食品生产加工环节食品质量控制研究

通过信息不对称理论、外部性理论、博弈论等数据分析理论探讨当下企业生产加工环节存在的食品质量安全问题,包括食品企业生产、生产加工流程、监督检查等的发展现状,开展食品生产加工环节质量控制、安全管理的创新策略,以最大程度降低食品质量安全事件的发生概率。     

饮酒口干程度检测方法的探索性研究

研究饮酒后口干程度的检测方法并开展探索性应用。采用适应性喂养良好的小鼠,先后采用水、酒精灌胃,均检测禁水后不同时间点的血清渗透压,初步确定饮后口干程度与血清渗透压的关系。将血清渗透压指标的检测与动物醉酒试验结合,通过检测灌胃饮酒小鼠翻正反射恢复后血清渗透压,探索性应用于白酒、保健酒等酒类饮后口干程度的对比分析。本文为酒类产品在研发过程中涉及到的饮后口干程度的研究提供了定量检测方法,为开发高品质的白酒、保健酒等提供参考与指导。     

强电磁场环境下数据采集实现方法研究

在强电磁场环境下,传统的数据采集系统难以精确地进行有效可靠的数据采集,针对这种状况,采取了多种电磁屏蔽办法,包括设计电磁屏蔽体屏蔽采集系统前端干扰、构建光纤以太网络保障传输数据的纯洁性等,另外,数据采集系统设计以FPGA为主控芯片,采用DSP进行数据压缩传输,结果表明,整个采集系统更加稳定可靠,抗干扰能力得到了大幅度提升,而且数据采集的精度和传输速度也得到了提升,有效解决了复杂电磁场环境下的数据采集与传输。     

基于变分模态分解和分位数卷积-循环神经网络的短期风功率预测

由于风力发电的随机性和间歇性,风功率预测不仅需要准确的点预测,而且需要可靠的区间预测和概率预测来量化风功率的不确定性。提出了一种基于变分模态分解（variational mode decomposition,VMD）和分位数卷积-循环神经网络的风功率概率预测模型。首先,使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量,再通过卷积神经网络（convolutional neural network,CNN）提取反映各模态分量动态变化的高阶特征。然后,基于提取的高阶特征进行分位数回归建模,采用长短期记忆（long short-term memory,LSTM）循环神经网络预测未来任意时刻不同分位数条件下的风功率值。最后,利用核密度估计（kernel density estimation,KDE）得到风功率概率密度曲线。以中国某风电场数据作为算例测试,证明了所提出模型的有效性。     

姜提取物生物合成纳米银抑菌活性的研究

作者利用姜提取液作为还原剂生物合成具有抑菌活性的纳米银材料,避免了传统合成过程中危害环境的弊端。生物合成的纳米银材料分别采用紫外吸收光谱(UV-vis)、透射电子显微镜(TEM)、X射线晶体衍射(XRD)等方法进行表征。结果表明,该纳米银颗粒为面心立方结构,呈球形,粒径范围在5~30 nm,分散性良好。体外抑菌结果显示,姜提取液合成的纳米银对供试的8种典型病原菌(包括4种典型的临床耐药病原菌和4种海洋水产病原菌)均具有显著的抑菌效果,对金黄色葡萄球菌的最小抑菌浓度和最小杀菌质量浓度分别为25.7μg/m L和51.4μg/m L。长期稳定性实验和热稳定性实验表明,该生物合成的纳米银具有优良的稳定性。最终实验结果表明,利用姜提取物能够合成出环境友好、广谱高效、性能稳定的新型抗菌剂。     

PF2融资模式在养老地产中的应用研究

正老龄化加剧使养老问题成为社会焦点,发展养老地产是解决养老问题的重要途径之一。在梳理养老地产发展现状及制约因素的基础上,针对融资瓶颈问题,通过比较几种融资模式,提出适合运用于养老地产发展的PF2模式,并分析其可行性及运行模式。0引言中国社会科学院2013年12月26日发布《社会蓝皮书》指出,目前我国人口结构正在发生转变,人口红利逐渐消失。截     

基于改进YOLOV4-tiny的电力设备红外识别研究

红外检测技术因其具有无需直接接触、带电状态进行检测、检测快速等优点,广泛应用于电力设备过热故障诊断领域。但是,红外图像质量不佳和电力设备的复杂分布等问题,对电力设备故障红外检测过程中的电力设备种类检测精度带来不利影响。为了实现电力设备种类识别的快速准确检测,在YOLOV4-tiny目标检测算法的基础上,提出了适用于电力设备过热故障诊断过程设备种类识别的YOLOV4-tiny目标检测模型。通过旋转矩形框机制替换水平矩形框机制、改进激活函数和采用PAN+FPN加强特征提取网络的方式,来改进原检测模型,使其在检测时更精准更快速。通过多次实验验证,优化后的模型相较于YOLOV4、YOLOV4-tiny两种模型来说,检测速度没有明显提升,但其检测精度提升了1.89%,这为电力设备过热故障红外诊断过程中的设备种类识别研究带来了新的思路。     

基于CNN-GRU分位数回归的短期母线负荷概率密度预测

随着分布式电源大规模并网,母线负荷的波动性和不确定性日益增加,给母线负荷预测带来新的挑战。传统的点预测方法难以对母线负荷的不确定性进行描述,为此提出一种基于卷积神经网络和门控循环神经网络分位数回归的概率密度预测方法。该方法通过卷积神经网络提取反映母线负荷动态变化的高阶特征,门控循环神经网络基于提取的高阶特征、天气、日类型等因素进行分位数回归建模,预测未来任意时刻不同分位数条件下的母线负荷值,最后利用核密度估计得到母线负荷概率密度曲线。以江苏省某市220 kV母线负荷数据进行测试,结果表明本文所提方法能够有效刻画未来母线负荷的概率分布,为配电网安全运行提供更多的决策信息。     

Al-8Si铸轧合金组织及其热处理工艺研究

利用铸轧方法制备了Al-8Si多元合金铸轧板坯,并对铸轧板坯进行热处理,采用金相显微镜和扫描电镜对合金铸轧组织及铸轧板坯退火后组织形貌、相结构进行了表征.结果表明:铸轧方法制备的Al-8Si多元合金组织得到细化,但由于铸轧冷却速度和冷却强度的差异,导致铸轧态组织出现中间偏析和组织不均匀.480～520℃的均匀化退火,减...     

真空集热管内溴化锂溶液吸热及汽化特性实验研究

利用实验的手段研究了位于真空集热管内的溴化锂溶液,在室外环境中接受连续变化的太阳辐射时,溴化锂溶液的吸热升温及汽化特性.通过对实验数据的分析表明位于真空集热管内的溴化锂溶液吸热效果良好,温度升高较为迅速,能够连续而且稳定地产生蒸汽;特别是在加装反射板的情况下,溴化锂溶液的吸热升温及汽化效果更为显著;计算得出单根真空集热管的理论制冷量可以达到8.9～12.8 W,瞬间集热效率位于17.7%～39.0%之间.