一株产羧酸酯酶菌的鉴定及酯酶特征的研究

目的:鉴定中国白酒发酵过程中的微生物种类，研究关键酶的特征与作用机制有利于提高白酒的优质品率。方法:本研究用形态学和生理学、16S rRNA、gyr B基因和antiSMASH分析的方法对酒曲中的一株微生物进行了验证；对该菌株的特性进行了研究，采用分子建模的方法获得了羧酸酯酶的3D模型，用分子对接的方法探讨了该菌株的羧酸酯酶的机理。结果:该菌株为产羧酸酯酶的革兰氏阴性菌Pb1（MW580690）；该菌株呈现典型的S型生长曲线，产物曲线为S型，羧酸酯酶活化最优pH范围为5.0~9.0。分子对接结果显示Phe21A为该酶具有催化活性的主要氨基酸，水解三丁酸甘油酯为丁酸和甘油。分子对接结果显示三丁酸甘油酯经过构象变化被转移到催化中心后，进一步被加工；酶的亲水性和疏水性的相互作用表面有利于配体向下转移，进而从疏水性通道释放产物到的酶表面。结论:产羧酸酯酶的菌株为贝莱斯芽胞杆菌，并为羧酸酯酶水解三丁酸甘油酯类物质的底物识别、转移和催化机理提供了新的见解。     

变压器内部故障在线检测方法仿真及误差分析

为研究变压器内部故障在线检测方法的有效性及抗干扰性,搭建实际变压器的非线性三维有限元模型.对变压器常见几种类型的内部故障进行详细的结构仿真,通过"场-路耦合法"构建各类型故障的ΔV-I1轨迹.同时,通过对正常绕组的测量信号设置一定的误差,构建了考虑测量误差时的误差轨迹.在此基础上,将正常时的标准轨迹、误差轨迹和各种类型的故障轨迹进行对比分析,通过对ΔV-I1轨迹特征差异的定性分析与定量计算,验证该方法在实际应用中的有效性,总结判断各类型故障的规则,同时针对测量误差所造成的干扰提出了建议.     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

面向草莓抓取的气动四叶片软体抓手研制

农林业中果蔬的自动化采摘需求日趋强烈,末端抓手是实现无损采摘的关键。传统的末端抓手以刚性结构居多,现有的各种柔性抓手也存在抓取力不足、包覆性不佳等缺点。本文以草莓的无损采摘为研究对象,提出将草莓外部轮廓曲线作为设计曲线,设计了一种新型气动四叶片软体抓手。首先,对软体抓手的结构做仿真优化,提出一种安全地附着在目标物表面的设想。然后,在进行草莓表面的最小破坏应力试验的基础上,测试了软体抓手的末端力,验证了其实现无损抓取的可行性。再次,利用动态捕捉技术,研究了软体抓手叶面的弯曲变形规律。最后,选择使用弧线型气体通道的软体抓手进行了草莓抓取测试,结果证明了气动四叶片软体抓手可以实现草莓的无损抓取,抓取成功率达90%,破损率为2%,表明所研制的四叶片软体抓手用于草莓抓取时具有良好的稳定性和实用性,可用于草莓采摘的末端执行器。本研究也可为其他易损果蔬的采摘技术提供理论基础和技术支撑。     

回字形环山地建筑结构设计

中央美院青岛创业中心项目为角部重叠的回字形山地建筑,采用了框架-剪力墙结构体系.主体建筑结构总高度为54m,坐落在三个台地上,每两个相邻台地高差10m左右.掉层处采用"掉层脱开式且有拉梁"的方式进行结构布置.结合山地建筑结构的基本概念和受力特点,介绍了本项目的结构处理方式和设计难点,采用PKPM,MIDAS Building,SAUSAGE软件对结构进行了弹性反应谱法分析、弹性时程分析、动力弹塑性时程分析和抗震性能设计,同时针对各种不利因素采取了相应的加强措施,确保了结构安全.     

Regulation of sensory nerve conduction velocity of human bodies responding to annual temperature variations in natural environments

The extensive research interests in environmental temperature can be linked to human productivity / performance as well as comfort and health; while the mechanisms of physiological indices responding to temperature variations remain incompletely understood. This study adopted a physiological sensory nerve conduction velocity (SCV) as a temperature‐sensitive biomarker to explore the thermoregulatory mechanisms of human responding to annual temperatures. The measurements of subjects’ SCV (over 600 samples) were conducted in a naturally ventilated environment over all four seasons. The results showed a positive correlation between SCV and annual temperatures and a Boltzmann model was adopted to depict the S‐shaped trend of SCV with operative temperatures from 5°C to 40°C. The SCV increased linearly with operative temperatures from 14.28°C to 20.5°C and responded sensitively for 10.19°C‐24.59°C, while tended to be stable beyond that. The subjects’ thermal sensations were linearly related to SCV, elaborating the relation between human physiological regulations and subjective thermal perception variations. The findings reveal the body SCV regulatory characteristics in different operative temperature intervals, thereby giving a deeper insight into human autonomic thermoregulation and benefiting for built environment designs, meantime minimizing the temperature‐invoked risks to human health and well‐being.     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

基于Isograph的FMECA分析在潜孔钻机中的应用

为提高潜孔钻机的可靠性,利用FMECA分析方法并结合Isograph软件对潜孔钻机进行FMECA分析。通过对潜孔钻机FMECA分析,确定了潜孔钻机危害性最高的组成结构,提出了预防维护的措施,为提高潜孔钻机的可靠性提供了依据。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。