本发明涉及一种富含维生素E植物调和油的生产方法,经本发明方法加工成的植物调和油维生素E含量高.技术方案:将原料油离心,过滤去掉杂质,其特征在于:将番茄清洗干净,切半去蒂放入组织捣碎机中捣碎,将捣碎的番茄糊与原料油中的葵花籽油,按照每毫升葵花籽油加入1克番茄糊的比例进行混合,混合后放置避光处,提取番茄红素,将含有番茄红素的葵花籽油与其它原料油混合后加入脂溶性茶多酚.由于本发明在葵花籽油中溶入了番茄红素,有效的减少了油脂中维生素E的损失,加工后的植物调和油中维生素E的含量可以达到40-50毫克/100克.

酶解林蛙油及软胶囊的制作方法,它涉及林蛙油的酶水解及软胶囊的制作工艺.本发明将打匀后的林蛙油和水按(1:35)～(1:45)的重量比例制成水混悬液,在水混悬液中加入木瓜蛋白酶,在加入木瓜蛋白酶的林蛙油酶水解液中再加入胃蛋白酶.将酶解,冷冻干燥后的经超微粉碎的林蛙油和加入了大豆磷脂的玉米油按1:1的重量比例,经胶体磨研匀,再经软胶囊机压制成胶囊即得.本发明采用酶解蛋白质的方法,提高了蛋白质的吸收率,保持和改进了林蛙油的营养价值和营养结构,改善了其溶解性.使林蛙油软胶囊的制备工艺更加合理,外观更加美观.酶解法与其它水解法相比较,属温和水解,只作用于蛋白质,使其水解成氨基酸或多肽,对林蛙油的其它成分没有影响.

本实用新型涉及一种带有智能家居系统的拼接式楼房。本实用新型由拼接式楼房组件以及智能家居控制系统组成，所述拼接式楼房组建由设置于房间框架内的基层以及设置于基层上的装饰层和隔板组成，所述智能家居系统由服务器终端、安防系统、环境调控系统、网络系统以及远程终端。本实用新型在建筑开发商提供的最基础的框架基础上，购房者可将内部结构灵活改变，由用户定制。实施上按照功能可以由其他专业供应商构造（整体厨房、浴室已经有专业分工，不需使用水泥来固定瓷砖，更换时简单无损耗，使得变换房屋构型变成了更加容易）。本实用新型将多种市场通用产品集成，适合于家居的智能化，可构建性价比较高的智能家居控制系统，远程控制方式灵活多样，用户可通过智能手机和PC机对家居随时进行监控。

脉冲气压抛撒技术在军事和民用领域都有广泛应用，如灭火剂喷射、爆炸抛撒等，具有重要的学术和应用价值。本项目以密实填充颗粒为研究对象，在激波管中进行加载实验，借助多种瞬态测量技术，研究密实填充颗粒在脉冲气压驱动下的初始运动机制。

通过车载终端以至少 1Hz 的频率采集发动机动态运行数据和静态数据，并通过远程监管终端上传至远程监管平台；远程监管平台将车辆上传的动态运行数据输入相应的诊断模块进行信号诊断，输入相应的排放因子计算模型计算出排放因子，并读取 OBD 故障信息对排放结果进行有效性评估，从而获得车辆的实际排放状态。

利用啤酒废酵母处理含镉工业废水的方法,是将啤酒厂的废酵母泥经碱处理后制得啤酒酵母生物吸附剂;向含镉工业废水中加入啤酒酵母生物吸附剂多级循环吸附,再加入稻壳细粉搅拌均匀后压滤,焚烧滤饼得含有镉金属的灰烬从而回收镉金属.本发明制备啤酒酵母生物吸附剂所选用的主要原料是啤酒厂的废酵母,作助滤剂的是广大农村的稻壳,来源广泛,加工成本低,综合利用,变废为宝;本发明的生物吸附剂,对镉离子吸附时间短,吸附能力强;用稻壳作助滤剂使稻壳中91～93%的有机物在焚烧时除去,有利于镉金属回收;本发明方法工艺及设备简单,容易实施,无环境污染,便于推广应用,推广应用后必将产生较大社会效益和经济效益.

一种巷道底鼓实时监测存储装置通过将拉绳式位移传感器的拉 绳终端固定于一定深度处的巷道底板钻孔内，拉绳出口端采用刚性宽 垫片垫高固定于巷道底板，传感器引出线通过导线连接到编译好相关 程序的单片机，再通过单片机连接到防爆或非防爆的电脑主机串口， 主机通过悬挂销钉悬挂于巷道一侧帮，当巷道底鼓时，其值就及时传 递到单片机，最后存储到电脑主机。本发明解决了现有巷道底鼓监测 多依靠机械刻度测量人工劳动强度大、测量误差大等困难问题，实现 巷 道 底 鼓 的 连 续 准 确 监 测 与 实 时 存 储

中小制造企业要想在激烈的市场竞争中立足,必须加强采购管理.本文以供应链管理理论为指导,分析了现阶段我国中小制造企业采购管理中存在的问题,并提出了供应链环境下中小制造企业采购管理的策略.同时以长春某汽车零配件企业为例,论证了策略的可行性.

成果描述：本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。 在极化敏感阵列的应用中，利用电场、磁场和坡印廷矢量之间的矢量关系，当空间放置有单个完备的电磁矢量传感器，利用该电磁矢量传感器就能够同时获得最多5个不相关信号的波达角度（DOA）和极化参数的估计，因此，在空间物理孔径受限的场合具有重要的意义。 然而，针对极化敏感阵列的信号处理，大多假设各个阵元由2至6个共点放置的相互正交的电偶极子或磁偶极子构成，因此，各极子在空间共点放置不可避免的会有严重的互耦效应，互耦效应会降低天线系统的性能。 阵元间的互耦现象是不可避免的，为了有效减少阵元各共点通道之间互耦的相互影响，现有技术提出了分布式极化敏感阵列，分布式极化敏感阵列是将极化敏感阵列各阵元共点分量在空间分散放置，其能够使阵元间的互耦效应大大降低，同时也可以感应入射电磁波的电场信息和极化信息。现有的针对分布式极化敏感阵列的参数估计方法大多针对完备的电磁矢量传感器，即在空间分散放置3个电偶极子和3个磁偶极子，然后再利用改进的矢量叉乘的方法来完成参数估计。然而，在实际中，由于空间电场和磁场是时变的，时变的电场产生磁场，时变的磁场产生电场，二者之间存在一定的冗余关系，因此考虑仅仅采用电偶极子或磁偶极子构成极化敏感阵列将可以获得更多的入射信号电磁信息。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。