椰子水与菠萝汁生产细菌纤维素的对比研究

以发酵的椰子水和菠萝汁作为细菌纤维素的培养基,木醋杆菌HN001作为菌种生产细菌纤维素,对2种培养基进行了前期发酵产酸、标准规格厚度细菌纤维素凝胶的生产周期以及细菌纤维素纤维密度对比研究。结果表明:菠萝汁发酵后总酸量大于椰子水产酸量,将其作为培养基能加快木醋杆菌分泌细菌纤维素的速度,缩短产品生产周期,但以菠萝汁作为培养基生产细菌纤维素凝胶,纤维素密度要低于椰子水培养基。     

基于批量因子的工艺规划配置研究

为解决当前面向变批量生产中工艺规划存在的问题,以及批量变化给工艺带来的影响,提出了批量因子和批元的概念.经过企业调查,总结了变批量生产下的工艺规划随批量因子变化的特点,提出确定型和非确定型的批元类型,确定了毛坯、加工方法、资源选择、工序集中程度、工艺文档等批元与批量因子之间的匹配关系,并采用矩阵进行描述.最后,基于批元的配置理论,建立了当前批量因子下的工艺规划环境,开发了人机交互的VP-CAPP系统,为生成适合变批量生产的工艺计划提供了重要的理论基础和有效的解决方案.     

金川Ⅲ矿区矿岩可崩性研究

根据金川集团公司Ⅲ矿区的工程地质条件,采用Q、MRMR等多种岩体质量分级方法,对矿体和主要围岩的可崩性进行了分析评价,结果表明:金川Ⅲ矿区的超基性岩为中等易崩,大理岩和矿体为中等易崩~易崩,混合岩的可崩性最好,为极易崩~易崩。研究结果为Ⅲ矿区自然崩落采矿法的设计、生产提供了依据。     

机械可控纳米劈裂法实现单分子电导值的测量

为了获得电子在单分子结中传输的特性,研制了具有高稳定性的机械可控纳米劈裂装置芯片.利用此芯片及相应机械装置,获得了能在皮米级精度上操纵间距的纳米电极对;并实现了稳定的单个金属离子所桥接的分子结(电极-分子-金属离子-分子-电极).在保持配合物不变的前提下,置换不同金属离子,测量了其所桥接的单分子结的电导值,发现Ca2+络合物的电导值>>Zn2+络合物的电导值>Ni2+络合物的电导值.结合密度泛函理论的计算,验证了所得实验装置的可靠性及实验结果的正确性.     

Mesh网中高效无死锁自适应路由算法

提出了一种新的应用于三维Mesh网中的无死锁路由算法.在当今的商用多计算机系统中,二维和三维的Mesh网是多处理器网络最为常用的拓扑结构之一.在应用于Mesh网的平面自适应路由(Planar Adaptive Routing)算法中,每条物理通道只需三条虚拟通道就可以有效地在三维以及更高维的Mesh网中避免死锁的产生.然而,采用该算法,网络拓扑一维和三维分别有两条和一条虚拟通道始终处于空闲状态.该文所提出的算法针对三维Mesh网,每条物理通道只需两条虚拟通道就可以有效地避免死锁.文中通过充分的模拟数据验证了此算法的有效性.     

不确定性研讨信息的结构化与融合方法

基于流形正则化框架提出一种分类算法(MLD-RLSC),以解决高维文档分类问题。该算法通过构建训练样本的最近邻图来估计数据空间的几何结构并将其作为流形正则化项,结合多变量线性回归获得高维文档的低维流形结构,并采用k近邻分类器对低维流形进行分类,得到针对多类问题的分类器。该算法能够充分利用训练样本的类别信息来帮助学习以提取有效特征。通过在Reuters-21578数据集上的实验,证明该算法的分类性能和运行速度比传统分类器有较大的提高。     

南瓜多糖的理化性质及单糖组成

对两种南瓜多糖PP-I与PP-II进行了理化性质、分子量测定、单糖组成的研究,结果表明,用凝胶法测定的分子量PP-I为2.4×104,PP-II为3.6×104。经纸层析分析,多糖PP-I主要由半乳糖、葡萄糖、鼠李糖、阿拉伯糖等单糖组成,PP-II主要是由半乳糖、葡萄糖、木糖、葡萄糖醛酸等单糖组成的杂多糖。      

结合小波变换与改进SSA优化小波神经网络的电力负荷预测

电力负荷预测是输电网络扩展和规划及合理电力调度的关键手段。针对电力负荷时间序列的非线性和复杂性特征,提出结合小波变换与改进麻雀搜索算法优化小波神经网络的电力负荷预测模型ISSA-WNN。设计改进麻雀搜索算法ISSA对小波神经网络的关键参数初值寻优,有效解决梯度调参易陷入局部最优及对参数初值敏感的不足,提升模型学习能力。对标准麻雀搜索算法SSA改进,引入Logistic-Tent混合混沌种群初始化、发现者/警戒者自适应更新、跟随者可变对数螺旋更新和高斯-柯西混合变异策略提升算法寻优能力。利用小波变换对电力负荷样本分解与重构,降低负荷时序的无序性和波动性,在此基础上构建新的电力负荷预测模型ISSA-WNN。实验结果表明,与标准小波神经网络模型WNN和标准麻雀搜索算法优化小波神经网络模型SSA-WNN相比,预测模型ISSA-WNN的平均绝对百分比误差和均方根误差指标值平均可以降低18.42%和21.21%,其拟合能力更强,预测性能更加稳定。     

拆卸与或图模型中的可拆卸性筛子

面向拆卸的设计是机电产品绿色制造系统中的重要组成部分,拆卸与或图是进行面向拆卸的设计时开展拆卸过程规划所需的一种模型。系统研究了构造拆卸与或图模型过程中的可拆卸性筛子,提出了可拆卸性筛子的模块划分和筛选流程。对零件之间拆卸运动干涉的判定,运用了包容盒检测、穿刺检测和步进静态干涉检测相结合的方法。开发了基于SolidWorks的可拆卸性筛选系统,对开发过程中遇到的难点进行了详细阐述。本文的研究工作保证了拆卸与或图模型、从而拆卸过程规划结果的正确性,同时对面向装配的设计中的装配干涉判定也具有一定的应用价值。     

应用遗传算法的线路板拆解加热参数优化

为了优化线路板拆解加热参数,保证元器件有较高的拆除率和合格率,通过正交试验和BP神经网络技术,建立了加热参数与元器件拆除率和合格率之间的映射关系,并验证了网络的稳定性和可靠性;用遗传算法对无数学表达式、多目标、离散值的线路板拆解问题进行多次优化,均收敛到同一个解,说明最优解的稳定性与正确性;按照优化参数得到的元器件拆除率和合格率的网络预测值和试验值都很高,说明加热参数优化效果良好.