发酵工艺对白啤4-VG含量的影响分析

为提高白啤特征香气水平，研究了酵母菌种、酵母代数、酵母接种量、发酵温度、冷麦汁充氧量5种发酵工艺参数对白啤4-乙烯基愈创木酚（4-vinylguaiacol,4-VG）含量的影响。结果表明，选择酵母菌种为NO.3、0代酵母、酵母接种量为10百万个/mL、发酵温度为20℃、冷麦汁充氧量为22 mg/L的发酵工艺，白啤的4-VG含量有显著提高，为通过改进发酵工艺提高白啤4-VG含量提供了理论依据。     

风力发电塔减振装置的研究现状

风力发电以环保、可再生等优点得到越来越广泛的应用,且风力发电塔正朝着塔身越来越高、越来越大的方向发展。为了保证安全,风力发电塔需要具有良好的动态特性。但由于风力发电塔的特殊性,一些传统高耸结构的减振方法并不适用。目前风力发电塔减振装置的相关研究已取得了一系列成果,本文回顾了当前的研究现状并做出了展望。     

啤酒中风味物质控制试验

啤酒中的风味物质主要是指由酵母代谢过程生成的、具有挥发性能和特殊感官特征的成分,在啤酒酿造过程中,有许多因素影响风味物质产生,使用合理原料和合理工艺才能使啤酒中的风味物质含量合理     

羟基磷灰石纳米纤维增强甲基丙烯酸酐改性明胶复合水凝胶的制备及性能

采用溶剂热法制备了具有超高长径比的羟基磷灰石(HAP)纳米纤维,并将其与甲基丙烯酸酐改性明胶(GelMA)结合,利用紫外光交联制备了HAP纳米纤维/GelMA复合水凝胶。通过SEM、XRD、力学测试、溶胀测试、降解测试、细胞培养等对HAP纳米纤维/GelMA复合水凝胶进行结构表征和性能测试。SEM断面观察表明,HAP纳米纤维/GelMA水凝胶呈三维孔隙贯通的多孔结构。力学实验表明,HAP纳米纤维能有效增强水凝胶的弹性模量,且随着HAP纳米纤维添加量的增加,力学性能增强效果越明显。溶胀实验表明,当HAP纳米纤维质量分数为5.2wt%~14.2wt%时,HAP纳米纤维复合水凝胶的溶胀率变化不明显,当质量分数为18.2wt%时,溶胀率降低。降解实验表明,HAP纳米纤维的加入能有效保持水凝胶结构形态,使其更加稳定可控。细胞包裹培养实验表明,HAP纳米纤维/GelMA复合水凝胶能为细胞提供良好的三维生长环境,表现出优良的生物相容性。本实验制备的HAP纳米纤维/GelMA复合水凝胶在组织工程领域有着良好的应用前景。      

谈施工组织设计的监理审批

文章阐述监理审批施工组织设计的实施要点和签署审批意见的注意事项。     

等离子体化学气相沉积法制备致密性超浸润纳米硅氟薄膜

以含氟丙烯酸酯功能单体和硅烷为原料、无水乙醇为溶剂、氩气为工艺气体,经等离子体化学气相沉积在表面绝缘阻抗(SIR)测试板和无尘布上制得硅氟薄膜.探讨了硅烷种类和用量、含氟单体用量对镀硅氟薄膜试件性能的影响.结果表明,采用γ-甲基丙烯酰氧基丙基三甲氧基硅烷(KH 570)、γ-氨丙基三乙氧基硅烷(KH 550)和乙烯基三...     

基于焊件识别与位姿估计的焊接机器人视觉引导

为实现智能化柔性化焊接,并解决焊件本身立体结构遮挡焊缝影响视觉引导的问题,提出一种基于物体识别与位姿估计思想的焊接机器人视觉引导方法.首先,通过焊件的CAD模型离线建立焊接模型库;然后,在线计算焊件点云的VFH特征,与焊接模型库进行比对实现焊件识别,计算FPFH特征实现SAC-IA和ICP结合的两步位姿估计,并通过假设验证优化结果;最后,利用焊接模型库的焊接信息结合焊件位姿生成焊接轨迹,为焊接机器人提供视觉引导.实验结果表明,所提方法可以利用目标整体三维信息准确识别焊件并估计其姿态,进而引导机器人完成智能柔性的焊接操作.     

基于改进Inception V4的面部表情识别算法的研究

面部表情识别是地铁、火车站、机场等复杂环境中安检监控的重要任务,通过识别监控图像中行人的面部表情可以筛选出可疑分子。针对因监控图像模糊和面部表情拍摄不全而引起的识别准确率低等问题,提出一种改进的InceptionV4面部表情识别算法,改进InceptionV4的网络结构,使其更好地适应面部表情识别任务。基于深度学习中的Tensorflow平台对面部表情类数据进行训练,在面部表情验证集上进行测试,在输入图像为299×299时,识别准确率高达97.9%,改进后的算法在保证识别精度的同时,降低表情在类内差距较大、图像模糊和面部表情拍摄不全情况下的误识率,提高系统鲁棒性。     

糖化锅酶制剂用量的研究

本文试验了糖化投料时，酶制剂的使用量通过实验室小试和大生产过程的多次试验，对麦汁指标、生产过程指标进行了测定及验证。最终发现，在我公司的原料和设备条件下，糖化锅酶制剂的适宜用量一般都比酶制剂说明书的建议用量和实验室小试用量少。     

Actor-Critic框架下一种基于改进DDPG的多智能体强化学习算法

现实世界的人工智能应用通常需要多个agent协同工作,人工agent之间有效的沟通和协调是迈向通用人工智能不可或缺的一步.以自主开发的警员训练虚拟环境为测试场景,设定任务需要多个不同兵种agent小队互相协作或对抗完成.为保证沟通方式有效且可扩展,提出一种混合DDPG(Mi-DDPG)算法.首先,在Actor网络加入双向循环神经网络(BRNN)作为同兵种agent信息交流层;然后,在Critic网络加入其他兵种agent信息来学习多agent协同策略.另外,为了缓解训练压力,采用集中训练,分散执行的框架,同时对Critic网络里的Q函数进行模块化处理.实验中,在不同的场景下用Mi-DDPG算法与其他算法进行对比,Mi-DDPG在收敛速度和任务完成度方面有明显提高,具有在现实世界应用的潜在价值.