基于主成分分析和判别分析的白酒品牌鉴别方法

白酒的香气物质决定了白酒产品的差异。为了实现不同白酒产品的区分鉴别,提出了基于气相色谱分析技术结合模式识别实现白酒区分的方法。采集了7种产品共70个白酒样本的气相色谱数据,定性定量分析了己酸乙酯、乳酸乙酯等10种基本香气物质的含量,并对测定的物质进行主成分分析,验证区分效果,最后利用线性判别法建立判别函数,对不同白酒进行区分。结果表明,2种分析方法均可用于区分不同白酒,主成分分析结果显示,前3个主成分累计贡献率为86.527%,能有效描述香气物质和产品之间的复杂关系;线性判别分析对所有样本均得到准确的判别,正确率为100%,对预测样本的正确判别率达93.9%,建立的判别函数能准确区分不同白酒。研究表明,利用气相色谱技术结合模式识别的方法可用于不同白酒的区分鉴别。

可视化阵列传感器技术鉴别不同香型白酒

决定白酒香型的物质种类繁多,成分复杂。采用可视化阵列传感器技术对中国白酒五大香型的代表酒样进行检测,在可视化区分的基础上采用分层聚类分析、主成分分析等统计分析方法,对检测结果进行分析。不同香型的白酒在聚类分析中可以正确归类,利用主成分分析得到的前3个主成分所代表的白酒7 5.8%的信息量就可以将不同香型白酒完全区分开,表明可视化阵列传感器可以很好地用于白酒香型的鉴别。作为一种简单、高效的检测方法,可视化阵列传感器技术可在白酒的检测和鉴别中发挥更大的作用。

荧光素对中国典型香型白酒的荧光鉴别

采用荧光光谱技术与模式识别分析法建立一种快速区分白酒香型的新技术。在495nm可见光激发下分别测定6种香型白酒、荧光素及这两种物质作用后200～800nm之间的荧光光谱,探讨了荧光素与白酒的作用机理。结合模式识别法对310～380nm和504～530nm两个波段对应的荧光强度值进行分层聚类分析(Hierarchical Cluster Analysis,HCA)和线性判别分析(Linear Discriminant Analysis,LDA),对荧光素区分不同香型白酒的效果进行验证。结果表明,HCA分析能完全区分6种香型白酒,LDA分析对所有样本均得到正确的判别,正确率为100%。因此,这种基于荧光素的荧光光谱法简单、有效,可用于不同香型白酒的快速区分。

可视化阵列传感器在不同酒龄白酒检测中的应用

利用可视化阵列传感器对泸州老窖四种不同酒龄的酒样进行检测,得到了不同酒龄酒样的指纹图谱。将得到的传感器光谱变化数据利用方差分析进行优化,删除了对识别结果贡献小的传感器阵列点和颜色分量。对优化前后的数据进行聚类分析表明,可视化阵列传感器经过数据优化可以实现对不同酒龄泸州老窖原酒的正确区分。

基于有限元结构分析的卡车箱体一种最优设计

针对卡车箱体建立优化数学模型,在ANSYS运行APDL优化命令流进行优化,经优化迭代后整体结构重量从基本保持不变,结构应力从728.2下降到296,取得了明显的优化效果。