茶树花多酚粗提物分离纯化及抗氧化性

在采用超滤膜一树脂吸附乙醇一次洗脱联用技术提取茶树花多酚工艺得到粗提物的基础上,探索了不同体积分数乙醇水溶液梯度洗脱法制备高纯度茶树花多酚的方法,分离纯化得到了各洗脱物,应用HPLC法分析了各洗脱物的儿茶素的组成,并采用清除·OH及DPPH·方法比较了各洗脱物的抗氧化性能。结果表明,收集10％、20％、30％和40％乙醇洗脱液浓缩干燥后可得到得率为84．19％,质量分数为92．25％的茶多酚精制品,比一次用体积分数为70％乙醇水溶液洗脱得到多酚质量分数84．32％的样品纯度高。其中体积分数为20％乙醇的洗脱组分多酚质量分数为97．71％;各洗脱组分中不同儿茶素得到有效富集分离,它们对·OH及DPPH·清除率均呈量效关系,都高于未分离纯化的样品,其中体积分数为20％乙醇的洗脱组分中,EGCG质量分数最高为67．39％,咖啡碱得到有效去除,其对自由基清除率最高,可作为高级抗氧化剂使用。     

轴向受载的高速角接触球轴承接触角域的精确确定

在分析了高速角接触球轴承动态特性方程组的基础上,对动态特性的辅助方程进行了寻求根本变量的分析,得到了各个方程组变量相互耦合的关系图和根本变量。根据高速角接触球轴承受纯轴向力时的特点,提出了应用接触角进行迭代求解动态特性的计算方法。为了确定接触角的求解域,根据文献的计算结果分析了随着载荷和转速的变化内接触角增量小于外接触角增量的特点,并应用本文提出的迭代方法对算例进行了计算,验证了对接触角增量变化分析的正确性,从而将接触角的搜索范围缩小一半,减少了计算量。     

白羽肉鸡球虫病的诊断与防治

球虫病是集约化养鸡场中常见的危害较大的一种原虫病,它以消瘦、贫血、血性下痢、发病率及死亡率高为特征。2010年6月10日河北省承德市宽城县一家养鸡场饲养的白羽肉鸡发生此病。我校教学兽医院接诊后经过流行病学调查、临床症状观察、病理剖检及涂片镜检等确诊为球虫病。根据情况立即采取了综合性的防治措施,使病情得到了有效控制。     

基于遗传算法的农业移动机器人视觉导航方法

为了保证田间作业的农业移动机器人能够对作物行进行自动识别,并且对干扰环境具有一定的鲁棒性,采用基于遗传算法的面一带模型匹配视觉辨识方法直接对未经任何预处理的田间作物图像进行识别.通过人工图像和实际图像扫描,论证了该方法对作物行间识别的准确性和稳定性,以及对于包括干扰物等环境噪声的鲁棒性.经实际田间作物图像辨识,验证了该方法在实时控制中的有效性.     

混联机床并联轴定位精度的激光测量与误差补偿

在分析混联机床并联轴定位精度的激光干涉测量原理和方法的基础上,采用干涉法检测了并联轴Z向的定位精度和重复定位精度,做出了并联轴的平均偏差特性曲线,获得了其线性位移定位误差数学模型;利用最小二乘法得到了混联机床并联轴定位误差补偿模型和增量补偿特性曲线;推导了并联机构动平台位姿和各驱动杆杆长的求解过程,进而对混联机床并联轴定位精度进行了有效补偿,得到了一种并联轴定位精度激光干涉测量方法和误差补偿模型的建立方法.     

基于小波神经网络的切削刀具磨损识别

提出了一种基于小波神经网络的切削刀具状态监测方法,在采集切削加工功率信号的基础上,利用小波分解方法提取反映刀具磨损状态的信号特征量,利用小波神经网络的非线性模型和学习机制,实现刀具磨损状态的在线监测;针对多输入输出问题带来的网络规模大、收敛速度慢等问题,提出应用粒子群算法优化小波神经网络的方法,从而简化小波神经网络结构并加快收敛速度.仿真和应用实例证明,该方法比传统的基于BP的小波神经网络、GA优化的小波神经网络估计准确率高,消耗时间短.     

外源绿原酸对苹果抗病相关酶的影响

采用离体培养方法对富士、红星和八棱海棠进行绿原酸处理,研究苹果在外源绿原酸处理下POD、PPO、PAL活性的动态变化以及绿原酸含量的变化。结果表明,富士以0.0001%绿原酸、红星以0.0008%绿原酸、八棱海棠以0.0004%绿原酸处理后,其PAL活性均显著提高,苹果体内也因此而提高了绿原酸水平。     

阜新县平衡配套施肥技术研究与应用

通过对辽宁省阜新县耕地土壤有效养分监测和田间肥料试验,开展作物氮磷钾需求规律和最佳施肥模式研究,并根据阜新地区土壤养分特点,生产氮磷钾配方专用肥。采用常规化验方法和肥料效应函数法,从土壤化验结果上看,阜新县土壤中碱解氮和速效磷含量接近中等水平,速效钾含量属于中下等水平。从小区肥料试验结果看,阜新县在生产上钾肥和磷肥的投入量明显不足,氮肥的增产作用始终列于首位。据此阜新县土壤肥料工作站设计了适合阜新县土壤养分含量和作物需肥规律,适合在阜新县各种土壤和多种作物上施用,有较强针对性的配方,实现了测、配、产、供、施一条龙服务体系。平衡配套施肥技术可比习惯施肥增产15.5%,应在全县全面推广。     

粒子群支持向量机结合NIR测定桉木木质素

在支持向量机(SVM)回归分析过程中,参数(C,γ)取值范围较大,且需要人工进行调整,目前已知的参数选择方法复杂且不够精确.针对上述问题,提出了一种应用于木材近红外光谱分析的PSO-SVM回归模型;使用粒子群算法(PSO)确定SVM的最优参数(C,γ),用40个桉木近红外光谱样品作训练集,8个样品作测试集建立模型,得到预测模型的回归系数0.970 956,均方根误差0.002 154 5,并与传统支持向量机回归模型和偏最小二乘回归模型进行分析比较.结果表明,PSO-SVM回归模型在桉木近红外光谱的木质素含量预测中具有较高的准确性和很好的稳定性.