PICA法合成介孔二氧化硅研究

以硅酸钠为硅源,在酸性条件下,通过尿素和甲醛的缩聚反应,用诱导聚合胶体团聚法(PICA)制备出单分散脲醛/SiO2复合微球,并经高温煅烧制得介孔二氯化硅。通过X射线衍射(XRD)、氮气脱吸附、透射电镜(TEM)和高分辨透射电镜(HRTEM)等手段对介孔二氧化硅进行了表征。结果表明,通过PICA法制得的介孔二氧化硅有序性好,孔径较大、孔壁较厚、孔径分布均匀。     

乡村配电网供能范围与负荷调控技术协同优化方法

乡村用户较为分散、用电负荷密度低,其配电网设备利用率远低于城镇。各用户负荷曲线的波动特征不同,不同用户组合后总负荷曲线的平准化程度不同,对配电网的供能范围进行优化具有提升线路和设备利用率的潜力。同时,各类需求侧负荷调控技术的应用也可调整用户的负荷曲线,减小各用户的供电峰谷差。为实现乡村配电网规划和需求侧负荷调控方案协同优化,在对农村配电网构建成本、用户需求侧负荷调控成本进行数学描述的基础上,构建了用户聚合和各用户需求侧负荷调控协同优化模型,对各用户需求调控和配网线路供能范围进行综合优化。案例研究表明,对配电网供能范围和用户需求侧负荷调控措施进行协同优化,可以明显提升农网线路及附属设备的平均利用率,减少农村电网建设成本。     

联结基团含羟基的季铵盐Gemini表面活性剂的合成及胶团化行为研究

合成了一种联结基团为含羟基亚甲基链的季铵盐Gemini表面活性剂,即C12-3(OH)-C12.2Cl,用红外光谱、核磁共振及元素分析对它们的结构进行了鉴定,并对影响反应的因素进行了讨论,得出了合成C12-3(OH)-C12.2Cl的最佳条件为十二叔胺:十二叔胺盐酸盐:环氧氯丙烷摩尔比为2.0∶1.0∶1.0,以正丙醇为溶剂,在回流温度下反应3 h,产率可达94.5%以上;采用表面张力法、瞬态荧光法研究了C12-3(OH)-C12.2Cl在水溶液中的胶团化行为,发现C12-3(OH)-C12.2Cl的胶团生成能力远比其单体强,cmc值降低一个数量级,胶团聚集数随表面活性剂浓度增大而增大。     

Effect of Ultra-high-pressure Homogenization on Structure and on Rheological Properties of Soy Protein-stabilized Emulsions

ABSTRACT: An ultra high-pressure homogenizer (20 to 350 MPa) was used to realize fine food emulsions stabilized by soy proteins. The first aim of the work was to understand how dynamic high-pressure processing affects soybean globulin conformation. Then, the effect of homogenizing pressure on the emulsions structure and rheology was investigated. High-pressure homogenization caused denaturation of proteins due to strong mechanical forces and high temperatures encountered in the valve. Droplet sizes of emulsions were greatly reduced with high-pressure homogenization and Newtonian liquid emulsions were converted into shear-thinning emulsion gels by homogenization at pressures above 250 MPa. Hydrophobic interactions between proteins were supposed to cause the gel-like network structure of emulsions.     

碱性pH对马鲛鱼肌球蛋白热聚集行为的影响

为探究碱性条件下pH对马鲛鱼肌球蛋白热聚集行为的影响,以马鲛鱼肌球蛋白为研究对象,探究在加热条件下pH（7.0、8.0、9.0）对肌球蛋白的结构和理化性质（溶解度、浊度、二级结构、总巯基含量、表面疏水性）的影响,未加热组作为空白对照组。结果表明：对照组肌球蛋白在pH（7.0、8.0、9.0）下溶解度从68.00%升高到82.00%、浊度变化不明显;加热组则有较大差异,溶解度从30.00%增加到94.00%,浊度吸光值从0.49降低到0.23;加热组pH 9.0的肌球蛋白α-螺旋含量减少,在所有组中含量最低,为45.60%,β-折叠含量增加,为10.60%;加热组的巯基含量呈下降趋势,由70.45 nmol/mg减少到50.11 nmol/mg,碱性pH下的蛋白质有助于巯基向分子间和分子内二硫键的转化;随着pH值的增加,对照组肌球蛋白的表面疏水性系数依次增加,而加热组下降,但加热组肌球蛋白的表面疏水性系数仍然远高于对照组。综上所述,通过探究碱性条件下肌球蛋白热聚集体的性质,有助于对其热聚集进行调控,获得一种热稳定性较好的肌球蛋白溶液,对以后研究其作为乳化剂添加到食品中有重要意义。     

三硅氧烷型吡啶类离子液体表面活性剂的合成与表征

通过两步法制备了一种三硅氧烷型吡啶类离子液体表面活性剂([Si(3)Py]Cl),用IR、1H NMR和13C NMR对产物的结构进行表征,表面活性和聚集行为通过表面张力仪、动态光散射(DLS)和负染色透射电镜(TEM)进行测量.结果表明:[Si(3)Py]Cl具有良好的表面活性,其cmc为24.81 mmol/L,γcmc为23.04 mN/m,在水溶液中能聚集成直径为50~100 nm的囊泡.     

二次纤维聚集态结构的研究进展

为了研究二次纤维的角质化机理并提出抑制方法,实现二次纤维的高效绿色循环利用,综述了基于共结晶角质化机理的纤维素聚集态结构的研究现状和进展,介绍了纤维素聚集态结构模型和氢键链接方式,着重介绍了目前纤维素聚集态结构研究和氢键研究的进展,综述了目前纤维素聚集态研究手段的多样化:计算机分子模拟、广角X衍射衍射(XRD)、交叉极化/魔角旋转固体核磁共振13C(CP/MAS13C NMR),同步辐射XRD衍射、中子衍射和傅里叶红外(FT-IR)。研究内容从对天然纤维素的基本建模深入到分子链水平的原子链接、氢键模式的研究,研究手段经历了从使用单一仪器发展到多种仪器手段辅助表征的过程。纤维素聚集态结构的研究将是二次纤维角质化机理研究以及纤维素化学研究的重要课题。     

Heat-induced aggregation of whey proteins in the presence of κ-casein or sodium caseinate

Aggregates were formed by heating mixtures of whey protein isolate (WPI) and pure κ-casein or sodium caseinate at pH 7 and 0.1 M NaCl. The aggregates were characterized by static and dynamic light scattering and size exclusion chromatography. After extensive heat-treatment at 80 °C for 24 h, almost all whey proteins and κ-casein formed mixed aggregates, but a large proportion of the sodium caseinate did not aggregate. At a given WPI concentration the size of the aggregates decreased with increasing κ-casein or sodium caseinate concentration, but the overall self-similar structure of the aggregates was the same. The presence of κ-casein or caseinate therefore inhibited growth of the heat-induced whey protein aggregates. The results were discussed relative to the reported chaperone-like activity of casein molecules towards heat aggregation of globular proteins.     

自适应迁移鲁棒特征的个性化联邦医学图像分类

目的 针对联邦学习中多中心医学数据的异质性特征导致全局模型性能不佳的问题,提出一种基于特征迁移的自适应个性化联邦学习算法（adaptive personalized federated learning via feature transfer, APFFT）。方法 首先,为降低全局模型中异质性特征信息影响,提出鲁棒特征选择网络（robust feature selection network, RFS-Net）构建个性化本地模型。RFS-Net通过学习两个迁移权重分别确定全局模型向本地模型迁移时的有效特征以及特征迁移的目的地,并构建基于迁移权重的迁移损失函数以加强本地模型对全局模型中有效特征的注意力,从而构建个性化本地模型。然后,为过滤各本地模型中异质性特征信息,利用自适应聚合网络（adaptive aggregation network, AANet）聚合全局模型。AA-Net基于全局模型交叉熵变化更新迁移权重并构建聚合损失,使各本地模型向全局模型迁移鲁棒特征,提高全局模型的特征表达能力。结果 在3种医学图像分类任务上与4种现有方法进行比较实验,在肺结核肺腺癌分类任务中,各中心曲线...