冰温贮藏对黄羽肉鸡肌肉感官品质和游离氨基酸变化的影响

目的 探讨冰温贮藏对黄羽肉鸡肌肉品质及主要呈味物质的影响。方法 以80 d龄黄羽肉鸡为试验材料, 将其分为–1.5 ℃冰温及４ ℃冷藏2个组, 研究挥发性盐基氮(total volatile basic nitrogen, TVB-N)和感官评价指标变化, 根据GB 2707得出鸡肉的货架期。在货架期内, 通过氨基酸自动分析法, 检测16种游离氨基酸(free amino acid, FAA)含量。结果 随着贮藏时间的延长, 黄羽肉鸡肌肉的TVB-N值呈现上升的趋势, 而感官评分呈现降低的趋势, 且冰温贮藏比冷藏下降缓慢。在货架期内, 冰温贮藏条件下总游离氨基酸含量比冷藏增加了49.53%; 必需游离氨基酸含量增加了42.05%, 呈味游离氨基酸含量增加了80.52%。结论 与冷藏相比, 冰温贮藏能很好控制黄羽肉鸡肌肉TVB-N值的升高, 延缓肌肉褐变, 明显增加了鸡肉的滋味和适口性。     

基于STM32、IPM模块的三相步进电机SVPWM驱动器

为了进一步提高系统的商业价值,设计一种简洁、适用的三相步进电机矢量控制驱动器。该控制器采用SVPWM技术,由STM32处理器和IPM功率模块实现,从硬件和软件2方面的设计进行介绍,并使用该驱动器和国内某知名品牌的DSP控制驱动器进行对比进行驱动测试。实验结果表明:在同等的条件下,该驱动器具有更低的器件和制造成本,在空载启动测试中略微有优势,效果近似于DSP控制的矢量驱动器。     

基于TOFD和AE技术的液化石油气球罐完整性检测与评价

大型液化石油气球罐无法及时方便进行停产全面检验,对历次全面检验后的超标缺陷返修部位也无法有效跟踪,缺少可靠检测方法对球罐进行完整性检测与评价,特别是对使用年限较长或超期服役的设备。通过对1台服役超过20a的400m3液化石油气球罐的检验,采用超声衍射时差法(TOFD)技术对返修部位进行局部检测,采用声发射(AE)技术对整体进行完整性检测与评价,得出了球罐可以继续使用的结论。结果表明,这两种新检测技术结合对大型容器进行完整性检测与评价是切实可行的。     

燃煤工业锅炉风量控制方法比较

本文分析了风量对燃煤工业锅炉运行状况的影响,比较了几种风量调节方法的适用性及优缺点。重点介绍了基于氧含量反馈的自动变频调节控制系统,该系统可实现在用燃煤锅炉在适宜的过量空气系数和炉膛负压下燃烧。     

冷库工艺介质爆炸当量研究

通过对氨介质的特性、爆炸当量的研究,以及对氨爆炸进行模拟事故分析,提出了预防措施。该结论为今后冷库的设计和安装提供了有价值的参考。     

冷藏温度对冰鲜鸡质构特性的影响及新鲜度指标的确定

目的 研究不同冷藏温度条件下鸡肉质地特性随新鲜度的变化规律, 实现对冰鲜鸡品质的快速检测和评价。方法 以冰鲜黄羽肉鸡为原料, 分别于4 ℃和0 ℃冷藏条件下, 采用质构分析仪对其进行质构多面剖析(texture profile analysis, TPA)测试, 研究不同冷藏温度下鸡肉质构参数(硬度、弹性、咀嚼性和内聚性)的变化, 并测定其挥发性盐基氮(total volatile basic nitrogen, TVB-N)和失水率的变化情况。结果 随着贮藏时间的延长, 冰鲜黄羽肉鸡肌肉的TVB-N和失水率均呈现上升的趋势, 且温度越高上升速度越快; 而硬度、弹性、咀嚼性和内聚性均呈现下降趋势, 且0 ℃贮藏样品均高于4 ℃贮藏样品。冷藏温度和贮藏天数对硬度和弹性影响极显著(P<0.01), 硬度和弹性与新鲜度指标TVB-N呈极显著相关(P<0.01)。结论 采用质构特性作为监测冰鲜鸡肌肉新鲜度具有可行性。     

水垢引起锅炉过热爆管事故分析与研究

针对台州市锅炉水质情况,从理论和实际2方面说明水质对锅炉能耗及锅炉安全的影响,并阐述水垢形成的机理,提出预防措施,对锅炉过热爆管事故的预防具有一定的指导意义。     

油田产出水中硫化氢的定量分析及研究

针对六一九区油田产出水中的硫化氢做了定量分析，并阐述了产出水中含硫化氢对水分析的影响，对安全生产的影响及处理水中硫化氢的室内实验效果评价。     

苏北节约型农业发展一般路径选择研究

发展节约型农业是化解"三农"问题的有效措施.苏北是江苏经济后发展地区,农业在国民经济中占有重要地位,发展节约型农业对农村社会经济发展将产生深远的影响.通过层次分析法(AHP分析法)对苏北节约型农业发展路径重要性加以分析,提出苏北节约型农业发展一般路径.     

基于WRF模式和PSO-LSSVM的风电场短期风速订正

风速预测是风电场风电功率预测的基础与前提,以数值天气预报(WRF模式)为基础进行风速预测,为了提高WRF模式预测的准确性,采用最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)对WRF模式输出的风速进行订正。同时,为提高LSSVM算法的精确度和减小拟合过程的复杂度,采用粒子群优化算法(Particle Swarm Optimization, PSO)对其参数进行优化。试验结果表明:采用LSSVM订正可以进一步减小WRF模式预测风速的误差,再经过PSO优化后,相对均方根误差和相对平均绝对误差降低了5%~10%,均方根误差下降了0.5 m/s。与未经优化的LSSVM以及极限学习机(ELM)算法对比分析后得出,粒子群优化最小二乘支持向量机(PSO-LSSVM)对WRF模式预测的风速有较好的订正效果,能进一步提高风速预测的准确性。