排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
金属检测器是速冻禽肉制品企业必不可少的装置。本文介绍食品用金属检测器的工作原理、影响其检测灵敏度的因素以及速冻禽肉制品企业对金属检测器报警品的处理方法等。旨在为速冻禽肉制品企业选购、使用金属检测器以及对可疑品的处理提供参考,确保食品安全。 相似文献
2.
3.
4.
5.
为提升复杂环境中漂浮式风力机平台筋腱结构隐性损伤识别率,基于卷积神经网络(convolutional neural network,CNN),提出连续多尺度卷积神经网络(continues-multi-scale convolutional neural network,CMS-CNN),建立“端到端”的损伤识别模型。为验证CMS-CNN方法的有效性,以10 MW漂浮式风力机为研究对象,对损伤位置、程度进行故障诊断,结果表明:连续多尺度模型比传统多尺度的诊断结果更佳;横荡加速度受环境载荷影响较小,基于此响应信号所训练的CMS-CNN诊断模型更可靠;CMS-CNN模型可在筋腱结构微弱损伤时实现精准定位,亦能完成结构隐性损伤程度识别。 相似文献
6.
针对传统滚动轴承故障诊断方法在大噪声与变载荷环境下诊断困难的问题。基于混沌理论,通过卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)提出CCNN(Chaotic CNN)-BiLSTM智能故障诊断方法。采用相空间重构法将一维时间序列转化为二维混沌序列,学习并提取混沌序列中有效非线性信息,并输入Softmax层中完成分类。结果表明,较之现有方法,所提CCNN-BiLSTM方法在变载荷和大噪声(信噪比为-8 dB)环境下的准确率分别至少高出3.76%与5.21%,表明该方法具有良好的鲁棒性和泛化性能。 相似文献
7.
通过卷积神经网络(Convolutional Neural Network, CNN)处理轴承一维时域或频域信号,难以提取具有代表性的非线性特征信息,且易忽略低层次信息。针对这一问题,基于多尺度特征提取,引入一种特征注意力机制,提出一种基于卷积双向长短期记忆网络(MSAM CNN BiLSTM)的轴承剩余寿命预测方法。基于西安交通大学(Xi′an Jiao Tong University,XJTU)轴承数据集中的3组数据对MSAM CNN BiLSTM、LSTM、CNN LSTM和MSAM CNN LSTM 4种方法的预测误差进行对比分析。结果表明:MSAM CNN BiLSTM方法在3组数据集中的预测误差均小于其他3种方法,说明该模型能同时学习数据中的低层次与高层次信息,可有效提高轴承的剩余寿命预测精度。 相似文献
8.
本文针对现有滚动轴承智能故障诊断方法在面向大噪声背景下鲁棒性能差的问题.基于混沌理论,提出采用相空间重构方法还原并丰富轴承振动的动力学特性,通过卷积神经网络(CNN)提取混沌序列中的高级抽象特征,又考虑故障信号具有长程相关性,将低维抽象故障特征引入长短期记忆网络(LSTM),以灰狼算法优化的支持向量机(OSVM)作为分类器,提出CCNN (Chaotic CNN)–LSTM–OSVM智能故障诊断方法.试验结果表明,在处理信噪比为-6 dB信号时,该方法仍具有89.96%的准确率,相比以Softmax作为分类器的CNN–LSTM和CCNN–LSTM方法分别高出15.36%和5.21%,且在收敛速度方面亦有较大优势. 相似文献
9.
采用浓度为30%、50%、70%、90%的乙醇对广东虫草多糖(CGP)进行分级醇沉(GEP)和分步醇沉(SEP)处理。并利用凝胶渗透色谱法(GPC)测定各醇沉组分的保留时间tR、重均分子量Mw、多分散性PD以及各组分的相对含量,以表征不同醇沉方法所得多糖组分的分子量分布。结果表明:不同乙醇浓度醇沉得到的多糖组分的分子量大小有很大差异,且不同分子量范围的多糖在不同醇浓度下的含量也不一致;要获取更多的大分子量虫草多糖,宜采用分步醇沉法,乙醇浓度应从30%逐渐增大到70%;若采用分级醇沉法,则乙醇的浓度应选择在50%~70%。 相似文献
10.
纳滤浓缩西番莲果汁的研究 总被引:3,自引:0,他引:3
根据西番莲原汁中的有机物组成及分子量,选择合适的纳滤膜对西番莲澄清果汁的浓缩过程进行研究.通过系统考察影响膜通量的因素,发现适当提高温度、压力可以提高膜通量.在不破坏西番莲果汁中的芳香成分及Vc等营养成分和不超过膜的压力操作范围的前提下,得到较适的操作温度和压力.选择在操作温度为28 ℃左右,压力为3 MPa时,分离效果最好,此时实际膜通量达17 L/(m2.h).经过纳滤浓缩,西番莲澄清汁可溶性固形物从13oBx提升到30oBx左右.本实验可以达到较好的膜通量和截留率,为在工业化浓缩西番莲澄清汁过程中,利用膜技术大大减少芳香成分及Vc等营养成分损失提供参考. 相似文献