以低聚茋类化合物提取率为评价指标,在单因素研究的基础上,利用响应面分析法优化油用牡丹籽饼粕中低聚茋类化合物的提取条件,并对提取物的抗菌、抗氧化及抑制肿瘤细胞活性进行测试。结果表明油用牡丹籽饼粕低聚茋类化合物最佳提取工艺...以低聚茋类化合物提取率为评价指标,在单因素研究的基础上,利用响应面分析法优化油用牡丹籽饼粕中低聚茋类化合物的提取条件,并对提取物的抗菌、抗氧化及抑制肿瘤细胞活性进行测试。结果表明油用牡丹籽饼粕低聚茋类化合物最佳提取工艺条件为:乙醇体积分数为70%,液料比为40∶1 m L/g,水浴温度70℃,超声时间40 min,在此条件下低聚茋类总提取率达到6.39%。活性测试显示油用牡丹中低聚茋类化合物具有较好的抗菌、抗氧化和抑制肿瘤细胞的活性。展开更多
文摘以低聚茋类化合物提取率为评价指标,在单因素研究的基础上,利用响应面分析法优化油用牡丹籽饼粕中低聚茋类化合物的提取条件,并对提取物的抗菌、抗氧化及抑制肿瘤细胞活性进行测试。结果表明油用牡丹籽饼粕低聚茋类化合物最佳提取工艺条件为:乙醇体积分数为70%,液料比为40∶1 m L/g,水浴温度70℃,超声时间40 min,在此条件下低聚茋类总提取率达到6.39%。活性测试显示油用牡丹中低聚茋类化合物具有较好的抗菌、抗氧化和抑制肿瘤细胞的活性。
文摘模块化多电平换流器(modular multilevel converter,MMC)具有效率高、谐波小、模块化设计、易级联等优点,在高压大容量电能变换领域得到了日益广泛的应用。作为一种先进的控制策略,模型预测控制(model predictive control,MPC)通过目标函数可同时控制多个系统变量,具有建模直观、动态响应快等优点。传统MMC模型预测控制通过计算所有开关状态组合以实现最优控制目标,但随着桥臂模块数量的增多,计算量将呈几何级数增长,严重制约MPC的工程推广应用。针对N+1电平MMC,提出一种优化的模型预测控制算法,在对子模块电压、交流电流、相间环流、器件开关频率有效控制的同时,将开关状态组合计算量从C N2N降至N+1。针对子模块数高达数百的MMC,进一步提出分组排序优化模型预测控制(grouping-sorting algorithm combined OMPC,GSOMPC)策略,在降低桥臂子模块电压整体排序对硬件资源苛刻需求的同时,将开关状态组合计算量从N+1降至2X+M+3(N=M×X)。基于2.7 k V/60 k W 23电平MMC背靠背动模实验平台的实验结果证明了所提优化模型预测控制(optimized model predictive control,OMPC)及GSOMPC策略的正确性与有效性。