湿法磷酸萃取制备磷酸二氢钾的研究

开发了以湿法磷酸和氯化钾为原料,利用有机溶剂萃取法制备高品质磷酸二氢钾的新工艺。研究了溶配过程氯化钾的加入量对脱氟的影响和萃取时间、萃取温度、相比、氯化钾与磷酸物质的量比等对磷酸、盐酸的萃取率与硫酸根、铁离子、氟离子等杂质的脱除率的影响;以及洗涤相比对五氧化二磷洗涤率的影响,确定了适宜的工艺条件。实验表明：在萃取温度为 60 ℃、萃取时间为 30 min、相比为3.0、氯化钾与磷酸物质的量比为1.0、洗涤相比为12的条件下,五氧化二磷收率可达95.98%以上,产品磷酸二氢钾纯度可达96.75%以上。     

大蒜精油对屎肠球菌和粪肠球菌产苯乙胺和酪胺的影响

本试验采用双倍试管稀释法,测定大蒜精油分别对高产苯乙胺和酪胺的E.faecium和E.faecalis的最低抑菌浓度(MIC)和最低杀菌浓度(MBC);并利用高效液相色谱法测定不同浓度的大蒜精油对两株高产苯乙胺和酪胺菌株的影响,从而明确大蒜精油对其产生物胺能力的抑制作用。结果表明:大蒜精油对供试菌株都具有较强的抑菌活性,大蒜精油对E.faecium的最大抑制率可达48.20%,对E.faecalis的最大抑制率为52.41%,且抑菌效果随大蒜精油浓度的增大而逐渐增强;在大蒜精油的添加量为1/2 MIC时,大蒜精油对E.faecium和E.faecalis的生长具有抑制作用;当大蒜精油浓度为0.025%时,能够显著(p0.05)降低供试菌株产苯乙胺和酪胺的含量,苯乙胺含量与空白组相比降低了26.61%,酪胺的降低了15.54%。说明大蒜精油对高产酪胺和苯乙胺的菌株具有显著(p0.05)抑制效果,从而减少了酪胺和苯乙胺的生成。     

大蒜精油和发酵剂对熏马肠中生物胺及微生物分布的影响

为研究大蒜精油和发酵剂对熏马肠中生物胺的影响,采用高效液相色谱法测定熏马肠中生物胺含量,利用 宏基因组学技术分析熏马肠中微生物多样性和生物胺含量的变化情况。结果表明：将大蒜精油和发酵剂联合使用能 够很好地减少熏马肠中尸胺、腐胺、组胺、酪胺和苯乙胺的产生,对控制生物胺在熏马肠中的含量起到非常显著的 作用;熏马肠中含有丰富的微生物物种,通过样品科分类水平物种分析,得出乳酸菌在熏马肠整个加工过程都是优 势菌种,而葡萄球菌在成熟后期数量较多。     

C5M4铝合金端盖低压铸造工艺模拟及优化

应用ProCAST软件对C5M4铝合金端盖低压铸造工艺进行数值模拟,设计不同浇注系统,在优选浇注方案基础上,采用正交试验研究了浇注温度、模具预热温度、充型压力和充型速度对C5M4端盖低压铸造工艺的影响。通过正交试验,得出最优工艺方案:浇注温度为700℃,模具预热温度为250℃,充型压力为40kPa,充型速度为80mm/s,在优化工艺方案基础上添加冒口,端盖缩松、缩孔体积由75.23cm~3降为68.96cm~3。     

硫酸亚铁制备高品质氧化铁红的新工艺研究

对钛白副产物硫酸亚铁制备高品质氧化铁红的新工艺进行了研究。本工艺以生产钛白粉的副产物硫酸亚铁为原料,通过化学方法净化钛白副产物硫酸亚铁,除杂后得纯净的硫酸亚铁,再经过脱水、煅烧等工序,得到铁磁体用氧化铁红。通过实验得到了制备高品质氧化铁红的最佳工艺条件。在最佳工艺条件下,制得的氧化铁红纯度高达99.8%,另外,所制得的氧化铁红产品还具有其他物理性能指标,如产品的晶型为α型三氧化二铁,平均粒度小于1.5 μm,松装密度小于0.35 g/cm³,水质量分数小于0.5%。     

乳酸菌中生物胺氧化酶菌株的筛选

为获得良好的具有生物胺降解能力的肉品发酵剂,本文以实验室前期筛选的63株乳酸菌作为研究对象,利用双层显色平板试验,氧化酶试验和高效液相色谱检测对产生物胺氧化酶菌进行筛选,并对所筛选的菌株做抑菌试验和耐盐耐亚硝酸盐等试验。结果表明:本次实验筛选出4株(1株Pediococcus acidilactici,1株Pediococcus pentosaceus,2株Lactobacillus plantarum)具有较强生物胺氧化能力的乳酸菌,其中以乳酸片球菌(Pediococcus acidilactici)的生物胺降解能力最好,其对苯乙胺、色胺、组胺、腐胺、尸胺、酪胺、亚精胺和精胺的降解率分别为56.71%、51.40%、40.86%、28.12%、18.92%、24.59%、18.20%和9.68%。通过抑菌试验和耐盐耐亚硝酸盐等试验发现乳酸片球菌对致病性大肠杆菌,单增李斯特菌,金黄色葡萄球菌具有良好抑菌效果,且耐盐能力在6%以上,耐亚硝酸盐能力在0.15 g/kg以上,最适温度为37℃,最适p H为6.5。     

基于智能映射推荐的知识图谱实例构建与演化方法

随着大数据技术的深入发展，各领域产生了海量异构数据，构建知识图谱是实现异构数据语义互通的重要手段。通过将结构化数据与本体模型映射匹配来生成实例模型是图谱实例层构建常用的方法。然而，对于复杂异构的领域数据来说，现有映射式实例构建方法大多需要用户手动完成全部映射匹配，映射操作繁琐，无法进行智能匹配，费时费力且容易出错。除此之外，现有方法对实例导入后的增量更新也支持不足。针对现有模式匹配和实例构建方法的映射操作繁琐的问题，提出了基于智能映射推荐的实例构建与演化方法。其中，智能映射复用推荐机制，在用户手动映射之前进行数据模式匹配计算，对元素级相似度、表级相似度和表间传播相似度进行多级相似度综合计算，根据数据模式匹配度仲裁排序后生成推荐映射。另外，增量发现机制通过自动发现冗余实例和冲突实例，生成系统后台任务进行处理，可实现实例的高效无重复导入。在山东市政府开放数据集和深圳市医疗急救数据集上进行了实验，在映射复用推荐模块的辅助下，交互时间缩短为传统模式的约26%,字段推荐匹配准确率达到98.1%;在增量发现模块的实验中，导入了1 394万个实例节点以及2 158万条关系边所需的时间由31.21 h...