互联网+背景下《食品酶学》课程教学改革的探索

为充分激发学生的学习热情和主动性,提高学生的综合素质和竞争力,以适应互联网+背景下创新型人才的培养理念,本课题组从《食品酶学》课程教学改革出发,结合互联网+技术,从多角度完善教学方法,充实教学内容,改革考核方式,优化师生关系,以期培养学生成才的同时促进专业教师素质的提高。     

5 种乳酸菌对库车小白杏发酵液理化性质及感官评价的影响

用戊糖片球菌、罗伊氏乳杆菌、鼠李糖乳杆菌、植物乳杆菌、嗜酸乳杆菌共5?种乳酸菌发酵库车小白杏，通过比较发酵液在发酵过程中的菌浓度、pH值、总可溶性固形物（total soluble solids，TSS）含量、超氧化物歧化酶（superoxide dismutase，SOD）活性等理化特性及发酵结束后的感官评价，筛选出一种或几种适合发酵库车小白杏发酵液的菌株。结果表明，发酵结束后，戊糖片球菌发酵库车小白杏发酵液的SOD活性达到252.63?U/g，活菌数达到8.07（lg（CFU/mL）），TSS含量降至17.1?°Brix，感官总体评价值最佳达到97%。植物乳杆菌发酵的库车小白杏发酵液的SOD活性达到275.87?U/g，感官总体评价几何平均（geometrical mean，GM）值达到88%。嗜酸乳杆菌发酵的库车小白杏发酵液速度最快，活菌数最终达到9.95（lg（CFU/mL）），TSS含量降至16.6?°Brix，但感官总体评价GM值仅为79%。综上所述，戊糖片球菌是最适合发酵库车小白杏的菌种，而植物乳杆菌和嗜酸乳杆菌的适合度仅次于戊糖片球菌。通过比较5?种乳酸菌发酵的库车小白杏发酵液的理化性质和感官评价，可以得出结论，戊糖片球菌最适合发酵库车小白杏。     

4种动物骨骼氨基酸组成及其营养价值评价

畜禽骨骼是一种营养十分丰富的天然食品资源,但综合开发利用程度较低。以新疆的4种动物(羊、牛、马、骆驼)腿骨为原料,分别制备骨髓粉末、骨髓蛋白和骨质蛋白,对其蛋白含量、相对分子质量和水解氨基酸组成进行分析,探讨其氨基酸组成和营养价值。结果表明:4种动物骨髓蛋白谱带均显示在66 k Da处,其中羊骨髓蛋白含量较高;4种骨质蛋白、骨髓蛋白、骨髓粉末氨基酸总量变幅分别为144.75 mg/g～820.97 mg/g,275.48 mg/g～495.06 mg/g,0.58 mg/g～37.64 mg/g;其人体必需氨基酸占氨基酸组分总量的比例变幅为0.19 mg/g～0.24 mg/g,0.33 mg/g～0.36 mg/g,0.22 mg/g～0.32 mg/g,骨髓蛋白比例较高,其中马骨髓蛋白比例较接近于联合国粮农组织(Food and Agriculture Organization,FAO)/世界卫生组织(World Health Organization,WHO)提出的理想氨基酸标准模式要求,羊骨质蛋白鲜味和支链/芳香比氨基酸含量较高。总之,骨髓与骨质蛋白具有较高的营养和药用价值,开发前景广阔。     

美国红枫嫩枝扦插育苗试验研究

对相同基质、统一时间、相同管理条件下,不同配方生根液不同处理方法,对美国红枫嫩枝插生根的影响进行了研究。结果表明,配方三的生根时间最短、成活率最高,生根时间合成活了分别为18天、83%,配方四的其次。不同配方的生根剂的生根时间和成活率的排列循序为配方三>配方四>配方一>配方二>CK;配方三处理的插穗生根数多,最多达73根/株,平均为27根/株,根长平均为12.1 cm。平均根长之间无显著差异,这表明根数越多根的生长较慢,这跟营养有关系。     

回击电流速度变化对沿雷电通道回击 电流的影响研究

当高层建筑结构遭遇直击雷时,其电气设备可能会遭到破坏,这是因为回击电流产生了雷电电磁场(LEMF),而电磁场又在电气设备上感生出了感应电动势(LIV)。回击电流速度参数的变化会影响雷电通道内回击电流的幅值,因此回击速度改变对回击电流的影响在本文有详细介绍和分析。而本文测量研究发现:沿着通道的峰值电流的变化是取决于回击电流速度(RSV)变化,RSV波形以及在前100 m通道高度平均值,于是评估雷电电磁场和感应电压时都应该考虑这些因素。在评估感应电压和系统保护时,应考虑电流峰值的变化。     

1218A型下销的使用效果

正下销作为细纱主要的牵伸原件,其对成纱质量的影响至关重要。新疆当地棉纺企业大多选用1218型下销,生产纯棉品种时容易因握持力不足造成成纱粗细节偏高。1218A型下销为曲面阶梯下销,其曲面部分与直面部分形成平滑的距离差,这样设计可增加附加摩擦力界对纤维的控制。为此,我们在JWF1562型细纱机上进行C 14.5tex同台同锭同粗纱纺纱优化试验。     

融合SCADA数据的风电机组齿轮箱状态评估

为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。