不同加工方式对紫色马铃薯中酚类物质的影响

紫色马铃薯富含花青素、绿原酸等多酚类物质,是价格低廉、取材广泛的天然抗氧化剂来源。为探明加工方式对紫色马铃薯中酚类物质的影响,最大程度地保留抗氧化活性物质,以3个紫色马铃薯品系和白色马铃薯品种‘夏波蒂’为实验材料,采用蒸制、微波和水煮3种加工方式进行处理,分析加工前后紫色马铃薯块茎中花青素、绿原酸、自由态多酚、结合态多酚的含量及抗氧化活性的变化。结果表明,3种加工方式均导致紫色马铃薯花青素含量的降低;与对照品种‘夏波蒂’相比,蒸制和微波处理后紫色品系马铃薯自由态多酚、结合态多酚、绿原酸的含量及抗氧化活性均更高,而水煮处理后,除结合态多酚的含量增加外,其余成分的含量均显著降低。因此,微波和蒸制加工可以更好地保留紫色马铃薯中的多酚类物质,从而发挥其抗氧化作用。     

Java应用程序安全分析研究

使用静态分析方法检测应用程序安全漏洞的基础是精确的上下文敏感别名分析信息。论文研究了一种基于数据库概念的Java语言上下文不敏感别名分析算法,并讨论了Reduced Ordered Binary Decision Diagrams(ROBDDs)在该算法实现上的应用,最后给出了上下文的克隆处理方法和整个上下文敏感别名分析的框架。     

注射成形中聚合物熔体黏度的在线测量装置

设计并制造在线测量注射成形过程中聚合物熔体黏度变化的装置. 在测量装置中,非等温高剪切流变模具的型腔结构设计成厚度为1 mm或2 mm的狭缝,底部不封口,维持熔体的持续流动;在流动中心线上沿流动方向布置一组压力传感器实时检测聚合物熔体在模具型腔中的压力变化情况,并使用模温机控制模具温度. 使用PXIe采集系统采集、显示、记录实验数据. 实验通过压力传感器测量得到不同位置熔体压力,根据修正的牛顿黏性定律计算熔体黏度,并与Cross-WLF模型的理论值进行对比. 实验结果表明：所设计的模具安全可靠,可获得低密度聚乙烯(LDPE)熔体在注射成形过程中熔体压力的变化情况,从而可以计算出材料在成形过程中的表观黏度演化情况. 实验测量结果与理论值在剪切速率大于500 s^?1的高剪切速度范围内较吻合,误差均在18%以内,最小为4%. 该装置能满足真实成形条件下聚合物熔体信息的在线检测要求.     

塑料注射成型中注射时间的优选方法

提出了一种注射时间的优选方法,采用简化的注射流动模型预测不同注射时间下的注射压力和最低熔体温度,并基于上述预测参数,以较低的注射压力,较小的熔体温差,较短的注射时间为优化目标,建立优化模型以确定最优的注射时间。最后,以一个数值算例来验证本文所提出优选方法的正确性,通过与HsCAE3D 7.0模拟结果对比,其优选的注射时间满足上述优化目标.     

塑料光学透镜的磁悬浮检测

考虑传统的塑料透镜检测方法操作繁琐、耗时长,本文提出了一种针对小型塑料光学透镜的磁悬浮检测理论与方法,并设计制造出了相关检测装置。该方法利用磁场对顺磁溶液的磁化作用,将逆磁性被测样品(塑料透镜)在溶液中悬浮起来,通过观察透镜在装置中的高度、中心位置和平衡状态下与水平面的偏斜程度,检测透镜是否存在外观不完整和内部存在气泡等不均匀性的缺陷,并确定出透镜缺陷存在的位置。通过合格透镜、外形不完整透镜、内部存在气泡透镜和功能不合格透镜开展了多项实验研究来验证该方法的可行性与有效性。结果显示,该方法的检测精度高、灵敏度高、操作简便且适应性广,在0.5mm的测量误差下,密度的测量精度高达0.003g/cm3;对直径小于10mm的透镜,可检测出总体积在0.017mm3的内部气泡缺陷。提出的方法在塑料光学透镜的检测方面很有应用潜力。     

1,3-二甲基-6-氨基脲嘧啶掺杂硬脂酸钙/锌体系的协同作用研究

采用静态热老化法、刚果红法、电导率法考察了1,3-二甲基-6-氨基脲嘧啶(DMAU)与硬脂酸钙/锌组分之间的协同效应,研究了DMAU掺杂在硬脂酸钙/锌体系中对PVC制品的热稳定作用与影响。结果表明:硬脂酸钙/锌质量比为1.5/0.5,添加0.5%DMAU时,PVC具有优良的热稳定性,热稳定时间可达63.6min。热重结果显示,CaSt2/ZnSt2/DMAU体系的第一阶段失重率较CaSt2/ZnSt2体系下降了1.5%,并且CaSt2/ZnSt2/DMAU体系的表观动力学参数E/lnA值比CaSt2/ZnSt2体系增大了0.04,从热降解动力学层面证明了掺杂DMAU可以有效的提高PVC热稳定性。     

返回料添加比例对高温合金夹杂物析出行为的影响

为实现高返回比高温合金洁净化冶炼,研究不同返回料添加比例对高温合金冶炼过程夹杂物演变规律的影响,并结合热力学计算讨论夹杂物析出行为和生成机理。结果表明,返回料添加对高温合金夹杂物种类无明显影响,但对夹杂物数量和尺寸分布影响较大。随返回料比例从0%增加至60%,夹杂物数量密度由19.30个/mm²增加至30.74个/mm²,其中以氧化物为核心的碳氮化物复合夹杂由4.47个/mm²增加至10.11个/mm²,大尺寸(粒径大于5μm)夹杂物所占比例由8.7%增加到13.9%。热力学计算结果表明,MgO·Al₂O₃夹杂物的理论形核半径随熔体中氧活度的增加而减小,且该夹杂物与TiN夹杂物的晶格错配度较低。添加返回料相比全新料会引入更多的杂质元素,导致MgO·Al₂O₃夹杂物形核率显著上升,并促进了TiN、Ti(C,N)夹杂物的非均匀形核。形核动力学计算结果表明,返回料添加比例增大,体系中氮的浓度增大,TiN夹杂物更早析出,...     

基于最大功率点跟踪的蓄电池充电控制策略

为充分利用太阳能,延长蓄电池使用寿命,提出了基于最大功率点跟踪(maximum power point tracking,MPPT)的蓄电池充电控制策略。MPPT控制采用改进的变步长扰动占空比控制算法。该策略将MPPT充电和阶段式充电相结合,保证了直流母线电压的稳定;给出了双向直流变换器的控制策略。仿真算例结果验证了该策略的有效性。     

智能注射成形中工艺参数的多目标自学习优化

注射成形工艺参数是保障产品质量的关键因素。传统试错法严重依赖工艺人员的试模经验,随着注射成形工艺广泛应用于电子、航空航天等国家战略领域,产品的高端化对工艺参数智能化设置水平提出更高的要求。由于成形产品存在多方面的质量要求,且不同质量指标间可能相互制约,因此亟需一种工艺参数多目标智能优化方法,以获得不同优化目标间的帕累托最优。已有学者利用智能优化方法,如非支配排序遗传算法等,对多目标优化问题进行求解,但是此类方法需大量样本数据对质量-参数关系进行建模,存在试验次数多、且对不同材料及模具的适应性较差等问题。为解决上述问题,提出一种注射成形工艺参数多目标自学习优化方法,在优化过程中实时计算并更新各个工艺参数的梯度,并由不同质量指标的多梯度下降算法对多个目标函数进行优化,在优化过程中实现各工艺参数对产品质量影响程度的自主学习,省去了采集大量数据来建立多个质量模型的过程,实现了注射成形工艺参数的高效智能优化。在基准测试函数实验中,所提方法的优化结果与理论解的相对误差小于2%。同时数值仿真与注射成形实验结果表明,所提方法能高效获得多个优化目标的帕累托最优。     

塑料熔体黏度的神经网络拟合

阐述了塑料熔体黏度在注射成型CAE软件中的重要意义及其实验方法。针对传统经验公式拟合法的不足,采用BP神经网络来拟合黏度与温度、剪切速率的定量关系,并将拟合的效果同公式拟合法进行了比较,显示了神经网络拟合方法的可行性和优越性。