全文获取类型
收费全文 | 85篇 |
免费 | 0篇 |
专业分类
电工技术 | 1篇 |
化学工业 | 10篇 |
机械仪表 | 2篇 |
建筑科学 | 2篇 |
矿业工程 | 3篇 |
轻工业 | 62篇 |
无线电 | 1篇 |
一般工业技术 | 1篇 |
冶金工业 | 2篇 |
自动化技术 | 1篇 |
出版年
2023年 | 3篇 |
2022年 | 5篇 |
2021年 | 3篇 |
2020年 | 4篇 |
2019年 | 5篇 |
2018年 | 4篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 7篇 |
2013年 | 3篇 |
2012年 | 7篇 |
2011年 | 10篇 |
2010年 | 2篇 |
2009年 | 3篇 |
2008年 | 8篇 |
2007年 | 6篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2004年 | 2篇 |
2001年 | 1篇 |
2000年 | 1篇 |
1997年 | 1篇 |
1996年 | 2篇 |
1994年 | 1篇 |
排序方式: 共有85条查询结果,搜索用时 15 毫秒
51.
本研究旨在用响应面方法优化酸枣仁异牡荆素的超声辅助提取工艺。通过单因素实验考察超声时间、超声功率、乙醇体积分数、超声温度和液固比对异牡荆素得率的影响,以这些因素为自变量,异牡荆素得率为响应值,设计四因素三水平Box-Behnken响应面试验方法。结果表明,响应面法优化超声提取条件:超声功率419 W,液固比16∶1 mL/g,超声时间61 min,乙醇体积分数73.70%,各因素的影响重要性依次为:乙醇体积分数超声时间液固比超声功率。预测最佳得率0.236%与实际得率0.241%相比,相对误差为2.075%,证明模型理论预测值与实际值拟合效果良好。本研究优化了提取异牡荆素的超声辅助技术,为超声辅助提取黄酮类化合物提供了方法借鉴。 相似文献
52.
利用考马斯亮蓝法、荧光底物法分别跟踪检测啤酒酿造和贮存过程中高分子蛋白含量及蛋白酶A活力变化,研究影响纯生啤酒泡沫稳定性的关键因素。结果表明,各发酵罐因发酵阶段工艺参数的不同,导致高分子蛋白含量及蛋白酶A活力变化趋势存在明显差异。发酵阶段高分子蛋白含量缓慢降低,由入罐麦汁时的350~407.6 mg/L降到成品酒时的180.1~243.1 mg/L;蛋白酶A活力在回收酵母前增加,后达到最高值,其范围是18.27~30.13 U/m L,回收酵母后蛋白酶A活力下降,最终在成品酒中的蛋白酶A活力检测值为发酵过程中最高值的19.06%~36.4%。通过对成品纯生啤酒中高分子蛋白含量、蛋白酶A活力的跟踪,分析各自对泡持性的作用发现,高分子蛋白含量与泡持性(r=0.794,P0.01)显著正相关;蛋白酶A活力与泡持性及高分子蛋白含量之间没有显著相关性。 相似文献
53.
54.
利用荧光光谱法和同步荧光光谱法探究了亮蓝与溶菌酶之间的相互作用;讨论了亮蓝对于溶菌酶荧光的猝灭机制。荧光光谱的结果表示亮蓝使溶菌酶的荧光猝灭方式是静态猝灭。而根据热力学参数焓变(ΔH0)和熵变(ΔS0)判断出亮蓝和溶菌酶的相互作用力就是范德华力和氢键。在290、304、323 K温度下,两者之间的结合常数分别为3.17×10~5,1.39×10~4,3.53×10~3,结合位点数分别为1.14,0.89,0.78。同时利用同步荧光法考察了亮蓝对溶菌酶构象的影响。 相似文献
55.
56.
57.
58.
以啤酒酵母Hp34为出发菌株,此菌低产乙酸,降糖快,但在大生产中存在絮凝性差的问题.采用2种方法对其进行连续培养,并对连续培养中的第5代及第10代的菌株进行平板分离.在低温下发酵,以絮凝性作为指标进行初筛,再通过发酵栓实验复筛.结果显示,仅进行连续培养的方法没有筛选出絮凝性显著提高的菌株,絮凝性最高的仅为27.5%;第2种方法筛选出了12株絮凝性达到35%以上的突变株,其中突变株S16在乙酸、双乙酰、发酵力和风味物质等综合指标上保持了亲株的优良性状,同时絮凝性为39.6%,比原菌株提高了2.21倍;遗传10代,测其发酵性能,表明遗传性状稳定. 相似文献
59.
目的:提高酸枣仁资源综合利用率。方法:以超声功率、超声时间、料液比、乙醇体积分数和超声温度为影响因素,以酸枣仁中异牡荆素—吡喃葡萄糖苷提取率为考察指标,运用响应面法优化异牡荆素—吡喃葡萄糖苷提取工艺参数。结果:异牡荆素—吡喃葡萄糖苷的最优提取工艺条件为超声功率405 W、超声时间60 min、料液比1∶16 (g/mL)、乙醇体积分数75%,该条件下异牡荆素—吡喃葡萄糖苷提取率为0.705%,与预测值(0.719%)接近,表明异牡荆素—吡喃葡萄糖苷提取率的预测值与实际情况拟合良好。结论:超声辅助提取异牡荆素—吡喃葡萄糖苷的工艺稳定可靠,提取率高。 相似文献
60.
基于神经网络的大生产规模啤酒发酵过程建模 总被引:3,自引:1,他引:3
应用神经网络建立了啤酒发酵过程发酵度及主要风味物质产生量的预测模型。建立的发酵度模型有很好的仿真能力和较好的预测能力。在建立的4个风味物质模型中,异戊醇和乙酸乙酯模型的仿真能力和预测能力都比较强,双乙酰和乙醛模型的仿真能力和预测能力都比较差,需要进一步研究。 相似文献