蓝莓果渣多酚-纳米硒的制备、表征及抑菌活性

采用超声辅助双水相法提取蓝莓果渣多酚,经大孔树脂X-5纯化后用于制备蓝莓果渣多酚-纳米硒(total polyphenol-selenium nanoparticles,TP-SeNPs)。通过能量色散X射线光谱、傅里叶变换红外光谱、透射电子显微镜和X射线衍射光谱表征TP-SeNPs结构,并测定其抑菌活性。结果显示:硒盐经还原变为单质形态硒,TP的O—H基团和纳米硒原子之间有着类似氢键的相互作用,TP-SeNPs稳定性良好、呈近似球状分散分布的无定形固体、TP-SeNPs对革兰氏阳性菌的抑制效果优于革兰氏阴性菌,其中对李斯特菌的最低抑菌浓度为0.06 mg/mL。TP-SeNPs可有效抑制李斯特菌生物被膜的形成,破坏李斯特菌细胞壁与细胞膜的通透性与完整性,造成细胞内容物泄漏,导致李斯特菌死亡。本研究可为蓝莓果渣与纳米硒的应用提供新思路,为纳米硒抑菌剂的开发提供理论依据。

基于DQN的智能工厂作业车间调度

针对智能工厂中基于数据的作业车间调度问题,提出结合新的复合调度规则和深度强化学习的调度方法。对车间数据进行预处理并得到对应的系统状态,以连续系统状态值为深度强化学习算法的输入,设计4种新的复合调度规则以应对更为复杂和冲突的车间环境,将复合调度规则和其他8种著名调度规则作为候选调度规则,依据贪婪选择策略选择调度规则并存储和更新状态动作值,最终为每次决策选取出最优调度规则。实验验证了结合复合调度规则和深度Q学习网络(Deep Q-Network,DQN)算法,在均衡权重下相比其他著名调度规则以及标准Q学习算法更具优势。