一种面向实验室安全监测WSN的自适应分段聚类多跳路由协议研究

本文研究了一种面向实验室安全监测WSN的自适应分段聚类多跳路由协议,该协议由两个层次组成:异常数据预处理和WSN网络参数优化.异常数据预处理包括瞬时性异常数据分析、故障性数据预处理和数据有效性判断.然后本研究通过优化自适应参数(如跳跃次数、跳跃距离等),寻求发现一种降低系统能耗的最优方案,并且可以平衡系统其他指标来降低能量消耗从而延长网络系统的生命周期.根据实验室安全监测的结构特点,研究体系基于多个实验室房间的空间结构,设立多个隔离子单元的结构(如防火区、隔离门等).相应的,基于子单元结构设计而本研究引入等间隔多跳的传输方案.该设计便于有效地将灾害隐患隔离在防护区内,提高实验室整体安全系数.     

基于混合模式的科研信息系统设计与研究

计算机技术的迅猛发展,先进信息化管理理念在管理科研领域中发挥愈来愈大的作用。高等院校的科研管理部门,统筹安排全校科研项目的组织与申报、下达计划、鉴定成果、奖项申报、论文统计、科技资料统计以及社会服务、推广合作等方面的工作,涉及面很广,事务性工作很多。当前的科研管理工作也只有利用科研信息化建设,才能更好的适应海量信息和繁杂的日常工作,才能对科研管理中的各种要素进行合理配置、优化,以保证管理工作的及时性、高效性。目前各高校也都在不断提高信息化管理水平,如何更好的开发和使用高性能的科研管理信息系统势在必行。     

乳品有害微生物检测与控制研究进展

乳品中由有害微生物引起的食品安全事件受到广泛关注,其成为当前大健康背景下的研究热点。鉴于此,本文结合近年来国内外相关研究,从乳品安全的角度出发,综述了目前乳品中有害微生物检测技术和安全控制技术的研究进展,并进行了分析讨论。其中检测技术着重介绍了PCR技术、ELISA与磁珠分离技术、LAMP技术等,安全控制手段主要涉及超高压处理技术、超高压均质化技术、脉冲电场技术、微滤技术和栅栏技术等,旨在为乳品安全生产提供理论依据和技术支撑,具有重要的现实意义。     

用于实验室安全无线感知网络的低功耗自适应混合集群分层型协议研究

本文探索了一种用于实验室安全无线感知网络(WSN)的低功耗自适应混合集群分层型协议(LEACH-HC),LEACH-HC协议采用混合式集群的策略,通过选举生成簇头节点并与特定节点构成固定簇头共同存在.一般来说,3级节点的能量要高于其他节点,因此存在相对充裕的能量,因此本研究定义3级节点额外承担网络传输任务.通过优化自适...     

基于电子鼻和非线性数据特征分析的鸡肉鲜度检测方法

探讨了一种基于电子鼻和非线性数据特征分析的鸡肉鲜度检测方法。以鸡胸肉作为样品,样品在4℃温度下连续存放6天,每天检验样品的挥发性盐基氮(TVB-N)指标,并且实验检测鸡肉样品的电子鼻响应数据。实验结果表明储存了3 d的鸡肉样品TVB-N指标超出了国家标准限定值而无法食用。采用主成分分析(PCA)方法和非线性随机共振方法分析电子鼻检测数据,结果表明主成分分析方法仅能定性的区分不同储存时间的鸡肉样品,随机共振系统输出相关系数曲线可以较好的区分不同鸡肉样品,并且依托互相关系数特征峰值构建了鸡肉鲜度分析模型。该方法具有检测快速、准确性好、成本低等优势。     

乳品中致敏蛋白的检测与控制研究进展

乳品中的致敏蛋白已成为当今大健康背景下的研究热点。鉴于此,结合近年来国内外相关研究,该文综述目前乳品致敏蛋白的分析检测和安全控制研究进展,并进行分析讨论。其中检测方法主要包括酶联免疫吸附、毛细管电泳、聚合酶链式反应和色谱-质谱联用等;控制方法主要涉及热处理、糖基化、酶法水解、乳酸发酵等。最后根据现状的剖析,预测本领域的发展趋势,旨在为低致敏性乳品的开发提供一定的借鉴和参考,具有重要的现实意义。     

基于气体传感器和随机森林的毒害气体浓度检测方法研究

研究了一种基于气体传感器和随机森林分析模型的毒害气体浓度检测方法,在温度25℃、相对湿度80%、标准大气压的条件下,实验模拟检测氨气、甲苯、硫化氢三种毒害气体泄漏并记录检测数据,采用非线性随机共振模型解析检测数据特征值,采用随机森林模型对检测特征值进行气体类型预测。研究结果表明,所提出的方法具有较好的预报精度。本文所提出的方法可以有效的解析检测传感器的信号特征向量,依托随机森林模型对于毒害气体泄漏浓度的判断更加精准,将在实验室危化品泄漏监测领域具有广阔的前景。     

无线网络在校园网中的应用

介绍了无线局域网及其相关的IEEE802系列协议,并就无线局域网在校园网中的应用提出了一些建议.     

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

本文研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析（Loadings）、归一化处理进行数据的预处理。实验采用模糊c均值聚类（FCM）、k近邻函数（KNN）和概率神经网络（PNN）三种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明三种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。     

基于传感器阵列和卷积神经网络的毒害气体泄漏预测方法研究

本文研究了一种基于传感器阵列和卷积神经网络的毒害气体泄漏预测方法,在实验室中布设监测传感器阵列,实验模拟检测氯气、硫化氢和挥发性有机物（VOCs）三类毒害气体泄漏,获取实验室安全监测的扁平化信号。将扁平化信号输入非线性特征计算模型（NFC）得到对应的模型输出信号参数（NFCOP）特征值,根据实时传感器的特征值与阈值下边界之间进行比较,构建传感器响应特征值向量,建立训练集和预测集,并采用卷积神经网络CNN对实验室安全情况进行预测,结果表明基于NFCOP特征分析和卷积神经网络方法,优于BP、PLS等预测方法,预测准确率最高可达93%。结果表明所探索的方法能够实现毒害气体预测的目标。