泛型直线螺线管型电磁阀运动分析和改进的电压控制

在直线螺线管型高速电磁阀的整个运动过程中，由于铁磁材料的磁化需要一个动态过程，导致其电磁吸力随着铁磁材料的磁化而变化。为了获得一种不依赖电磁阀材料各异性的最优电压控制方法，从静态磁场出发，由电磁阀的理论静态吸力公式建立电磁阀衔铁的动力学模型，通过分析电磁阀的衔铁启动过程，上升运动过程和下落过程，得到各阶段的位移、电流随时间的变化。然后经过前面过程分析得到了采用两段梯形电压控制电磁阀的控制策略，实现了精准控制占空比的目的。     

基于儿童使用主体的建成环境评价尺度研究

评价尺度是建筑使用后评价的基 本问题之一，它是使用者评判建成环境好 坏、优劣的重要测度标准。为弥补目前环境 评价尺度研究方面的缺失，建立与儿童使用 主体相一致的建成环境评价尺度，对儿童常 用语义量词进行汇总和筛选，采用五级线 分刻度方法进行问卷调查研究。基于儿童的 理解，通过问卷试验分析，结果表明：双侧 5级区间评价尺度为：很（负面）；有点（负 面）；中等；有点（正面）；很（正面）；单侧 5级区间评价尺度为：不；好像有点；比较； 很；特别。     

紫色马铃薯酒发酵工艺优化及主发酵期花青素与色泽的动态变化

以紫色马铃薯为原料，在单因素的基础上，通过响应面法对紫色马铃薯酒的发酵工艺参数进行优化。最佳发酵工艺参数为:马铃薯与面粉比1:0.6、料水比1:1 (g/mL)、α-淀粉酶添加量8.5 U/g、酒曲添加量0.45%。此工艺在28 ℃下发酵14 d，得到的紫色马铃薯酒酒精度13.5%vol，花青素含量166.34 mg/mL，酒体澄清透明呈紫红色，酸甜适中，有独特酒香，综合感官评定得分90分。测定主发酵期花青素和色泽的动态变化，分析表明，紫色马铃薯酒在发酵过程中花青素呈现先上升后下降的趋势，色度呈现先下降后趋于平缓的趋势，色调则与之相反。聚合色度和褐变指数总体均呈现逐渐上升的趋势。试验结果为工业化生产紫色马铃薯酒提供理论依据。     

严寒地区室内多层贯通空间热湿环境实测研究

通过对严寒地区贯通空间温湿度在水平方向及垂直方向上的连续实测，分析了供暖前后，太阳辐射、建筑开口、供暖等因素对贯通空间热湿环境的影响有很大差异。结果表明供暖前贯通空间受到太阳辐射、建筑开口的影响较大，温湿度波动明显；供暖期间受供暖因素影响，温差波动不稳定但幅度小。水平方向上非供暖期最大温差为2℃，供暖期最大温差为8℃；垂直方向上非供暖期的最大温差为3℃，供暖期最大温差为7℃。     

基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用

图像纹理增强过程中容易丢失平滑区域纹理细节，而分数阶微分增强虽然能够非线性保留平滑区域纹理细节，但对频率分辨率敏感。针对这个问题，提出一种基于小波变换的分数阶微分纹理增强算法，应用于平扫计算机断层扫描（CT）图像的肝脏肿瘤区域的纹理增强。首先，通过小波变换将图像感兴趣区分解成多个子带分量；其次，基于分数阶微分定义构造一个带补偿参数的分数阶微分掩膜；最后，使用该掩膜与每个高频子带分量进行卷积并利用小波逆变换重组图像感兴趣区。实验结果表明，该方法在使用较大分数阶次显著增强肿瘤区域的高频轮廓信息的同时，有效地保留了低频平滑的纹理细节：增强后的肝细胞癌区域与原区域相比，信息熵平均增加36.56%，平均梯度平均增加321.56%，平均绝对差值平均为9.287；增强后的肝血管瘤区域与原区域相比，信息熵平均增加48.77%，平均梯度平均增加511.26%，平均绝对差值平均为14.097。     

冷链条件下气调包装酱卤鸭肉制品货架期预测模型的建立

目的 以气调包装酱卤鸭肉制品为研究对象,在冷链温度范围内建立一套准确、高效的货架期预测模型。方法 利用选择性培养基测定不同温度下产品各微生物数量,确定4~25℃条件下产品优势腐败菌。对乳酸菌数量与感官评定值进行了回归分析确定最小腐败量Ns。分别采用修正的Gompertz方程和平方根方程建立一、二级模型,并通过预测值与实测值对比验证模型的可靠性。结果 确定了4~25℃条件下产品优势腐败菌为乳酸菌,最小腐败量Ns=6.14(lg(cfu /g))。一、二级模型拟合度均良好,三种温度下模型预测值与实际值间的差异均在30％左右,波动幅度在10%以内。结论 实现了对4~25℃内任何时间点产品剩余货架期的预测,为冷链条件下气调包装酱卤鸭肉制品品质的变化提供了理论指导。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。