不同干燥方式的桂热2号红茶香气成分分析及判别

目的:对不同干燥方式的桂热2号红茶主要香气成分进行辨识鉴定,实现对红茶干燥方式的判别。方法:制作桂热2号冷冻干燥(D组)、热风干燥(H组)、日晒干燥(S组)、冻干+热风干燥(DH组)红茶样品,采用固相微萃取-气质联用(SPME-GC-MS)技术鉴定香气成分,结合主成分分析(PCA)和感官审评评价香气特征;结合正交偏最小二乘判别分析(OPLS-DA)进行组间差异化分析;结合聚类分析(HCA)进行红茶的干燥方式鉴别。结果:共鉴定出36种香气成分,其中12种成分构成了桂热2号红茶花果甜香的基底;PCA模型得到三个主成分的累积解释率R2X=82.2%,咖啡因、橙花醇、芳樟醇等9种成分对成分组的影响较大;OPLS-DA分析对于DH组与H组间模型拟合度较差,其他组间均具有良好的拟合度,D组与DH组差异成分为咖啡因、芳樟醇等,D组与H组为咖啡因、橙花醇等,D组与S组为咖啡因、橙花醇等,DH组与S组间为芳樟醇、橙花醇等,H组与S组间为苯甲醇等;HCA聚类分析结果为除DH组与H组间判别精度不高,其他组间都能实现判别。结论:GC-MS结合PCA、OPLS-DA、HCA分析能基本实现对多种干燥方式红茶的鉴定、区分和判别,综合评价冻干+热风干燥效果最佳。     

基于时间卷积网络的模拟电路故障诊断方法

对模拟电路故障诊断中的故障特征提取进行了研究,引入了卷积神经网络模型,提出了一种基于时间卷积神经网络的模拟电路故障诊断方法,在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验,实验结果证实了深度时间卷积网络在故障特征提取中的有效性。同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力,结果表明,时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征,取得更好的诊断准确率。