超临界CO_2萃取油茶籽油的工艺及其脂肪酸成分分析

采用超临界CO2萃取技术对油茶籽进行萃取,提取油茶籽油。考察了油茶籽平均粒径、萃取压力、萃取温度、CO2流量和萃取时间对油茶籽油萃取率的影响,在单因素实验基础上进行了3因素3水平的正交试验,并对试验得到的油茶籽油进行了气相色谱分析。超临界CO2萃取油茶籽油的最佳实际工艺条件为:油茶籽平均粒径0.605mm、萃取压力30MPa、萃取温度50℃、CO2流量30L·h-1和萃取时间90min,最佳实际工艺条件下油茶籽油萃取率为91.17%。气相色谱分析表明,油茶籽油脂肪酸主要由5种脂肪酸组成,其中不饱和脂肪酸占脂肪酸总量的88.28%。     

[Psmim]HSO_4离子液体催化液化木材及其产物表征

合成了1-磺酸丙基-3-甲基咪唑硫酸氢盐离子液体([Psmim]HSO4),对其结构进行了傅里叶红外光谱(FT-IR)和核磁共振(13C NMR)表征。以正辛醇为溶剂,初步考察了该离子液体对杉木屑液化的催化性能,并对残渣、重油和轻油液化产物进行了FT-IR、X射线粉末衍射(XRD)、热重分析(TG)、气质联用(GC-MS)表征。FT-IR和13C NMR分析结果证实了合成产物与目标离子液体结构一致。液化实验结果表明该离子液体具有较好的催化液化性能,10 g杉木屑、60 g正辛醇在催化剂用量8.6 mmol、150℃、60 min条件下,木屑的液化率达66.5%。液化残渣表面的木质素衍生物含量高;轻油主要由纤维素和半纤维素的液化产物组成,重油主要由木质素的液化产物组成。     

BP神经网络对超临界CO_2萃取油茶籽油过程的模拟

应用BP神经网络(BPNN)对超临界CO2萃取油茶籽油过程进行了模拟和预测。研究了神经网络的构建、训练以及学习算法和隐含层结构的优化,并用得到的神经网络对不同原料平均粒径(0.215～0.625 mm)、压力(30～35 MPa)、温度(35～50℃)、CO2流量(20～25 L/h)条件下的油茶籽油收率进行预测。结果表明:L-M算法是适宜的BP神经网络学习算法;具有5/8/1结构的BP神经网络的模拟性能最优;模型的预测值与实验结果吻合较好,大部分数据的相对误差小于3%,说明BP神经网络适用于超临界CO萃取油茶籽油过程的模拟。     

Aspen Plus在《分离工程》教学中的应用

分析了Aspen Plus化工流程模拟软件的学习方法,探讨了Aspen Plus软件在《分离工程》课程教学改革中的运用。教改结果表明,教学中软件的应用提高了学生的学习兴趣,加深了学生对课程内容的理解,同时拓宽了学生的视野,使课程教学更接近工程实际,获得了良好的教学效果。