国内外蓝莓加工技术与功能性成分研究进展

蓝莓是一种越橘属浆果,除含有基础营养物质,还富含花青素、类黄酮等功能性成分,具有抗炎、抗癌、清除自由基、保护视力等功效。然而,新鲜的蓝莓易腐烂且贮藏和运输性能差,故需要进一步深加工,同时,蓝莓良好的健康属性使消费者对蓝莓加工产品的需求日益增加,应用可更好保留功能成分的先进加工技术已成为蓝莓加工产业发展的重要驱动力。阐述了近年蓝莓果汁、蓝莓果酒、蓝莓干燥等加工技术与功能性成分提取技术的研究进展,以期为蓝莓深加工产业提供理论依据。     

香荚兰化学成分及栽培技术研究进展

香荚兰属(Vanilla)为兰科(Orchidaceae)攀缘植物,其果实制品香荚兰豆是目前食品工业和香料产品的重要原料,具有较高的经济价值,享有“香料之王”的美称。香荚兰豆的化学成分主要为香兰素、香兰醇、香兰酸以及脂肪族类、糖苷类、有机酸类化合物,具有抗氧化、抑菌、抗肿瘤等药理作用。香荚兰广泛应用于香料、观赏园艺,并可用于治疗癫痫、肿瘤等。本文对香荚兰的化学成分与药理作用、应用专利和栽培技术等方面进行综述,以期为香荚兰的进一步研究和开发利用提供参考。     

基于海林格距离加权关键主元的流程工业故障检测研究

在采用主成分分析（principal component analysis,PCA）算法进行故障检测时,主元的选取及处理直接影响其故障检测的表现。对此,提出一种基于全变量表达（full variable expression,FVE）和海林格距离（Hellinger distance,HD）的故障检测方法。首先,利用FVE得到所有关键主元,即保留所有变量信息;然后考虑到与故障相关主元的重要性,定义基于海林格距离的变化率,用来衡量正常工况下主元与异常工况下主元的差异;对与故障发生更相关的主元进行加权,以突出与故障相关主元对于后续故障检测的影响;最后,考虑到降维后数据通常服从非高斯分布,利用改进的局部离群因子（local outlier factor,LOF）构建统计量,其相应控制限通过核密度估计（kernel density estimation,KDE）确定。数值实例及带钢热连轧实际生产数据验证了所提方法的有效性与优越性。     

遗传算法在PCB板元件检测中的应用

介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法．从实际应用出发，找到了一种合适的图像相似性度量方法．提出利用代间差分遗传算法优化其搜索匹配速度，给出了算法实现的全过程．用实际拍摄的PCB板元件进行了性能测试，验证了代间差分遗传算法能提高检测速度．     

影响非球面面形精度的因素分析

根据国内外非球面零件加工难的现状,其根本原因在于多数非球面光学零件很难找到可作为加工依据的准确轨迹,同时也很难找到使轨迹在加工过程中精确转移的方法。而且在加工中,保证面形精度也是最难的问题。本论文主要就非球面面形精度进行探讨。根据等距线公式建立了数学模型,得出保证加工精度时对截取参数选择的方法。     

西宁地区海甘蓝农学性状的观察与分析

对西宁地区海甘蓝外部形状、生育期及花芽分化的观察及种子成份的测定结果：海甘蓝株高为82—85cm，生育日数116—134d，千粒重5．25—6．20g；播种到开花约80d，花期25d左右。经测定，其种子含油量为47．14％，其中芥酸含量高达63．17μmol／g，硫甙含量为72．49—84．70μmol／g。     

粘弹性约束阻尼夹层结构的模态综合法

用有限元法对约束阻尼夹层结构进行动力分析时,自由度数很高。尤其粘弹材料特性随频率而变化,导致计算费用昂贵,较难实现。本文提出用分层模态综合法对其进行动力分析,使自由度大规模降低。算例表明,结果与六阶微分方程及有限元解吻合良好。在此基础上,发展了模态分批迭代法解决粘弹材料复模量随频率变化引起的非线性特征值问题。     

蓝细菌光系统Ⅱ的组成相关基因和遗传修饰

蓝细菌是研究光合作用的理想实验系统，在光系统Ⅱ组成，相关基因及遗传修饰等分子水平上的探索已取得重大进展，主要介绍了光系统Ⅱ反应中心蛋白复合物，天线色素蛋白复合物，细胞色素蛋白复合物，锰稳定蛋白复合物等主在蛋白成份，相关基因，以及利用分子生物学操作对蛋白组分功能的研究工作。     

A unified view of statistical forecasting procedures

A large number of statistical forecasting procedures for univariate time series have been proposed in the literature. These range from simple methods, such as the exponentially weighted moving average, to more complex procedures such as Box–Jenkins ARIMA modelling and Harrison–Stevens Bayesian forecasting. This paper sets out to show the relationship between these various procedures by adopting a framework in which a time series model is viewed in terms of trend, seasonal and irregular components. The framework is then extended to cover models with explanatory variables. From the technical point of view the Kalman filter plays an important role in allowing an integrated treatment of these topics.