乳化型香肠制作过程中存在的问题和解决方法

借助斩拌机或乳化机可以生产乳化型香肠,例如:法兰克福(frankfurters、bologna)和肝香肠(liver sausage)。乳化型香肠不仅具有独特的质构,而且增加了肥肉的用量,降低了成品的成本。瘦肉蛋白中加入盐和磷酸盐进行斩拌形成可溶性蛋白溶液,脂肪在蛋白溶液中形成乳胶体悬液,带电的蛋白质分子降低了水油     

二次风在机械往复加煤锻造炉上的应用

机械液压往复加煤锻造炉与旧式反射炉相比,具有节煤,消烟除尘、省力等特点。因此近年来它得到较普遍的推广。但是这种炉子在使用中还存有不少的缺点,其中一个就是燃烧室内高温火焰容易从点火门喷出,烧坏点火门、污染环境。而一般点火门,由于为了操作的方便,大都设在燃烧室高温区的炉膛侧壁上。为了解决这个问题,我们在点火门处向里安装了能产生“风幕”的风箱,如图1所示。     

可溶性胶原纤维的制备方法

胶原组成了结缔组织,在高等脊椎动物中胶原是纤维蛋白的主要类型。自然胶原为三股螺旋结构,三条紧密联接的链之间具有稳定的周期性。有时也把胶原的三股螺旋体称为纤维原,纤维原链合的轴对称周期为640(?)。胶原有几种类型,但以Ⅰ型为主,它是     

基于DataSocket技术的SMI敏感数据加密方法

由于以往加密方法是将所有的图像信息全部加密成密文图像,导致图像信息膨胀,影响了图像信息传输质量.为解决上述问题,研究一种基于DataSocket技术的序列监控图像敏感数据加密方法.方法先是序列监控图像敏感数据压缩处理,减少信息冗余度,具体包括图像分块、颜色空间转换、离散余弦变换、离散余弦变换系数量化以及编码等操作;然后利用混沌系统进行图像加密处理,包括实数混沌序列生成与转换、置乱和扩散等.实验结果表明:对比其它三种方法的加密结果,上述方法应用下信息熵最大,PSNR值较大,说明上述方法既能确保监控图像敏感信息安全,提高了图像的传输质量.     

两级邻域采样的孪生网络在流形学习中的应用

流形学习是一类特殊的非线性求解问题,即从高维采样数据中恢复低维流形结构,以达到维数约简的目的,是模式识别与数据可视化中的重要方法。流形学习存在许多基于局部线性假设的数值解法,即显示地定义局部线性映射模型再进行全局优化,这些方法对于流形的形状、采样的方式都比较敏感。另一种非线性求解工具,神经网络,因为不依赖于具体数学模型,理论上具有较好的鲁棒性,但是流形学习的特殊非线性,使得传统神经网络很难达到满意的效果。针对上述问题,改进了一种同质双通道神经网络--孪生网络,并应用于流形学习。针对孪生网络的两条通道,设计了三重结构,即升维层、过滤层和降维层,同时基于两级邻域的概念,提出了包含正、负样本对的损失函数,再经过“样本对”的训练,实现了邻近数据的空间关系在降维后依然得以保持。通过将孪生网络用于仿真数据（Swiss roll）的降维,并与传统方法进行比较,发现孪生网络可以更真实地还原高维流形的内在结构。同时,将孪生网络用于真实数据（handwritten digits）的二维可视化,并与传统方法进行比较,发现孪生网络聚类效果同样明显,并且类别分布更为均匀,边界更易辨识。     

一种时滞系统智能化控制新策略及仿真研究

介绍了一种不依赖模型的线性时滞系统智能化控制策略。该策略将进化计算与自适应模糊控制相结合,通过优化若干关键参数以获得对线性时滞系统的满意控制。仿真实验证明了该方法具有良好的动、稳态性能和较强的抗干扰性和坚韧性。     

基于非线性量化的模糊神经网络控制新算法

Based on human experts general thought, a new nonlinear quantification function is presented. It is appied to a fuzzy neural network. The simulation results indicate that the new control algorithm is able to replace the defects found in the traditional algorithm. The results show the function has ideal dynamic and static performance qualities.