沥青质分散剂与阻聚剂研究进展

沥青质作为石油中极性最大、最重的组分,极容易发生絮凝沉降,给石油的开采、储运及加工带来困难,而添加化学添加剂是阻止和解决沥青质絮凝沉积的最有效方式之一。从化学添加剂的分类、结构特征、作用机理及效果等方面综述了近十年来沥青质化学添加剂的研究进展,并分析了影响沥青质化学添加剂作用效果的因素,对沥青质化学添加剂的选用及合成提出了一些建议。     

臭氧在冷却猪肉保鲜中的应用研究

将臭氧用于冷却猪肉的保鲜研究,主要探讨:不同浓度的臭氧保鲜液对冷却猪肉的保鲜效果;臭氧与Nisin之间的相互作用。结果表明:冷却猪肉的保鲜效果随臭氧浓度的增加而增加,其有效保鲜浓度为4mg/L;通过臭氧与Nisin的复配实验得出,臭氧与Nisin之间存在协同作用。     

复合保鲜液对冷却猪肉保鲜作用的研究

本文对应用不同保鲜液浸渍处理鲜猪肉经聚乙烯袋包装后在冷藏(0～4℃)条件下的保鲜效果进行了研究,结果表明不同保鲜液处理可不同程度降低肉表面的初始菌数;保鲜液A1和A2(1.0%醋酸、2.5%乳酸钠、0.1%茶多酚、0.1%异VC-Na、2.0%NaCl)、B(0.8%醋酸、0.1%茶多酚、0.1%异VC-Na)有明显抑菌作用,保鲜液C(2%乳酸钠、0.1%茶多酚、0.1%异VC-Na)在保存的前10天有抑菌作用,并且均可延缓TVB-N值的升高,有效延长冷却猪肉的保质期,A1、A2、B、C处理的冷却猪肉可保存22、24、26和17d。保鲜液D(0.1%茶多酚、0.1%异VC-Na、1.5%NaCl)、E(清水)和对照处理的冷却猪肉只能保存3d。     

小型螺旋管式热交换器结构设计

螺旋管式热交换器结构特殊,其设计、校核、计算与常规管壳式热交换器不同.介绍了1台小型螺旋管式热交换器的设计过程与设计成果,包括设计基础参数、总体结构、换热管布置、换热管出入口管孔布置、管束支撑结构及选材方案、主要承压结构强度核算以及螺旋管束流致振动分析计算.计算和校核结果表明,热交换器强度满足设计要求,螺旋管束不会发生...     

原料肉质量对冷却肉贮藏性的影响

选取6种不同来源的猪肉,均采用保鲜剂处理并使用PE／PA塑料袋真空包装,研究其在0～4℃冷却保存条件下的保鲜效果。对各组肉样进行感官评定,测定其TVB—N值、菌落总数,并进行球蛋白沉淀试验,从而判定样品的新鲜度的变化。前15d每3天评定一次,15d后每天评定一次。结果表明：肉的质量越好其贮藏性越好。     

双调风旋流燃烧器在W火焰锅炉低氮改造中的应用

针对英国巴布科克公司的300 MW"W"锅炉运行现状,通过采用双调风旋流燃烧器对W火焰锅炉低氮改造,经过动力场模拟试验及燃烧运行优化调整,在保证锅炉效率和运行安全的前提下,大大降低了锅炉原烟NO,排放浓度,减轻了脱销脱硫系统运行压力,达到了预期效果,为同类型机组超低运行改造、提高机组经济效益将提供有益借鉴,可在同类型锅...     

预防性试验对电力变压器的有效性分析

通过对大型电力变压器试验，如绝缘、直流电阻测量，介质损耗因数，油中溶解气体分析，油中含水量等的分析，探讨了预防性试验的有效性，并对检测方法，故障诊断以及电力变压器状态检修的现状与发展提出建议。     

木姜叶柯全发酵茶的活性成分及其降血糖活性研究

该研究通过传统工艺制备木姜叶柯全发酵茶,测定总多酚、总黄酮、三叶苷、根皮苷以及儿茶素类化合物的含量并研究传统加工对木姜叶柯活性成分的影响。结果表明,木姜叶柯经发酵处理后总多酚和总黄酮的含量分别降低26.36%和23.29%,主要甜味物质三叶苷和根皮苷的含量分别降低10.24%和39.37%,主要涩味物质儿茶素类化合物的含量降低61.38%。该研究利用糖尿病小鼠模型,对木姜叶柯和木姜叶柯全发酵茶乙醇提取物的降血糖活性进行评价。结果表明,当糖尿病小鼠分别经2种木姜叶柯乙醇提取物灌胃处理[200 mg/(kg·d)]后,其各项生理指标及组织病理形态均得到有效改善,并且木姜叶柯全发酵茶的乙醇提取物表现出更突出的降血糖活性,因此有望成为具有预防和治疗糖尿病潜质的活性成分。     

食品胶体对库拉索芦荟凝胶的3D打印特性的影响

3D打印作为一种新兴的加工技术,可以实现食物外观、配方的个性化定制,提高消费者对功能食品的体验感。基于此,该研究研发了具有可打印性的库拉索芦荟凝胶-马铃薯淀粉凝胶基质,并将不同种类和添加量的食品胶体载入其中。探究了卡拉胶、阿拉伯胶、海藻酸钠、普鲁兰多糖、聚葡萄糖、β-环状糊精对3D打印产品的流变学性质、质构特性和微观结构的影响,考察了不同样品的打印效果及精度,并进行了稳定性评价。结果表明,添加质量分数为1.3%卡拉胶的3D打印产品表现出最高的精度,最紧凑的微观结构和最佳的咀嚼性能。     

基于小波散射卷积神经网络的结构损伤识别

损伤识别是结构状态评估领域的关键问题之一，对确保结构安全性有重要意义。深度学习算法在基于振动的结构损伤识别方面带来了许多突破，但从海量数据中挖掘结构损伤关键信息仍是亟待解决的技术难题。该研究提出了基于一维卷积神经网络(one-dimensional-convolutional neural network, 1D-CNN)深度学习的结构多类型损伤识别模型，采用小波散射变换对1D-CNN架构第一层卷积滤波器进行替换，通过散射系数实现输入层原始数据降维与特征提取，结合CNN卷积层、激活层和池化层实现监测数据特征增强处理。在此基础上，结合1D-CNN全连接层与Softmax函数实现特征数据分类，从而实现结构多类型损伤定位与定量高效识别。通过钢桁架结构和斜拉桥两种数值模型对上述框架进行了验证。结果表明：与普通卷积神经网络模型相比，基于小波散射卷积神经网络的结构损伤识别精度显著提升，损伤分类准确率达95.0%以上。随着传感数据环境噪声比例的增加，小波散射卷积神经网络损伤分类准确率虽略有下降，但仍保持较高精准度，说明该方法具有较强的鲁棒性抗噪能力。