我国淡水鱼资源丰富。鱼蛋白酶解液是一种高蛋白、低脂肪的蛋白水解制品， 但是不易贮存和加工，将酶解之后酶解液进行喷雾干燥得到水解蛋白粉，不仅利于贮存和运输，而且为酶解液的后续利用提供了便利，既可以作为一种安全的食品配料，也可以直接冲调饮用。氨基酸分析也显示鱼水解蛋白粉的氨基酸组成与人体肌肉成分极为接近，易于被人体摄入吸收且利用率很高，是良好的蛋白质强 化剂。 蛋白粉的溶解度对蛋白粉的应用范围影响很大，而国内关于低分子量高溶解度蛋白粉的制备尚处于空白状态。 本发明制得的鱼水解蛋白粉的分子量低；溶解度达到 95%以上；利用淡水鱼生产，来源丰富；本发明为淡水鱼的高值化利用提供了一条新的途径；利用生物酶解技术，效率高，无污染；产品安全有效、无毒副作用；低分子量的鱼水解蛋白粉比鱼蛋白更易消化吸收，可以作为食品原料或辅料应用于婴幼儿营养配方食品、方便食品、速溶饮品和调味品等，市场前景广阔。

本发明公开了一种基于二分法的机床加工稳定性边界快速求解 方法，包括如下步骤:预设参数平面、判稳函数和迭代次数，对参数平面进行初步划分;利用二维二分法将每个网格再次划分为更小的子 网格;在每个子网格的顶点利用数值积分法求解判稳函数的函数值， 判断子网格是否为包含网格;将非包含网格再次划分并判断，若仍为 非包含网格，则结束，否则，获得新包含网格;利用二维二分法将获 得的所有包含网格划分为更小的子网格;重复进行判断及划分，逐步 逼近 f(x)曲线，直至达到预设迭代次数;=

近日，华东师大精密光谱科学与技术国家重点实验室袁翔课题组在三维拓扑绝缘体HfTe5中观测到一维外尔费米子。

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

甲基环戊二烯三羰基（简称MMT）为一种无铅汽油抗爆剂，具有改善汽油辛烷值、提高燃料燃烧效率、减少汽车尾气排放等优点。该项目采用改进高温高压两步法制备MMT。采用该生产工艺使甲基环戊二烯与有机锰的转化率均超过89％，成本的下降有利于MMT工业化的实施。其工艺和产品质量达到国内领先国际先进水平。 2006年，MMT汽油抗爆剂项目得到国家发展和改革委员会高技术产业发展项目的支持，资助经费达800万元，江西省科技厅重大专项资助100元，该项目已经累计得到各类项目资金资助达1500余万元。目前，我校昌北精细化工基地已具有较大规模，成为我省高校产学研有机结合的典型示范基地。

本项目采用拥有我国自主知识产权的燃烧合成技术生产技术生产各种先进陶瓷，金属间化合物和复合材料的粉末。提供的主要产品有：a-Si3N4，b-Si3N4，a-Sialon，b-Sialon，AlN，TiN，ZrN，TiC，TiCN，TiB2，SiC，Cr3C2，MoSi2，FeAl，Fe-TiN，Fe-TiC，Fe-TiB2，Cu-TiB2，TiB2-Al2O3，AlN-ZrN-Al3Zr，Si3N4-SiC-TiCN，Si3N4-Si2N2O-TiCN，TiN-TiB2以及纳米电子陶瓷BaTiO3粉末，纳米ZrO2及ZrO2基陶瓷，纳米TiO2粉末。采用这种先进工艺合成反应完全，性能稳定，质量优良，欢迎各界用户洽谈业务。 用于各工业领域耐磨、耐腐蚀、耐高温等严酷服役条件下工作的结构部件。

本发明公开了一种颜料级氧化铁红的绿色合成方法。以三价铁盐或亚铁盐为原料，分别调节pH为7和9，分别制得不定形水合氧化铁晶种和δ-FeOOH晶种，将两种晶种分别加入反应釜中，使晶种浓度分别为0.125 mol/L和0.07 mol/L，分别控温90～95℃和90～100℃，加入Fe2+离子催化剂(氯化亚铁或硫酸亚铁溶液)，反应0.5h，加入30g过量废铁皮，通入空气，反应过程中补加亚铁盐溶液，维持反应体系亚铁离子的浓度为0.16～0.20 mol/L，反应48～72h，产物经过滤、水洗、烘干，得到具有良好颜料性能的颜料级氧化铁红粉体。本发明无环境污染、原料成本低廉、工艺条件易控，为颜料级氧化铁红的工业生产提供了一条有效、可行、环保的新方法。

成果描述：生物柴油是一种极具应用前景的生物质洁净能源，世界各国都极其重视其发展，并在政策和税收等方面给予了极大的扶持。由于需以精制后的动植物油为原料，其生产成本过高而导致生物柴油的推广应用受阻。若以煎炸费油、地沟油等为原料制备生物柴油，则可以大大降低生产成本。但由于煎炸废油、地沟油等原料的酸值很高，必须经过硫酸催化预酯化降低酸值后，才能采用传统的碱催化酯交换方法制备生物柴油。这个工艺同时存在着硫酸对反应器的腐蚀、大量含酸废水排放污染水环境、催化剂与产物分离困难、催化剂不可重复使用等弊端。采用非均相固体酸催化剂则可以克服这些问题，并且是一种绿色环保的工艺。 采用酸改性的固体酸催化剂，对高酸值棕榈油酯化反应制备生物柴油表现出很好的催化活性。固体酸在醇油比9:1、催化剂用量7 wt%、65 oC条件下，催化棕榈油的甲酯化反应时间2 h，产物的甲酯含量和甲酯收率分别可达96.3%和93.2%。制备了有添加剂的SZMN型固体酸，对脂肪酸的酯化反应表现出高活性和高稳定性。在65 °C、醇酸比9/1、催化剂用量10 wt.%、反应时间4h，油酸转化率可达98.5%。最优反应条件下，SZMN固体酸在重复使用6次后认可保持约96%的油酸转化率。市场前景分析：该项技术可应用于生物柴油生产企业，尤其适用于从低成本高酸值油脂原料（如煎炸废油、地沟油、棕榈油等）生产生物柴油。使用该项技术，可以降低用于处理含酸、碱废水的成本，使生产过程更容易达到环评要求。与同类成果相比的优势分析：催化剂活性评价： 65 °C、醇酸比9:1、催化剂用量7~10 wt.%、反应时间2~4h，脂肪酸转化率 > 90 %。 催化剂稳定性评价： 65 °C、醇酸比9:1、催化剂用量7~10 wt.%、反应时间2~4h，重复使用6次，仍可保持 > 90 %的脂肪酸转化率。 生物柴油产品评价： 产品酸值 < 1 mgKOH/g。