用超声波改善蚕蛹蛋白性能的工艺条件优化及产品性能测试

利用超声波技术改善蚕蛹蛋白的实用性能,提升其应用价值。在单因素试验研究蚕蛹蛋白浓度、超声波功率、处理温度和处理时间4个因素对蚕蛹蛋白溶解度影响的基础上,采用响应面分析法对超声波改善蚕蛹蛋白性能的工艺条件进行优化试验。对依据试验数据建立的响应面回归模型进行方差分析,结果显示其有较好的精确度和可靠性,该回归模型的拟合度较好。各因素对蚕蛹蛋白溶解度影响的显著程度依次为蚕蛹蛋白浓度、超声波功率、处理温度、处理时间。优化的工艺条件为:超声波功率530.4 W,蚕蛹蛋白质量分数10.84%,处理温度37.3℃,处理时间96.4 min。在此工艺条件下经超声波处理的蚕蛹蛋白的溶解度、乳化性、起泡性分别是处理前的4.02倍、1.87倍和1.41倍,必需氨基酸含量增加了17.22%。经超声波改性后的蚕蛹蛋白有利于开发高附加值产品及扩宽应用范围。

不同干燥方式对桑椹果粉物理特性的影响

分别采用热风干燥、微波干燥、远红外干燥和真空冷冻干燥方式将新鲜桑椹干燥粉碎制成果粉,检测分析不同干燥方法制备桑椹果粉的物理特性,为大规模生产合理选择干燥方式提供技术依据。测试结果表明,真空冷冻干燥的桑椹果粉容重(0.287 5 g/mL)较低,润湿下沉时间(92.67 s)和分散时间(62.67 s)最短,水合能力和吸油能力也显著优于其它干燥工艺;扫描电子显微镜观察真空冷冻干燥的桑椹果粉,其颗粒度虽不均匀,但颗粒间空隙较大,有利于持水,具有较好的冲调性能。综上认为,真空冷冻干燥制备的桑椹果粉综合物理性能优,有利于保持桑椹的食用风味与营养保健性能。

磨球超微粉碎改性蚕蛹蛋白的工艺优化及功能特性

经磨球超微粉碎处理后的蚕蛹蛋白,其功能特性和结构会发生的一系列变化,在完成料液比、处理时间、p H对蚕蛹蛋白溶解度影响的单因素试验基础上,以蛋白质溶解度为评价指标,通过响应面分析法对磨球超微粉碎改性蚕蛹蛋白的工艺条件进行了优化,得到的最优工艺条件为料液比8.3 g·L-1、p H8.1、处理时间61 s.在此条件下,经处理后蚕蛹蛋白的溶解性、乳化性、乳化稳定性、起泡性和起泡稳定性分别提高了259.6%,50.0%,141.7%,61.0%和33.8%,而其持水性和吸油性却分别降低了25.3%和27.2%.

桑椹果醋风味物质的GC/MS分析

采用顶空固相微萃取法来提取桑椹果醋中的风味物质,利用气相色谱质谱法对风味物质进行检测,然后结合谱库检索技术对其化合物进行鉴定,最后应用峰面积归一化法测定各成分的相对含量。试验共分离鉴定出53种风味物质,分别为酯类(21种)、醇类(13种)、酸类(9种)、酮类(1种)、醛类(2种)、酚类(1种)、杂环类(3种)、烃类(3种)。相对含量中最高的是醇类,为61.62%;其次为酯类,相对含量为19.92%;酸类物质含量为11.32%。

从桑枝皮提取血管紧张素转换酶活性抑制物质的工艺条件优化

采用超声波协同酶解法,以桑枝皮为原料提取血管紧张素转换酶(ACE)活性抑制物质,为桑枝皮资源的高附加值开发利用寻求新的技术途径。以桑枝皮提取物对ACE活性的抑制率为考核指标,利用Plackett-Burman试验设计、最陡爬坡试验、Box-Behnken试验设计和响应面法对提取工艺条件进行优化。结果表明,提取工艺各因素对桑枝皮提取物的ACE活性抑制率影响程度依次为料液质量浓度、纤维素酶用量、超声波功率和提取时间。优化的提取工艺条件为:料液质量浓度64.6g/L,纤维素酶用量3 454.3 U/g,超声波功率87 W,提取时间68 min。在此工艺条件下获得的桑枝皮提取物对ACE活性的抑制率可达到86%,其半数抑制浓度(IC50)为2.19 g/L。优化的提取工艺具有对设备的性能要求不高,操作简便等特点。

超声波预处理蚕蛹蛋白的酶解动力学研究

为了预测和控制用超声波辅助酶解蚕蛹蛋白过程中的蛋白质酶解程度,应用数学推导方法并结合酶解试验对超声波处理前后蚕蛹蛋白的酶解动力学进行研究。首先分析了初始底物浓度和蛋白酶浓度对蚕蛹蛋白水解度的影响,表明超声波预处理和未处理的蚕蛹蛋白水解度均随着水解蛋白酶Alcalase初始浓度的增加而增大,随着初始底物浓度的增加而减小。基于蚕蛹蛋白水解度与酶解时间的关系构建的酶解动力学模型显示:超声波预处理改变了蚕蛹蛋白的酶解动力学参数,提高了蚕蛹蛋白酶解反应的最大临界初始底物浓度。验证试验表明建立的酶解动力学模型与实际酶解过程基本吻合,确证经超声波预处理后蚕蛹蛋白更易被Alcalase酶酶解。

碱性蛋白酶改性蚕蛹蛋白的工艺条件优化及改性蛋白的功能特性研究

为提高蚕蛹蛋白的利用附加值,通过筛选的碱性蛋白酶(Alcalase)对蚕蛹蛋白进行改性.以蚕蛹蛋白水解度为评价指标,经单因素实验和响应面分析法对酶解改性蚕蛹蛋白的工艺条件进行优化,得到最佳工艺条件:蚕蛹蛋白质浓度4.5%,酶用量6 270.1 U/g,酶解时间185.3 min,各因素对水解度的影响程度依次为酶用量、蛋白质浓度和酶解时间.在最优条件下制备出的蚕蛹蛋白的水解度和乳化性分别是处理前的4.69倍和2.76倍,总氨基酸和必需氨基酸含量分别是处理前的1.44倍和1.56倍.研究结果为开发高附加值的蚕蛹蛋白产品提供了理论依据.

超声波辅助纤维素酶法提取桑枝皮ACE抑制剂及其分子量分布研究

为探讨桑枝皮的高效利用价值,采用超声波辅助纤维素酶法从桑枝皮中提取了血管紧张素转化酶抑制剂,优化了201×7阴离子树脂分离桑枝皮ACE抑制剂的条件,运用液相色谱-质谱联用技术分析了其分子量分布.结果表明,超声波处理可提高纤维素酶的活性,超声波辅助纤维素酶处理可有效促进ACE抑制剂的释放;201×7阴离子交换树脂最佳分离条件为:上样量20 mL,上样速度1.0 mL/min,洗脱液为2.0 mol/L的NaCl溶液.桑枝皮ACE抑制剂的最大吸收峰为225nm,其分子量在107~888 Da之间,其中216 Da组分的含量最高.

家蚕肠道纤维素酶菌株的筛选及产酶条件的优化研究

从5龄家蚕肠道分离筛选得到一株产纤维素酶菌株BMC-2,以羧甲基纤维素酶(CMCase)比活力为响应值,通过Plackett-Burman试验设计、最陡爬坡试验和Box-Behnken试验设计对菌株BMC-2产纤维素酶发酵条件进行优化,结果表明,发酵时间、发酵温度、培养基初始pH和转速对CMCase比活力具有显著影响,其影响程度由大到小依次为发酵时间、培养基初始pH、发酵温度、转速。确定菌株BMC-2产纤维素酶最优发酵条件为:发酵时间94.35h,发酵温度30.3℃,培养基初始pH7.01,转速179r/min。在此条件下,CMCase比活力理论值为25.801U/mg,验证值为25.526U/mg,较产酶条件优化前提高了1倍,预测模型可靠性高,可应用于菌株BMC-2产纤维素酶条件的优化。

颈椎前脱位引起9例上肢瘫痪的临床报告

颈椎前脱位引起９例上肢瘫痪的临床报告中国华录松下录像机有限公司卫生所（１１６０２３）任子旭吉林油田大连疗养院任宪田【关键词】颈椎前脱位瘫痪临床报告颈椎前脱位引起上肢瘫痪病例不多，我们自１９８０年以来用任宪田氏颈椎前脱位复位新法（以下简称任氏复位法）共...

基于GRA-LSTM-Stacking模型的海上双馈风力发电机早期故障预警与诊断

为防止海上双馈风力发电机(doubly-fedinduction generator,DFIG)故障迅速恶化而导致的重大经济损失,迫切需要尽早给出故障预警信号。针对现有海上SCADA系统面临的预警时间不足以及故障样本获取困难的问题,该文提出一种基于GRA-LSTM-Stacking模型的海上DFIG早期故障预警与诊断方法。首先,对SCADA系统采集的数据进行灰色关联分析(grey relation analysis,GRA),筛选出与DFIG运行温度高度相关的状态变量;然后,通过长短期记忆网络(long short-term memory,LSTM)预测正常工况下DFIG的运行温度,计算实际值与预测值的残差绝对值,并使用概率分布拟合的方法设置告警阈值,据此对风机早期故障进行预警,并提取故障样本;最后,通过Stacking融合算法框架对提取的DFIG故障样本进行精确故障诊断。以某海上风电场3MW双馈式风机SCADA数据为例进行分析,结果表明:该文所提的GRA-LSTM-Stacking诊断模型既能提前29~72h识别海上DFIG早期故障,并能精确诊断出故障类型,还能有效提高海上DFIG的故障诊断精度,为深远海风电开发提供技术储备。

基于改进LSTM-TCN模型的海上风电超短期功率预测

风功率精确预测是实现大规模海上风电友好并网的重要手段。大型海上风电场机组台数众多,状态各异。机组状态、尾流影响和时空特性对风功率预测的影响不可忽略。该文基于长短期神经网络(long short-term memory,LSTM)–时间卷积神经网络(temporal convolutional network,TCN),提出了一种考虑机组状态、风机尾流和场群空间分布特性的海上风电超短期功率预测方法。首先分析了机组状态和尾流数据对于功率预测的影响,然后基于LSTM建立了风电机组运行数据深度学习预测模型,实现机组健康状态到运行数据的映射,并通过数据的实时滚动对机组健康状态进行持续修正;在此基础上,加入注意力强化和随机空间特性弱化模块的改进LSTM-TCN模型。通过实际运行数据算例分析,相比TCN算法、LSTM算法,该文方法可提升风功率预测的精度,尤其对于海上常见的风速骤变工况适应性较强,对TCN算法过于强化空间特性的问题进行改进。以该模型的精确预测为基础,可进一步用于大规模海上风电场内机组的协调优化控制,提升海上风电出力可靠性。

基于双侧磁链观测差的海上双馈风力发电机转子绕组匝间短路早期故障辨识

海上双馈风力发电机(doubly fed induction generator,DFIG)维护困难,对故障辨识精准度要求较陆上更高。转差功率使得DFIG在接近同步速运行工况时,转子绕组匝间故障特征十分薄弱,辨识困难。提出以双侧磁链观测差为特征量的海上DFIG转子绕组匝间短路早期故障的辨识方法。根据DFIG转子绕组匝间短路故障机理,推导得到匝间短路时双侧磁链观测差的表达式。通过仿真验证了该特征量对于转差变化和转速测量误差的鲁棒性。仿真和实验分析结果表明,双侧磁链观测差对于双馈电机转子绕组的早期故障辨识具有高灵敏性和高可靠性,为海上双馈风机转子匝间短路的精确辨识提供技术支撑。

考虑运行环境影响的海上双馈风电机组状态判别

运行环境对海上风电机组状态的影响不可忽视,而运行环境因素与风电机组状态变量间耦合关系复杂,文中提出一种基于贝叶斯决策理论和Copula函数的海上风电机组状态判别方法。首先,挖掘运行环境与风电机组状态变量间的相关性特征,分别在风电机组正常和故障两种情况下,利用多元Copula函数构建对应变量的联合密度函数;然后,依托贝叶斯决策理论进行风电机组状态判别;最后,以中国某海上风电场实际运行工况为例进行分析。结果表明:运行环境对风电机组状态判别影响较大,考虑运行环境影响可提高风电机组判别结果的准确率,为利用海上环境因素进行风电机组早期状态预测提供新的参考依据。