无溶剂体系Lipozyme RM IM催化棕榈酸和山茶油酸解反应的研究

研究了无溶剂体系固定化1,3-特异性脂肪酶Lipozyme RM IM催化棕榈酸和山茶油酸解反应中,棕榈酸在产物甘油三酯中Sn-2位的相对含量分布以及酰基转移规律。考察了酶用量、底物摩尔比、酶水分活度、反应温度和反应时间对酸解反应的影响。结果表明：酶水分活度、反应温度和反应时间对棕榈酸在产物甘油三酯中的含量影响不大,对酰基转移影响较大;在酶水分活度0.550,反应温度60℃,反应时间1 h的反应条件下,酰基转移的程度最小;底物摩尔比和酶用量对酰基转移的程度影响不大。     

凹凸棒石脱色过程对油脂体系化学反应影响的研究

研究了凹凸棒石脱色过程对碱炼大豆油体系甘油三酯分解、聚合、过氧化反应的影响,发现油脂脱色体系中同时存在着游离脂肪酸的吸附、生成、反应的平衡关系,凹凸棒石在吸附过程中对氢过氧化物的吸附作用大于催化作用,同时发现凹凸棒石表面酸性点的存在对甘三酯的分解、极性化合物的生成具有明显的催化作用。     

基料油相容性及乳化剂对人造奶油结晶行为的影响

利用低场脉冲核磁共振仪和偏振光显微镜、粉末X-射线衍射等分析手段分别对棕榈油基混合体系的相容性以及乳化剂种类对以此为基料油制备的人造奶油结晶行为的影响进行了研究。结果表明:经混料回归设计的1号(POs∶PMF∶PKO,0.8∶0.1∶0.1)、4号(POs∶PMF∶PKO,0.45∶0.45∶0.1)配方相容性最好,6号(POs∶PMF∶PKO,0.1∶0.45∶0.45)配方出现严重共晶现象,且在20℃左右共晶最为严重;向1号配方添加丙二醇酯及向4号配方添加聚甘油酯所得产品b和c均为β’晶型;产品c的晶体形态最易受温度波动的影响。     

基于EMD与AR谱的轧机主传动系统故障诊断研究

针对轧机故障信号的非线性、非平稳特征,研究了一种基于经验模态分解和AR模型功率谱相结合的分析方法。该方法首先对轧机主传动系统的故障信号进行EMD分解,然后通过选取含有故障信息的IMF分量进行AR模型的功率谱分析,从而提取出故障频率,判断引起故障的原因。通过仿真信号和实例验证了该方法的有效性。     

基于改进奇异值分解和经验模式分解的滚动轴承早期微弱故障特征提取

针对滚动轴承早期微弱故障特征难以提取的问题,提出了改进奇异值分解(SVD)和经验模式分解(EMD)的滚动轴承早期微弱故障特征提取方法。首先用多分辨奇异值分解将信号分成具有不同分辨率的近似和细节信号,然后对近似信号用奇异值差分谱进行消噪,对消噪后的信号进行经验模态分解,将得到的各本征模函数分量进行希尔伯特包络解调,从而获得滚动轴承故障特征信息,最后通过对滚动轴承早期内圈故障的诊断实验证明了该方法的有效性     

甘油三酯组成对花生油产生凝固现象影响

为探究花生油自然放置在温度变化范围较大的环境中底部出现沉降物,加热后沉降物消失的原因,对底部沉降物的热特性、甘油三酯组成进行分析,初步得出沉降物可能会导致花生油凝固,继续对花生油进行分提,并对固脂进行甘油三酯组成分析和晶型分析,研究发现分提后液脂不易凝固,说明花生油发生凝固的主要原因是受其甘油三酯组成影响;花生油放置温度低于7℃,以SU_2、S_2U型甘油三酯为主导,形成β、β'晶体裹挟周围液态油至凝固,因此在储存过程中由于温度波动,花生油一些高熔点的甘油三酯(以S_3、S_2U为主)析出沉降导致了沉淀物的产生。     

基于子空间分解的脑电信号眼电伪迹自动去除方法研究

针对脑电信号中的眼电伪迹去除问题,提出了一种基于几何子空间分解的眼电伪迹去除方法。最大噪声分量分析帮助构建几何子空间并将多维脑电信号分解成一系列分量,利用眼电分量间的高相关度,使用Spearman秩相关准则确定相关程度从细节中实现眼电伪迹分量的抽取;将处理后各个分量投影回信号空间并进行重构,于是在无需记录眼电的情况下得到去除眼电伪迹后的脑电信号。为了验证该方法的有效性,分别对自行叠加眼电伪迹的脑电信号及实际测量的脑电信号进行了研究,结合脑地形图能量分布可视化的优势,结果表明该方法能够对脑电信号进行有效降噪。     

牛油基起酥油起砂原因分析(Ⅰ)——组成、晶型

对比分析了牛油基起酥油砂粒部分和无砂部分的脂肪酸、甘三酯组成、晶型.结果表明:砂粒部分较无砂部分饱和脂肪酸略有升高、反式酸略有降低;高熔点对称型甘三酯(POP、POS、SOS)含量明显升高、低熔点甘三酯(PLO、POO、SOO/SSL)含量明显减少;晶型向β型转化.     

基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断

提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。     

基于信号稀疏表示和瞬态冲击信号多特征提取的滚动轴承故障诊断

在滚动轴承故障信号特征分析中,针对瞬态冲击信号稀疏表示和特征提取问题,提出一种基于IChirplet原子的故障信号多重特征提取方法。在分析故障信号特点的基础上,构建IChirplet原子库,利用优化的OMP算法进行原子寻优,然后提取IChirplet原子的时频参数和重构信号的敏感特征作为特征参量,通过PSO_SVM实现故障分类。实验证明IChirplet原子与滚动轴承故障信号有较好的匹配性,且多重特征的提取能够有效表征故障信息,更准确地判断轴承故障类型。