一测多评法同时测定新敷愈散中6种成分含量

目的建立一测多评法同时测定新敷愈散中大黄素、盐酸小檗碱、盐酸黄柏碱、苍术素、芦丁和绿原酸的含量。方法运用HPLC法,以Diamonsil C_(18)(250 mm×4.6 mm,5μm)为色谱柱,以乙腈-0.1%磷酸溶液为流动相进行梯度洗脱,柱温30℃,检测波长230 nm,流速1.0 mL·min^(-1),进样量10μL;以盐酸小檗碱为内标物,建立盐酸小檗碱与其他5种成分的相对校正因子,并计算各成分含量。结果大黄素、盐酸小檗碱、盐酸黄柏碱、苍术素、芦丁和绿原酸分别在6.72~33.60、10.80~54.00、4.97~24.87、8.76~43.80、4.40~22.00、10.49~52.48μg·mL^(-1)内与峰面积线性关系良好;平均加样回收率为98.00%~104.79%,RSD值均小于3.0%;大黄素、盐酸黄柏碱、苍术素、芦丁和绿原酸相对校正因子分别为1.158、6.172、1.633、3.746、3.134;一测多评法计算值与外标法实测值间差异无统计学意义(P>0.05)。结论建立的一测多评法科学合理、稳定可行,可用于测定新敷愈散中6种成分含量,也为深入开展该制剂质量标准研究提供科学依据。

基于电压检测与混杂模型的Buck电路参数辨识

传统的基于混杂系统模型的功率变换器参数辨识方法需检测电感电流,且无法辨识得到电路中所有关键元器件参数值。针对这些问题,提出一种仅检测电压的电力电子电路参数辨识方法。以非理想Buck变换器为例,采集输入电压、MOSFET源极节点电压及输出电压,以电压信号为状态变量建立混杂系统模型,将参数辨识问题转化为寻优求解问题,利用改进万有引力搜索算法(GSA)有效辨识元器件参数值。仿真实验分析了新方法的辨识性能,最后物理实验结果表明该方法能够对Buck变换器所有关键元器件参数进行有效辨识,验证了所提方法的可行性与有效性。

基于ACGAN的功率变换器参数性故障诊断方法

提出了一种基于辅助分类生成对抗网络的功率变换器参数性故障智能诊断方法。首先采集功率变换器的测点电压与支路电流信号,提取信号的时域特征,构成故障特征向量。采用对抗学习机制训练生成器和判别器,由ACGAN中生成器构造与真实故障特征分布近似的伪数据,从而将伪数据与真实数据同时用于训练判别器,判别器通过判别真伪数据来训练生成器。以Buck变换器为例,验证了所提出的故障诊断方法的可行性,结果表明ACGAN故障诊断方法相对于传统神经网络具有更高的故障诊断率与更优的泛化性能。