食品抗菌包装材料的研究进展

介绍了食品抗菌包装体系及其抗菌机理,食品包装用抗菌剂及其实现方式,以及抗菌纸、抗菌塑料、抗菌陶瓷、抗菌不锈钢产品等食品抗菌包装材料的研究进展及其在食品包装中的应用。     

天然气集输常见自动化仪表可靠性分析

天然气的集输包括采集和输送两部分,如气田内部集输管网、井场、集气站等单元工艺。而在天然气集输的过程中,仪表的可靠性关系着生产安全以及生产效率,因此,它在天然气工业中的作用十分重要。     

柳河彰武水文站近53年水沙演变特征分析

结合柳河干流彰武水文站1967—2020年实测水沙数据,对其近53年输沙演变特征进行分析,并结合非线性趋势显著性检验方法对其变化趋势进行检验。结果表明：彰武水文站近53年水沙均呈现弱递减变化,年径流和年输沙量线性倾向率分别为-0.107×108m3/·10a和-35.9×104t/·10a。夏季径流和输沙量递减较为明显,其递减趋势通过90%的显著性检验水平,冬季径流量和输沙量有所增加。研究成果对于变化环境下柳河水沙影响具有参考价值。     

基于展开相位谱的砂体不连续界限识别

在河流相砂体储层中,由于河道凸岸侧向加积,以及河道本身的迁移摆动等,常常使河道砂体产生了叠置沉积界面。这些不连续性沉积界限的存在,会直接影响到砂体内流体的流动,影响河流相砂岩油气藏的开发效果。针对河流相叠置砂体不连续界限检测问题,提出了一种展开相位谱属性识别叠置砂体不连续性界限位置的方法。具体思路是对小时窗内地震数据求得展开相位谱,并将展开相位谱转化为积分相位谱属性,通过这种属性的变化来识别砂体叠置的不连续性界限位置。     

手机电视用户界面设计

本文研究了手机电视用户界面设计过程。基于用户研究的结论和心理学模型,首先进行了用例分析,在此基础上,依次进行了用户界面流程设计、纸原型评估、中保真原型设计以及测试、语义测试、用户界面设计,最终产出了手机电视用户界面流程图以及手机电视客户端用户界面规范。     

12C6+离子辐照小鼠全脑对其空间记忆的影响

为了研究12C6 子辐照昆明小鼠全脑对其空间记忆的影响,采用0、0.5、1和2Gy的12C6 子束辐照昆明小鼠全脑,用八臂迷宫测试小鼠在迷宫中的觅食速度,以及其空间记忆的变化.结果发现,辐照使小鼠的觅食速度降低,但随着训练次数的增加,受辐照组与对照组的觅食速度都提高,到训练第17天,辐照组与对照组觅食能力基本相同;辐照使小鼠的空间记忆能力短期下降,但随着时间的增加,辐照组小鼠的空间记忆能力恢复到了对照水平.以上结果提示,在0～2Gy的碳离子辐照的剂量水平,辐照在短期内影响小鼠的记忆,在一定时间后,这种影响得到恢复.     

基于改进YOLOv4的口罩佩戴检测算法

为解决YOLOv4在目标检测任务中检测速度低、模型参数多等问题,提出一种改进YOLOv4的目标检测算法。将YOLOv4主干网络中的CSPDarknet53替换成Mobilenet用以增强YOLOv4的特征提取网络,PANet原有的3×3标准卷积被深度可分离卷积取代,以降低计算负荷,从而提高识别速度,减少模型参数。然后使用K-means+〖KG-*3〗+算法对由8565张图像组成的数据集进行anchor维度聚类,以提升算法精度。同时,搭建行人口罩佩戴及人体测温拍摄系统用以在人群密集场所中执行疫情防控任务。在保证YOLOv4-Mobilenet网络精度的前提下,相较于原算法FPS提升200%、模型参数减少82%。改进后的模型平均每秒可检测67张图片,可以胜任实际应用中的口罩佩戴检测任务,结果表明该模型检测效果好、鲁棒性较强。     

高校网络教学资源的云存储模型设计

随着高校网络教学资源的飞速增长,海量数据的存储已成为高校研究的一个新课题。传统存储模式存在教学资源分散、信息无法共享、资源利用率低和维护成本高等问题。本文提出将云存储技术应用到高校网络教学资源管理平台中,满足海量数据存储和管理的同时,实现对网络教学资源的有效整合。     

考虑撬棒保护接入的双馈感应发电机转子磁链动态特性

撬棒保护电路的接入会改变低电压穿越过程中双馈感应发电机(DFIG)定转子磁链间的耦合过程和耦合强度,由此将影响机组磁链衰减动态和撬棒保护性能。针对这一问题,提出了一种刻画定子磁链与转子绕组交链感应作用的磁链耦合系数,将电网故障后电机的磁链暂态耦合过程处理为不同状态的叠加,综合研究撬棒电阻对转子感应磁链正序、负序和暂态反向交流分量幅值和相角的耦合规律,用转子磁链空间矢量图和矢量轨迹图描述转子磁链动态响应过程。最后,针对电网不对称故障下撬棒取值的问题,提出了一种基于转子磁链幅值配比原理和最优倾角的撬棒阻值选取方法。该方法可减小磁链耦合不当对机组的暂态冲击,从而有效改善机组的无功外特性和瞬态性能。采用MATLAB/Simulink仿真验证了理论分析和所提方法的正确性。     

基于深度神经网络的电压暂降经济损失评估模型

为进一步简化电压暂降经济损失评估流程、提高经济损失预测的适用性和准确度,提出了一种基于深度神经网络(DNN)的电压暂降经济损失评估模型。首先分析了影响电压暂降经济损失的特征因子,分别从电压暂降故障信息、工业过程信息、敏感设备信息和用户基本信息中提取19维特征向量作为DNN预测模型的输入向量,将经济损失结果作为输出,并基于Tensorflow深度学习架构对DNN预测模型进行训练。在此基础上,提出2种数据增强的策略,有效解决了电压暂降样本数据少的窘境,并通过构建4种DNN架构,对比了不同随机失活概率、神经元数量、架构深度对经济损失预测准确度的影响。训练后的DNN模型可以准确提取特征,快速实现收敛并对经济损失进行合理预测。最后,基于我国某大型电子工业企业的电压暂降实际采样数据,对DNN模型进行了训练和性能评估,结果表明了所提方法的有效性。