检索结果-南通市图书馆

维普期刊数据库博看期刊

反复/连续湿热制备淀粉-脂质复合物及其性质分析

在线全文

学校读者我要写书评

暂无评论

中国食品学报 2024年第5期24卷 313-320页

作者：封永婷许美娟赵晓冬杨佩瑜邹建周彬湖北工业大学生物工程与食品学院武汉430000 河南牧业经济学院食品与生物工程学院郑州450000

为了解决目前制备淀粉-脂质复合物存在的复合率低、工艺复杂、产生工业废液污染物等问题,本研究利用反复/连续交替湿热技术制备高复合率的高直链玉米淀粉-大豆卵磷脂复合物,并对优化的复合物进行结构、理化和预测血糖指数的测定。结果表... 详细信息

为了解决目前制备淀粉-脂质复合物存在的复合率低、工艺复杂、产生工业废液污染物等问题,本研究利用反复/连续交替湿热技术制备高复合率的高直链玉米淀粉-大豆卵磷脂复合物,并对优化的复合物进行结构、理化和预测血糖指数的测定。结果表明,通过单因素实验和正交试验确定最高复合率条件为:湿热处理温度140℃,连续湿热处理时间4 h,反复湿热处理6次,交替周期为2周期,得到复合率最大(59.05%)的淀粉-卵磷脂复合物。傅里叶红外光谱测定表明大豆卵磷脂特有的2个吸收峰(2710 cm-1和2680 cm-1)在复合物中未出现,验证了此改性技术成功地将大豆卵磷脂复合在淀粉的螺旋空腔中,通过X-射线衍射图谱观察到复合物在衍射角20°时衍射峰强度明显增加。此外,复合物冻融稳定性明显提升,预测血糖指数显著降低。结论:反复/连续交替湿热技术作为一种绿色安全、操作简单的物理改性技术,提高了淀粉-卵磷脂复合物的复合率,并显著降低了淀粉的预测血糖指数,为淀粉复合物的发展提供了新思路。

关键词：高直链玉米淀粉卵磷脂复合物湿热处理预测血糖指数

维普期刊数据库

家蚕新品种L8081·L8191×L4朝92·L4白82(川蚕11号)性状

在线全文

学校读者我要写书评

暂无评论

四川蚕业 1997年第3期25卷 42-43页

作者：何勇伍永瑜四川省农业科学院蚕业研究所南充637000

L8081·L8191×L4白朝 92·L4白 82(川蚕11号)是四川省农科院蚕业研究所育成的双限性四元中秋用品种。1993～1994年参加全国蚕品种鉴定,认为有龄期经过短,体质强健好养,产茧量高和茧质优等特点。1995年10月全国桑蚕品种审定委员会通过。

关键词：川蚕11号家蚕新品种浸酸标准蚕业研究所浸渍时间冷藏浸酸桑蚕品种龄期经过四川省茧层量

维普期刊数据库

论以工匠精神引领航空制造企业技能人才培养的策略

在线全文

学校读者我要写书评

暂无评论

中文科技期刊数据库（文摘版）社会科学

中文科技期刊数据库（文摘版）社会科学 2024年第2期 4-7页

作者：伍瑜西南财经大学四川成都610074

在当今社会,对于各行各业的发展来说,工匠精神都是一项非常关键的引领精神,为了落实工匠精神,越来越多的企业开始在内部大力宣扬工匠精神,希望进一步提高工作人员的职业能力,也推动企业的发展。航空制造企业作为我国航空领域的重要力量... 详细信息

在当今社会,对于各行各业的发展来说,工匠精神都是一项非常关键的引领精神,为了落实工匠精神,越来越多的企业开始在内部大力宣扬工匠精神,希望进一步提高工作人员的职业能力,也推动企业的发展。航空制造企业作为我国航空领域的重要力量,在工匠精神的引领下,培养技能人才具有一定的现实意义,不仅能推动企业自身的发展,而且能为国家航空事业的进步贡献力量。鉴于此,本文首先分析航空制造企业落实工匠精神的重要意义,然后指出航空制造企业技能人才培养的主要特点,再探究工匠精神在航空制造企业技能人才培养中所具备的优势,最后提出具体的技能人才培养措施,以供参考。

关键词：工匠精神航空制造企业技能人才

基于CMIE与参数优化KELM的旋转机械故障诊断策略

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

机电工程 2024年第1期41卷 62-71页

作者：连璞吴磊伍永豪长治职业技术学院机械电子工程系山西长治046000 西安交通大学机械工程学院陕西西安710049 联合传动及轴承技术研究中心宁夏石嘴山753000

针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引... 详细信息

针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析。研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了99.2%,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机。

关键词：复合多尺度增长熵算术优化算法核极限学习机滚动轴承齿轮箱复合粗粒化处理信号多尺度分析

维普期刊数据库