摘要：以花生为原料,对花生发芽过程中水分、多肽、淀粉等组分含量及蛋白酶等相关酶活力的变化情况进行了研究。结果表明:随着花生发芽时间的延长,水分含量大幅提高,干重比随之降低。发芽过程中代谢酶系统被激活,大分子储藏蛋白质被分解,以干重计多肽含量可达未发芽种子的2.4倍。还原糖含量和γ-氨基丁酸含量呈先上升后下降的趋势,分别于发芽3 d和2 d达到最大值。淀粉含量和维生素C含量呈缓慢上升的趋势。蛋白酶和过氧化物酶活力在发芽过程中大幅提升,多酚氧化酶活力呈现一定波动趋势。总体而言,发芽可作为提升花生种子营养价值和功能特性的手段。

摘要：为研究饲粮中添加槲皮素对肉牛瘤胃体外发酵特性及甲烷产量的影响,采用单因子试验设计,分别在体外发酵底物中添加0、0.5%和1%的槲皮素,以不添加槲皮素为对照组,在39℃下进行瘤胃厌氧培养发酵,记录不同时间的产气量(GP),测定48 h的发酵液pH、氨态氮(NH3-N)浓度、挥发性脂肪酸浓度(VFA)和甲烷产量,同时,利用体外两步法测定发酵48 h后的干物质降解率(DMD)。结果显示:1) 48 h后,1%槲皮素组产气量、甲烷产量显著低于对照组(P 0.05);0.5%和1%槲皮素组NH3-N均显著低于对照组(P 0.05);0.5%和1%槲皮素组的乙酸、丁酸和总VFA均无显著差异(P> 0.05),1%槲皮素组丙酸显著高于对照组(P <0.05)。因此,肉牛饲粮中添加槲皮素会降低肉牛瘤胃体外发酵产气量、降低NH3-N的含量、提高丙酸的含量,降低甲烷的产生量,其中以添加1%的槲皮素较为适宜。

摘要：为研究不同低聚糖对小龙虾饲料品质的影响,分别将低聚异麦芽糖和低聚木糖以不同添加量添加至饲料中,混匀制粒后测定饲料的含粉率、质量体积、硬度、黏弹性、沉降速度、吸水性、稳定性等物理指标,在此基础上进行体外模拟消化试验。试验结果表明,较低添加量下低聚异麦芽糖饲料的含粉率、硬度和黏弹性高于低聚木糖,较高添加量下则相反;低聚木糖饲料的质量体积普遍高于低聚异麦芽糖,且可使饲料的沉降速度下降、水中稳定性提高,但同时饲料的水分吸附能力增加。体外消化试验结果表明,随着低聚异麦芽糖添加量的增加,饲料干物质消化率、氨基酸和还原糖含量均呈上升趋势。综上表明,在饲料中添加一定比例的低聚糖不仅可有效地改变饲料的物理特性,提升饲料的加工质量,也可促进饲料中营养物质的吸收和利用。

摘要：随着工业集成自动化的发展,现有的灌输式理论教育难以解决学生在机械类职业生涯中至关重要的工程设计能力和工程创新能力培养问题.重庆理工大学机械设计制造及其自动化专业在激烈的就业竞争中,借助深厚的地域汽摩产业背景和发展优势,通过汽摩行业企业深度参与人才培养过程、着力提升专业教学团队工程综合能力,不断创新实践教学体系,并结合汽摩企业人才成长规律,以工程项目的CDIO为核心优化人才培养,加速了学生从在校生到工程应用型高级专门人才的角色转变,走出了一条独具特色的专业人才培养之路.

摘要：针对数控机床设计、制造及使用过程对快速准确查找造成数控机床运动误差因素的需要,提出了一种利用图形模式识别技术进行运动误差快速溯因的方法。首先,通过分析数控机床运动误差形成因素与误差轨迹的映射关系,建立了基于圆运动轨迹的复域自回归模型,构造了运动轨迹的特征向量,建立了轨迹图形的RBF溯因识别网络。然后,根据建立的反向间隙、比例不匹配等误差轨迹模型和RBF溯因识别网络,实现了对数控机床运动误差的快速溯因。理论分析和实验表明,该方法能快速识别造成数控机床运动误差的因素,具有准确率较高、通用性较强的特点。该方法简单高效而经济,并能为后续误差量值分析提供依据和算法基础。

摘要：提出一种基于参数敏感性的混沌测量电路,应用于重量测量系统。其特点是直接将重量映射为二进制代码,从而避开了放大器和A/D转换器等中间环节对重量测量精度的制约和影响,大大提高了重量测量系统的精度和分辨率。分析了混沌重量测量原理,研究了相应的混沌电路实现方法,设计了以DSP作为控制器的混沌重量测量系统。理论计算和实验数据都表明,该重量测量系统精度高,方法可行。

摘要：针对我国现有有线数控网络系统的不足,提出利用无线通信技术,建立无线数控网络。并对其体系结构和关键技术进行了具体的阐述,为工厂数控系统的网络化提供了一个基于无线通信技术的新方案。实际应用表明,无线数控通信系统有利于更加灵活便捷地实现车间网络化制造系统。

摘要：针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型。在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策损失函数,确保模型有效融合。在提出的一种组合收敛准则基础上,采用BBPT方法训练优化模型,对测试数据进行了验证。实验结果表明,该模型能够自适应动态标签及差异化分布数据,准确预测数控机床状态类别,抗干扰强,响应快。在GPU模式下预测时间最短仅需100 ms,较BP和LSTM分类网络,预测准确率和实时性均显著提高。

摘要：针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明:在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率(24帧/s)下实现了零件实时准确检测。

摘要：针对传统迭代最近点(ICP)算法在点云存在重叠或部分重叠时,配准误差大且适应性差的问题,提出一种基于匹配点对加权优化的改进配准算法。首先,提出一种改进体素降采样算法对点云进行采样,减少数据量的同时提高算法对噪声的鲁棒性;然后,采用改进Sigmoid函数赋予参与配准的匹配点对不同的权重,克服传统算法忽视距离较小的匹配点对中仍具有错误点对的缺点,同时提高了配准精度和收敛速度;最后,提出一种采用奇异值分解法(SVD)求解配准参数的方法,进一步提高配准精度。设计了不同重叠度的配准实验和噪声实验,并结合曲轴三维点云重建对本文算法进行验证。实验结果表明:本文算法误差较Tr-ICP算法减少了约34.1%,较AA-ICP算法减少了约29%,配准时间较TrICP算法缩短了约16.1%。最终表明本文算法具有更高配准精度的同时,具有更好的适用性和鲁棒性。