超声波辅助双水相萃取鲍鱼内脏的β-葡萄糖苷酶

以皱纹盘鲍内脏为原料,通过超声波破碎辅助提取其中的β-葡萄糖苷酶,探讨一定量的预处理液体积下,不同超声波功率,超声时间和超声后的浸提时间对鲍鱼内脏中β-葡萄糖苷酶酶活力的影响,并通过单因素试验和正交试验最终确定超声波辅助提取的最佳工艺条件。在此基础上,采用聚乙二醇(polyethylene glycol,PEG)/硫酸铵([NH_4)_2SO_4]双水相系统对最优超声条件下提取的粗酶液进行萃取分离,确定最佳的双水相系统。结果表明超声功率对提取有显著性影响,超声时间则影响不显著,而超声后的浸提时间的影响可以忽略不计,所以当预处理液为10 mL时,超声功率为180 W,超声时间为20 min,超声后浸提时间为1 h为最优超声提取的工艺条件;当双水相体系的质量组成为10%的聚乙二醇1000、16%的(NH_4)_2SO_4、pH值为自然(pH≈5)的状态下萃取效果最好。     

一种基于小波变换去噪的活塞环图像检测技术

为精确测量活塞环的尺寸和识别破损缺陷,提出一种关于活塞环图像测量及破损缺陷的检测算法.该算法首先对活塞环原图像进行预处理,获取缺陷识别模型所需图像,然后通过小波变换获取清晰的活塞环图像边缘,再通过最小二乘法对活塞环图像边缘进行拟合,得到活塞环边缘曲线,建立算法模型,识别活塞环破损缺陷,得到活塞环的尺寸参数.该检测算法的缺陷识别率达99.5%,且实现活塞环的宽度亚像素测量.     

神经网络技术在机械工程中的应用及发展探析

文章针对神经网络技术在机械工程中的应用及发展进行探究,深入分析神经网络技术的特点,以期能进一步提高神经网络技术在机械工程各个领域中的应用价值,促进机械工程的发展。     

两种表面状态钢筋在氯盐环境下的腐蚀特征

采用电化学测试方法并结合显微观测技术,对混凝土模拟孔隙液中2种表面状态钢筋试件进行阳极极化试验,研究在不同氯离子浓度环境下钢筋锈蚀的变化过程.结果表明:在混凝土模拟孔隙液中无氧化皮裸筋与带氧化皮钢筋均能发生钝化,且钝化膜稳定性随氯离子浓度上升而变差,带氧化皮钢筋较无氧化皮裸筋的钝化膜更易破坏;同等氯离子浓度下,带氧化皮钢筋维钝电流较无氧化皮裸筋约大1个数量级,腐蚀更为严重.     

动力锂电池自动配组方案研究

在动力锂电池PACK包生产组装过程中,电芯的分档选取、配组方案直接影响了电池包的质量和电芯的利用率。为了有效地提高电池包的质量,提高生产效率,在考虑了单个电芯之间一致性的同时对每个生产计划的电芯进行最优化利用。首先对电芯进行分档,并根据各档电芯不同组合所得到的模组电芯间的一致性和电芯的利用率对配组方案进行优化求解,得到最优方案;然后再对剩余电芯进行循环选取,直到一个工作计划结束。经过利用MATLAB进行运算仿真以及在装配线上进行生产试验,结果证明此方案是有效可行的。     

川东南涪陵地区长兴组礁滩储层三维地震识别

以沉积相研究为指导建立地质模型,通过地震正演建立起地震响应模式,在高精度地震成像资料的精细构造解释的基础上利用层拉平、三维可视化等技术恢复古地貌,研究原始沉积格局.根据研究区的实际情况,主要分析了地震波的速度、振幅、相位、频率等参数的变化幅度、范围,在准确的储层标定基础上选取代表目标储层的时窗段,依据储层的地震响应特征采用了振幅类、频率类等属性对长兴组礁滩储层进行了预测.     

基于LabVIEW的串口通信在称重配料系统中的应用

基于LabVIEW图形化开发环境的串口通信,实现了由称重仪将采集的重量数据通过RS-232串口线传入PC机。在完成数据分析处理后再由PC机输出外部硬件设备控制信号,控制加料电机的快慢加料,气缸的动作,传送带的运转等,以此完成各种材料配方。     

软包装锂离子电池的表面凸点缺陷检测

软包装锂离子电池铝塑膜外包装凹凸不平且存在反光现象,表面图像的凸点缺陷辨识度低,传统方法很难进行准确识别。分析软包装锂离子电池凸点缺陷图像特征及视觉检测系统,在频域上对图像采用高斯滤波器进行预处理,以达到去除噪声和对缺陷区域图像增强的效果。用逆傅里叶变换将图像从频域转回空间域,最后将处理后的图像导入基于语义分割方法的深度学习模型,进行凸点缺陷检测。对400组缺陷样本进行测试,结果表明：所提方法对软包装锂离子电池缺陷检测的准确率达到95.75%;而未经频域图像增强方法处理的检验准确率仅为44.00%。检测结果准确率得到提高,说明该方法能对软包装锂离子电池表面图像的低辨识度凸点缺陷进行检测,具有一定的实用价值。     

三维施工现场平面设计应用

三维施工现场平面设计软件可完成三维建筑造型．场地、道路和建筑小品的设计,提供施工现场围墙、大门的建造生成,以及快速建立建筑物的功能。PKPM研发的软件能生成施工现场实物的三维效果,形象美观,满足施工单位招投标的要求。结合工程实例,简单介绍软件的功能和使用方法。     

针对低像质轨道车辆车顶螺栓松动检测方法研究

在轨道车辆车顶螺栓松动检测中,由于维护厂棚内列车的上方架设有高压供电线路,导致对车顶器件的螺栓松动情况进行扫描式视觉检测的组件需要架设在更高的位置,使得相机采集的螺栓图像像素数量不多,螺栓图像质量较低,给螺栓松动的判断带来困难的问题。提出了一种针对低像质轨道车辆车顶螺栓松动检测方法,实现了车顶区域螺栓松动的智能检测。检测时首先对线阵相机采集后的轨道车辆车顶图像进行拼接,并定位车顶螺栓的安装区域;其次将该区域细分为出风口、盖板和风机等几个子区域并导入基于深度学习的目标检测方法,从而确定分区内的螺栓位置;然后通过定位后的螺栓中心点坐标绘制等距半径圆,提取螺栓上的防松线并进行骨架提取与直线拟合;最后,通过计算两条直线之间的角度判断螺栓是否松动。实验结果表明,此方法的轨道车辆车顶螺栓松动的旋转角度,最大相对误差为5.8%,并且螺栓松动检出率达到80%以上,具有一定的工程实用价值。