硫处理对杏干品质及贮藏过程中SO_2残留量的影响

以鲜杏为原料经预处理后进行自然晒干,研究杏成熟度、亚硫酸氢钠添加量、处理时间等对杏干感官品质的影响;将杏干采用PA/CPP材料密封包装,分析了贮藏过程中二氧化硫残留量的变化趋势。研究结果表明,高浓度、长时间处理会导致果皮与果肉分离、果肉质地疏松、软烂、汁液外流等现象,处理过度的鲜杏晒干后杏干外观收缩严重、变形、果肉组织不饱满,已不再适宜进行二次加工;随着鲜杏中亚硫酸氢钠使用量的增大及鲜杏成熟度的增加,杏干中二氧化硫的残留量逐渐增加;随着贮藏时间的延长残留量逐渐减少,不同成熟度、各处理下降趋势相同。以青杏为原料的杏干在亚硫酸氢钠处理量为2、2.5、3、3.5、4g/kg的条件下,二氧化硫日损失率分别为0.38%、0.3%、0.3%、0.17%、0.17%;以黄杏为原料的杏干在亚硫酸氢钠处理量为2、2.5、3、3.5、4g/kg的条件下,二氧化硫日损失率分别为0.39%、0.32%、0.29%、0.24%、0.16%。     

响应面法优化杏梅超声波渗糖工艺

探讨响应面法优化杏梅超声波渗糖工艺,为杏梅的新工艺提供依据。在单因素试验中,使用TPA质构测试杏梅硬度、弹性、凝聚力、咀嚼性及回复性的变化,结合含糖量筛选渗糖条件。并以含糖量、硬度为指标,通过响应面试验优化杏梅的超声波渗糖工艺。结果表明,单因素试验中,在不同渗糖条件下,硬度总体呈现递减趋势,含糖量总体呈现递增趋势。通过响应面法优化的渗糖工艺条件为:超声功率225 W、超声时间45 min、糖液浓度43%,此时杏梅含糖量为51.02%±0.21%,硬度为(904.64±20) g,与理论值相比,分别增加了1.31%、0.29%。以上结果表明,响应面法优化杏梅渗糖工艺后,可在保证质构特性的前提下,有效提高渗糖效率。     

基于算力-能量全分布式在线共享的5G网络负荷管理策略

5G与边缘计算等信息基础设施海量部署造成运营商用电成本上升,需推动边缘网络与电网的能量互动以节能降本。现有研究重点关注边缘网络参与日前经济调度,未考虑可再生能源和网络流量双重随机性造成的网络能量供需不平衡问题。针对强随机环境下的网络负荷管理问题,提出面向虚拟化边缘网络的能量实时管理策略。首先,以网络用能成本最小化为目标,构建联合网络资源管理、储能充放电与能量共享模型。其次,针对未来网络信息未知无法直接求解的问题,提出基于随机对偶次梯度法的在线管理策略。然后,针对资源共享涉及运营商隐私问题,提出全分布式的计算资源与能量协同共享算法。最后,仿真验证表明,所提在线算法在无需先验知识的前提下有效减少了5G边缘网络的用能成本。     

沸腾床渣油加氢反应器降液管的制造

沸腾床渣油加氢反应器中降液管基本贯穿整个反应器,连接着顶部循环杯和底部分配盘,在沸腾床渣油加氢反应器中起到重要作用。采用合适的焊接工艺及控制措施,制造的降液管满足垂直度偏差要求。     

面向5G边缘计算网络的联合需求响应与任务卸载策略

随着物联网通信计算需求激增,5G通信与边缘计算网络逐步成为新兴的高能耗负荷。针对5G边缘计算网络用电成本高的问题,提出了联合任务卸载与需求响应策略。所提策略基于任务卸载与基站储能单元充放电动作,在高电价时段联合优化计算、通信与储能资源分配或者牺牲部分时延性能以削减用电成本,在分时电价机制中为电网提供响应能力。针对优化目标为混合整数非线性规划问题,进一步提出结合网络场景划分的广义benders分解算法,将问题解耦为任务卸载决策主问题与充放电以及资源分配子问题,降低问题求解复杂度。仿真结果表明：相比于仅考虑任务卸载和仅考虑通信资源调度的响应策略,所提策略降低了用电成本并避免时延性能恶化。     

一种非结构矢量场的线卷积积分方法

传统的结构化LIC方法不适用于非结构矢量场数据处理的主要原因有两个,一是矢量幅度的表现力不强,二是因分辨率等因素无法有效地应用于采样点位置随机的矢量场．为解决上述问题,可以采用如下方法：在DDA曲线的生成过程中,采用基于数值的计算方法替代结构化LIC中基于网格的计算方法,从而有效地保证了处理结果的分辨率;在DDA曲线的卷积积分（LIC）处理过程中,采用区域标记的策略替代快速LIC方法中的线标记策略,一方面,因为被标记的采样点不再作为以后各轮DAA曲线生成的起始点,从而可以有效地减少计算量;另一方面,区域标记方法能够使LIC处理的结果稀疏化,表现为矢量场中幅度大的区域矢量线密集,而幅度小的区域矢量线稀疏,从而有效地提高矢量场幅度、结构的表现力．     

基于虚拟仪器的调试仪自校正方法研究

论文分析了调试仪系统自校正的必要性和校正原理,给出分别基于广义最小二乘和神经网络的校正理论和实现方法。利用LabVIEW和MATLAB相关工具设计校正系统,该调试仪系统经实验验证,具有高精度、适应性强等优点。     

基于复合分类模型的社交网络恶意用户识别方法

社交网络近年发展迅速,微博类社交网络的用户数目及规模急剧增大的同时也带来了诸多安全问题,为了保护用户的隐私和个人、集体的利益,需要针对这些恶意行为进行识别并对恶意用户进行处理。提出一种采用复合分类模型对用户进行分类的方法,并开发了一个对微博类社交网络用户进行分类的系统。通过研究用户的属性和行为特点,比较属性间的相关性,从两方面兼顾了分类的准确性和效率。     

大语言模型安全现状与挑战

大语言模型因其出色的文本理解和生成能力，被广泛应用于自然语言处理领域并取得了显著成果，为社会各界带来了巨大的便利。然而，大语言模型自身仍存在明显的安全问题，严重影响其应用的可信性与可靠性，是安全学者需广泛关注的问题。文中针对大语言模型自身的安全问题，首先从基于大语言模型的恶意应用问题切入，阐述提示注入攻击及其相应的防御方法；其次，介绍大语言模型幻觉带来的可信问题，对幻觉问题的量化评估、幻觉来源和缓解技术是当前研究的重点；然后，大语言模型隐私安全问题强调了个人及企业数据的保护问题，一旦在进行人机交互时泄露商业秘密和个人敏感信息，将可能引发严重的安全风险，当前研究主要通过可信执行环境和隐私计算技术来进行风险规避；最后，提示泄露问题关注攻击者如何窃取有价值的提示词进行获利或通过个性化提示词泄露个人隐私。提升大语言模型的安全性需要综合考虑模型隐私保护、可解释性研究以及模型分布的稳定性与鲁棒性等问题。     

面向新型电力系统的边缘缓存与计算资源迁移策略

随着以新能源为主体的电力系统的发展，分布式特征明显，终端设备数量剧增。海量用电负荷的调度和控制面临着时延过高和计算效率不足等问题，亟待建立高效的通信网络以有效提高电力系统的运行效率和可靠性。针对现有边缘计算技术与电力系统结合中未考虑在边缘网络资源管理中服务缓存和虑拟机(virtual machine, VM)迁移的联合优化问题，基于任务卸载模型、服务缓存模型和VM迁移模型，提出了一种联合服务缓存和VM迁移的边缘资源分配策略，旨在提高系统性能。针对服务缓存与VM迁移联合优化的耦合性问题，将原问题解耦成两个子问题的方法进行迭代求解，以实现更优的资源分配效果。仿真结果进一步证明了所提策略在性能方面表现更优，与其他方案相比可以得到更低的任务处理时延。