大豆分离蛋白(Soybean protein isolate,SPI)对外界环境的变化极其敏感,中和工段中pH值微小的变化就会改变蛋白质的结构和功能性质。通过添加NaOH调控凝乳的pH值,利用红外光谱和内源荧光光谱分析SPI的结构及功能性质,研究发现在中性条件...大豆分离蛋白(Soybean protein isolate,SPI)对外界环境的变化极其敏感,中和工段中pH值微小的变化就会改变蛋白质的结构和功能性质。通过添加NaOH调控凝乳的pH值,利用红外光谱和内源荧光光谱分析SPI的结构及功能性质,研究发现在中性条件下SPI具有较好的起泡性,碱性条件时SPI具有较好的乳化性,当体系pH值为7时,SPI的起泡性最佳,当体系pH值为8.5时,SPI的乳化性最佳。建立了25 L大豆SPI中和工段pH值精细调控体系,利用Matlab模拟生产过程,通过动态线性与静态非线性拟合,采用模糊自适应控制结合Wiener模型调控中和罐的加碱量,当将中和罐中pH值调控为7时,调节时间为37.4 s,生产的SPI起泡性指数为57.22%,将中和罐中pH值调控为8.5时,调节时间为33.4 s,生产的SPI乳化活性指数为69.35 m^(2)/g,体系无超调量用碱。展开更多
针对现有含磷量检测方法无法通过实时监测指导调控精炼过程中酸碱的添加量问题,提出一种基于近红外光谱分析的大豆原油含磷量的快速检测方法。对比分析发现标准正态变换法对大豆原油样本含磷量光谱数据的去除噪声效果最优。采用组合区...针对现有含磷量检测方法无法通过实时监测指导调控精炼过程中酸碱的添加量问题,提出一种基于近红外光谱分析的大豆原油含磷量的快速检测方法。对比分析发现标准正态变换法对大豆原油样本含磷量光谱数据的去除噪声效果最优。采用组合区间偏最小二乘法优选出磷脂的最佳特征吸收波段,选用学习效率0.005、训练次数108,建立了大豆原油含磷量的BP神经网络预测模型。模型校正集的决定系数(R^(2))为0.979 7、均方根误差(root mean square error,RMSE)为0.859 3、相对标准偏差(relative standard deviation,RSD)为1.89%;预测集的R^(2)为0.978 5、RMSE为0.963 8、RSD为2.15%。以上结果说明近红外光谱技术能够实现大豆原油中含磷量的快速、精准、无损检测,为后续精炼工段及调控提供切实可行的方法。展开更多
在大豆油脂过氧化值近红外光谱分析中,利用间隔偏最小二乘法(interval partial least square,iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段,然后对全谱和每个小波段分别用PLS回归建...在大豆油脂过氧化值近红外光谱分析中,利用间隔偏最小二乘法(interval partial least square,iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段,然后对全谱和每个小波段分别用PLS回归建模,用预测残差平方和(predicted residual sum of squares,PRESS)对模型进行评价。结果表明:经过特征波段选择后,50个波长点模型的决定系数、预测误差均方根、相对误差均值分别为0.9791、0.0513和2.12%,有效地减少建模的变量数,预测精度得到提高。展开更多
文摘针对现有含磷量检测方法无法通过实时监测指导调控精炼过程中酸碱的添加量问题,提出一种基于近红外光谱分析的大豆原油含磷量的快速检测方法。对比分析发现标准正态变换法对大豆原油样本含磷量光谱数据的去除噪声效果最优。采用组合区间偏最小二乘法优选出磷脂的最佳特征吸收波段,选用学习效率0.005、训练次数108,建立了大豆原油含磷量的BP神经网络预测模型。模型校正集的决定系数(R^(2))为0.979 7、均方根误差(root mean square error,RMSE)为0.859 3、相对标准偏差(relative standard deviation,RSD)为1.89%;预测集的R^(2)为0.978 5、RMSE为0.963 8、RSD为2.15%。以上结果说明近红外光谱技术能够实现大豆原油中含磷量的快速、精准、无损检测,为后续精炼工段及调控提供切实可行的方法。
文摘在大豆油脂过氧化值近红外光谱分析中,利用间隔偏最小二乘法(interval partial least square,iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段,然后对全谱和每个小波段分别用PLS回归建模,用预测残差平方和(predicted residual sum of squares,PRESS)对模型进行评价。结果表明:经过特征波段选择后,50个波长点模型的决定系数、预测误差均方根、相对误差均值分别为0.9791、0.0513和2.12%,有效地减少建模的变量数,预测精度得到提高。
