牛乳主要过敏原αS1-酪蛋白的纯化鉴定及其多克隆抗体的制备

目的:从牛乳酪蛋白中纯化获得α_S1-酪蛋白并对其进行综合鉴定,以及制备特异性识别α_S1-酪蛋白的兔多克隆抗体。方法:采用DEAE Sepharose Fast Flow阴离子交换层析色谱对α_S1-酪蛋白进行分离纯化,利用酪蛋白的理化性质（等电点和含量）、免疫学技术和质谱技术对纯化的α_S1-酪蛋白进行综合鉴定,然后通过透析和冷冻干燥获得高纯度的α_S1-酪蛋白,最后免疫新西兰大白兔制备多克隆抗体,并分析其特异性。结果:在4种酪蛋白中,α_S1-酪蛋白在阴离子交换层析色谱中的出峰时间最晚、峰面积最大,在电泳图中的位置最高,最终获得纯度高达94.26%的α_S1-酪蛋白,得率为27.19%。免疫5次后,两只兔子的抗血清效价分别为128万和32万,抗血清除了与大豆蛋白存在轻微交叉反应（<0.25%）外,与α-乳白蛋白、β-乳球蛋白、蛋清蛋白、花生蛋白均无交叉反应,表明特异性高。结论:本研究制备了高纯度的α_S1-酪蛋白及其高特异性的多克隆抗体,为过敏原蛋白的纯化与综合鉴定提供了思路,为α_S1-酪蛋白免疫学检测方法的建立提供了物质基础。     

基于三级邻居影响力分析的重叠社区发现算法

针对目前重叠社区发现算法时间复杂度较高、社区发现稳定性较差的问题,基于标签传播和COPRA方法,提出一种基于三级邻居节点影响力分析的重叠社区发现算法OCDITN。使用三级邻居节点影响力度量方法TIM(three-level influence measurement)计算节点间的影响力,根据节点影响力确定选择更新节点的顺序;在节点标签更新策略中,根据计算节点与其邻居之间的相似度确定邻居节点标签的更新顺序,计算各节点标签隶属度,发现重叠社区。实验分别基于人工模拟网络数据集和真实世界网络数据集进行测试,与SLPA、LPANNI、COPRA算法相比,该算法在EQ和Qvo两个评价标准上性能分别提升7%和12%,社区划分结果更稳定,社区划分质量更高。     

玻璃料对可陶瓷化硅橡胶基复合材料耐高温性能的影响

玻璃料可以改善可陶瓷化硅橡胶基复合材料高温热解后的力学强度,保持结构的完整性。为了研究玻璃料的成分对云母/硅橡胶复合材料耐高温性能的影响,分别以玻璃料A和B为助熔剂,制得了2种复合材料,研究了其力学性能、微观形貌、热分解性能及陶瓷化机制。结果表明:云母/硅橡胶复合材料常温拉伸强度为3~4 MPa,600~1 200℃下热解后试样的弯曲强度在0.3~4.5 MPa之间,且保持结构完整;SEM结果显示玻璃料B有助于形成大量的液相结构,更好地改善热解后形成的陶瓷层的强度和结构;TG结果显示玻璃料可以加速硅橡胶的分解,因此要控制玻璃料的加入量;XRD结果显示在温度变化过程中,添加含SiO₂和K₂O成分较多的玻璃料B至云母/硅橡胶复合材料中形成了非晶相和钾长石（K₂O·Al₂O₃·6SiO₂）,从而提高陶瓷层的强度。      

聚氨酯改性苯丙乳液的制备及其阻尼性能研究

以丙烯酸丁酯(BA)、苯乙烯(St)为原料合成苯丙(PBS)乳液,通过动态力学热分析(DMA)确定单体的最佳配比为St/BA=4/6。以聚四亚甲基醚二醇(PTMEG)、甲苯-2,4-二异氰酸酯(TDI)、二羟甲基丙酸(DMPA)、甲基丙烯酸羟乙酯(HEMA)等为原料合成了双键封端的水性聚氨酯(PU),按照St/BA=4/6的配比,通过无皂乳液聚合制得不同PU含量的聚氨酯-苯丙共聚体(PU-PBS)乳液及其薄膜。通过傅里叶变换红外光谱(FT-IR)对PU合成各阶段的产物进行了表征。通过DMA对不同PU含量的PU-PBS薄膜进行测试,结果表明,当PU与PBS的比例为20/80时,薄膜有着最佳的阻尼性能。     

工业机器人预测式健康管理本体半自动化构建

针对工业机器人预测式健康管理(PHM)案例信息缺乏深度利用、PHM本体人工构建、过程不智能、构建成本高、本体不完备等问题,提出一种工业机器人PHM本体半自动化构建方法.首先,对多源工业机器人PHM语料进行分词、去除停用词等预处理;其次,使用融合词频、文档频率、TF-IDF、C-value等算法进行本体概念综合抽取;接着...     

蚕丝/粘胶交织物的前处理和活性染料同色染色

采用碱剂/净洗剂脱胶法对蚕丝/粘胶交织物进行前处理,采用Everzol ED三原色活性染料进行一浴法染色,探讨了前处理和染色的重要工艺参数对脱胶和染色同色性的影响.获得的最佳前处理工艺条件为：碳酸钠1.5g/L、硅酸钠1.5g/L、净洗剂2g/L、保险粉1g/L,95℃处理50min.最佳染色条件为：70℃和2 g/L碳酸钠;染色的交织物同色性较好,耐摩擦和耐皂洗色牢度高.     

基于动作周期退化相似性度量的机械轴健康指标构建与剩余寿命预测

针对工业机器人机械轴健康管理中检测效率和精准度较低的问题,提出了一种机械轴运行监控大数据背景下的基于动作周期退化相似性度量的健康指标（HI）构建方法,并结合长短时记忆（LSTM）网络进行机器人剩余寿命（RUL）的自动预测。首先,利用MPdist关注机械轴不同动作周期之间子周期序列相似性的特点,并计算正常周期数据与退化周期数据之间的偏离程度,进而构建HI;然后,利用HI集训练LSTM网络模型并建立HI与RUL之间的映射关系;最后,通过MPdist-LSTM混合模型自动计算RUL并适时预警。使用某公司六轴工业机器人进行实验,采集了加速老化数据约1 500万条,对HI单调性、鲁棒性和趋势性以及RUL预测的平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R^{\mathrm{2}}）、误差区间（ER）、早预测（EP）和晚预测（LP）等指标进行了实验测试,将该方法分别与动态时间规整（DTW）、欧氏距离（ED）、时域特征值（TDE）结合LSTM的方法,MPdist结合循环神经网络（RNN）和LSTM等方法进行比较。实验结果表明,相较于其他对比方法,所提方法所构建HI的单调性和趋势性分别至少提高了0.07和0.13,RUL预测准确率更高,ER更小,验证了所提方法的有效性。