复合保鲜剂对阿根廷鱿鱼中生物胺的控制作用

生物胺是一类具有生物活性、含氮的低分子质量有机化合物的总称。微量生物胺有利于人体健康,而当摄入生物胺过多时会引起毒性反应,产生中毒现象。本文研究ε-聚赖氨酸盐酸盐和百里香酚及其复合使用对阿根廷鱿鱼中主要生物胺的抑制效果,为水产品中生物胺控制提供理论依据。复合保鲜剂(0.025%ε-聚赖氨酸盐酸盐+0.025%百里香酚)能有效控制阿根廷鱿鱼中的生物胺,较单独使用0.05%ε-聚赖氨酸盐酸盐和0.05%百里香酚的抑制效果更好。整个贮藏期间,与对照组相比,复合保鲜剂组生物胺降低达到40%～60%,同时也能有效降低硫代巴比妥酸(TBA)、菌落总数(TVC),减缓鱿鱼肌肉颜色的变化,感官品质的下降和pH值的上升,从而延长鱿鱼的货架期。     

钢管焊接自动线的上下料机设计

钢管焊接自动线的上下料机的应用,可以降低劳动强度,节约人力资源,提高产品质量,同时也可以获得更大的经济效益。本设计通过对上下料机构各主要组成部分(气缸等)的分析,从而确定各主要组成部分的结构以及相关的尺寸,在此基础上对自动线的上下料机构进行相关的设计计算,从而确定总装配图。     

选煤机排料系统中刮板结构的优化研究

针对选煤机排料系统的刮板易出现磨损、弯曲等问题,通过对刮板结构、受力情况进行详细分析,并提出了相应的优化设计方案.仿真结果表明,该设计方案可满足煤矿安全高效的生产需求,对实际生产中的刮板结构设计有一定应用价值.     

基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。     

Cu/SBA-15催化剂的改性及其催化酯加氢反应

制备了不同助剂修饰改性的Cu/SBA-15催化剂,利用FTIR,XRD,H_2-TPR和XPS等表征手段对改性的催化剂进行了表征,并考察了催化剂在其他酯加氢反应中的性能。表征结果显示,B和Fe助剂可以增强Cu/SBA-15催化剂在酯加氢反应中的催化选择性,B改性的Cu/SBA-15催化剂可以降低其铜活性中心粒径,提高还原之后的Cu~+含量,从而有利于提高催化反应选择性,而Fe改性的Cu/SBA-15催化剂降低Cu粒径的同时,增加了Cu~0含量,并且对酯类也具有活化作用,从而提高了催化选择性。实验结果表明,B和Fe能够加强Cu/SBA-15催化剂的性能,并且Cu-Fe/SBA-15催化剂可广泛应用于丙二酸二乙酯,草酸二甲(乙)酯和乙酸乙酯加氢反应中。     

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。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

PSO优化多核RVM的模拟电路故障预测

针对模拟电路健康管理的特点，提出了一种基于PSO优化多核RVM的模拟电路故障预测方法。利用参数分析得到电路的输出频域响应作为特征，计算其与电路无故障标准响应的欧氏距离来表征电路元件健康值，将多个核函数线性组合，并用PSO优化多核RVM参数后的模型实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明，该方法在小样本情况下，预测效果优于单一核函数的RVM模型，适用于健康管理中实时预测，具有较好的实用性。