胺类物的5×LOQ加标水平计算的日间精度范围为3.4%~9.4%。该方法应用于煎烤的四种肉制品中AA、NAs和HAAs的分析，共检测出9种胺类物质，浓度范围为0.03~31.26 ng/g。     

有机-无机压电材料TMCM-MnCl3的研究

有机-无机压电材料是一种分子铁电体，具有柔性、结构灵活、易成膜、全液相合成及环保节能等优点，可满足新一代薄膜器件及可穿戴设备的需求。该文以三甲基卤代甲基铵(TMXM, X=F, Cl, Br)为有机部分，MnCl₂为无机部分，通过溶液蒸发法制备了具有钙钛矿分子结构的有机-无机压电材料三甲基氯三氯化锰(TMCM-MnCl₃)，并对其分子结构组成、压电、热学、声学及铁电性进行表征。结果表明，TMCM-MnCl₃的压电常数为106 pC/N，居里温度为130 ℃，声阻抗值约为16.5 MRayl，低于压电陶瓷PZT-4(大于33 MRayl)，具有广阔的应用前景。     

南美白对虾肝胰腺蛋白提取方法优化及无水保活环境胁迫对细胞凋亡蛋白的影响

为提高Western Blotting结果的可靠性，以蛋白溶出率和凝胶电泳蛋白条带完整性为指标，比较提取液种类、研磨方式、酶抑制剂种类及其体积分数和提取时间对南美白对虾肝胰腺蛋白提取效果的影响。采用优化后的提取方法获得高质量蛋白样品，并采用Western Blotting法分析无水环境胁迫后南美白对虾肝胰腺组织中细胞凋亡信号通路相关蛋白的表达水平。结果表明：RIPA裂解液作为提取溶剂所得的蛋白溶出率高于水提和磷酸盐缓冲液，电动匀浆和液氮研磨所得蛋白条带更完整，4%蛋白酶磷酸酶混合抑制剂能有效抑制肝胰腺内源酶引起的蛋白降解；采用Western Blotting法分析无水保活期间南美白对虾肝胰腺蛋白，发现低温诱导休眠的同时会引起细胞轻微凋亡，且凋亡水平呈应激时间依赖性增加，环境胁迫解除后有所回调。     

刚性航天器的预定义时间滑模控制

针对刚性航天器在姿态跟踪控制中存在的系统不确定及外界干扰等问题,提出了一种预定义时间滑模控制器(PTSMC).首先,给出了以四元数为姿态参数的航天器姿态跟踪控制系统,利用误差四元数和误差角速度设计了预定义时间滑模面.然后,考虑了航天器系统的不确定性和外界干扰设计了一种非保守上界的PTSMC,并通过边界层技术降低了系统抖动.最后,通过设计Lyapunov函数,证明了所提出的控制器的预定义时间稳定性和系统收敛时间上界的非保守性.仿真结果表明,刚性航天器的姿态跟踪误差精度可达1.5×10-6 rad,角速度跟踪误差精度可达2×10-6 rad/s.与现有的预定义时间控制器相比,所提出的控制器的稳定时间上限是更加非保守的,与传统PD控制和非奇异终端滑模控制相比,所提出的控制器具有更高的跟踪精度和鲁棒性.通过3自由度气浮平台的姿态跟踪实验进一步说明了控制方案的有效性,其中角度跟踪误差小于0.1 rad,位置跟踪误差小于0.2 m.     

Flash joining of alumina ceramics under a small current density

The ceramic joining using electric field (E-field) has garnered significant research attention due to the decreased joining barrier and enhanced reliability. However, the underlying mechanism of E-field assisted joining remains unclear. Herein, we report the rapid joining of alumina ceramics using a small current. Moreover, the E-field is applied in both perpendicular and parallel directions to the faying surfaces, demonstrating a significant difference in terms of joint strength. These results indicate that the E-field generates defects and promotes the joining process by facilitating ionic diffusion.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.