灰玫瑰青霉产生的抗菌物质AF1的分离与活性研究

从灰玫瑰青霉Penicillium griseoroseum发酵液中提取到1种具有抗菌活性的物质AF1,对其性质进行初步研究。发酵液经纱布过滤,离心后经5?ku超滤膜超滤,经Sephadex LH 20和HPLC分离纯化得到纯净物质AF1,并对其生物学活性进行研究。结果证明:AF1对β 内酰胺酶和酸碱稳定,对热有较好的耐受性,不是青霉素类抗菌物质;相对分子质量约为1?465,结构中含有糖和氨基特征,对金黄色葡萄球菌的MIC为80?μg／mL,对抗药金黄色葡萄球菌有效且不容易诱导细菌抗药性产生。     

氢化碳膜的胺掺杂及其对甲酸蒸气的质量传感特性

通过将其他元素或原子基团掺入氢化非晶碳膜网结构中的方法,可以实现对α－Ｃ：Ｈ薄膜的改性,赋予α－Ｃ：Ｈ膜新的特性,从而满足某些特殊应用的需要,用含胺基的碳氢化合物正丁胺作为碳源,用等离子体增强化学气相沉积方法制备α－Ｃ：Ｈ膜．薄膜的红外光分析表明胺基团已掺入薄膜的网络结构中,喇曼光谱分析表明薄膜具有无序态碳、三配位碳和四配位碳原子的混合结构,但主要成份为无序态碳,将掺胺的α－Ｃ：Ｈ薄膜作为质量传     

川东北部飞仙关组鲕滩气藏的发现及气藏特征

阐述了川东北地区从1963年石油沟构造巴3井首次在飞一段钻获天然气开始,到福成寨、板东、黄草峡构造上相继发现飞仙关组气藏,渡口河构造的渡1井在飞仙关组钻遇孔隙型白云岩,获天然气流,罗家寨、铁山坡、金珠坪等一批飞仙关组鲕滩整装气藏的勘探历程。分析了川东北地区飞仙关组鲕滩气藏的烃源条件、储集条件、盖层条件,指出飞仙关组天然气主要为原油裂解气,上二叠统及飞仙关组自身为其主要烃源;其储集岩类型主要为鲕粒云岩和溶孔鲕粒灰岩两大类。评价预测了储层发育有利区带。分析了气藏的形成过程,认为可划分为古油藏阶段、大气藏阶段、古气藏调整定型阶段等三个阶段。从地质构造、沉积相分布、圈闭要素等角度剖析了罗家寨等构造飞仙关组鲕滩储层的形成机理和气藏特征。     

基于溶解度实验的硫沉积模型及应用研究

四川东北部相继发现了普光、罗家寨等一大批高含硫气藏。高含硫气藏在气体开采过程中,随着地层压力不断下降,元素硫达到临界饱和态后将从气相中析出,并在储层孔隙及喉道中沉积,从而导致地层孔隙度和渗透率降低,严重时造成气井停产。根据硫在天然气中的溶解机理以及物质平衡原理建立了高含硫气藏硫沉积预测模型,以罗家寨气田罗7井为例,预测了不同压力范围下的含硫饱和度以及硫沉积对气井产量的影响。研究结果表明,当地层压力下降到40MPa时,气井产量下降了82.5％,地层压力下降到37MPa时,气井将停产。     

配电网中电压电流相位差的检测及其简要分析

介绍一种把电网中连续的电压和电流正弦波转换成计算机能够识别的电压脉冲波和电流脉冲波的实用技术. 比较2个脉冲信号前沿的时间差, 得出表征电网经济运行状况的重要参数——功率因数.     

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.     

菊粉珍珠奶茶的研制

将一种功能性食品基料—菊粉,分别添加到珍珠奶茶中,制备新型珍珠奶茶产品;以茶叶与水的比例、浸提温度、一次浸提时间、二次浸提时间进行正交试验,优化茶汁的浸提条件;以珍珠感官评定得分为指标,考察菊粉的添加量、红糖的添加量、淀粉糊化温度、淀粉糊化时间、进行单因素和正交试验选出珍珠的优化配方和制作工艺.     

系列食品微生物多糖的高黏度发酵关键技术

比较产热凝胶菌株生长和合成多糖阶段的能量代谢差异,特别是能量耗散的差异,构建了土壤杆菌ATCC 31749产热凝胶的代谢途径.研究产生能量代谢差异的原因及其影响因素,利用分子生物学技术和生物信息学工具,构建了土壤杆菌电子呼吸链的传递途径.研究高密度培养、高强度生产的两步法微生物多糖发酵工艺.在预备罐中以低C/N营养条件,实现产多糖微生物的快速高密度培养.在发酵罐中稀释细胞后以高C/N营养条件高强度生产微生物多糖.研制工业规模下适用于高黏度发酵的高效生物反应器.以结冷胶为高黏度发酵模型体系,研究该反应器在冷模条件下的传质、混合和流变行为特征,设计了新型高效生物反应器,放大至50 m3并应用于结冷胶发酵生产实践中.     

基于神经网络的柔性机器人混合力/位置控制

建立了柔性机器人的动力学模型,并根据实际情况对模型作了相应的假设,给出了简化的准静态模型,提出了一种基于神经网络的混合力／位置控制方法,它主要包括两个部分：辨识网络和学习网络,仿真结果证明所设计的控制器是可行的。