中文摘要 | 第1-4页 |
英文摘要 | 第4-8页 |
0 前言 | 第8-9页 |
1 文献综述 | 第9-31页 |
1.1 概述 | 第9页 |
1.2 超临界流体性质及超临界流体萃取原理 | 第9-12页 |
1.2.1 超临界流体的热力学性质 | 第9-11页 |
1.2.2 超临界流体萃取原理 | 第11-12页 |
1.3 用超临界流体萃取固体溶质时的影响因素 | 第12-18页 |
1.3.1 萃取压力 | 第12-13页 |
1.3.2 萃取温度 | 第13-15页 |
1.3.3 超临界流体流量 | 第15-16页 |
1.3.4 物料预处理 | 第16-17页 |
1.3.5 分离压力及分离温度 | 第17-18页 |
1.3.6 其它因素的影响 | 第18页 |
1.4 超临界流体密度和溶质在超临界流体中的溶解度的计算方法 | 第18-19页 |
1.4.1 超临界流体密度的计算 | 第18-19页 |
1.4.2 溶质在超临界流体中的溶解度的计算 | 第19页 |
1.5 国内外超临界流体萃取实验装置与工业应用介绍 | 第19-22页 |
1.6 超临界流体萃取的动力学模型 | 第22-30页 |
1.6.1 收缩核模型 | 第23-28页 |
1.6.2 基于质量守恒微分方程的模型 | 第28-30页 |
1.7 本章小结 | 第30-31页 |
2 超临界流体萃取实验研究 | 第31-47页 |
2.1 SCF的选择 | 第31-32页 |
2.2 实验流程与设备 | 第32-33页 |
2.3 实验步骤 | 第33页 |
2.4 实验原料 | 第33-34页 |
2.5 大豆油萃取实验研究 | 第34-46页 |
2.5.1 正交实验与正交分析 | 第34-39页 |
2.5.2 对比实验 | 第39-44页 |
2.5.3 实验误差分析 | 第44-46页 |
2.6 本章小结 | 第46-47页 |
3 基于微分床的超临界流体萃取的质量守恒模型 | 第47-62页 |
3.1 模型的基本假设 | 第47-48页 |
3.2 模型的建立 | 第48-52页 |
3.3 模型的输入与输出 | 第52-61页 |
3.3.1 模拟计算所需输入参数 | 第52-53页 |
3.3.2 输入参数的计算 | 第53-61页 |
3.3.3 模型的输出 | 第61页 |
3.4 本章小结 | 第61-62页 |
4 人工神经网络在超临界流体微分床萃取模拟预测中的应用 | 第62-75页 |
4.1 BP神经网络模型 | 第62-65页 |
4.2 神经网络的训练数据 | 第65-67页 |
4.3 神经网络训练数据的预处理 | 第67-70页 |
4.3.1 利用超临界流体萃取的规律对训练数据的检验与校正 | 第67-70页 |
4.3.2 训练数据的归一化处理 | 第70页 |
4.4 隐藏层单元数目的确定 | 第70-71页 |
4.5 结果与讨论 | 第71-73页 |
4.6 本章小结 | 第73-75页 |
5 数值模拟程序的编制 | 第75-86页 |
5.1 程序开发环境 | 第75页 |
5.1.1 操作系统 | 第75页 |
5.1.2 开发工具 | 第75页 |
5.1.3 数据库系统 | 第75页 |
5.2 程序设计思想与框架 | 第75-77页 |
5.2.1 程序设计目标 | 第75-76页 |
5.2.2 程序的输入参数 | 第76页 |
5.2.3 程序的主框架 | 第76-77页 |
5.3 程序主模块的详细设计 | 第77-83页 |
5.3.1 参数输入模块的设计 | 第77-78页 |
5.3.2 物性参数计算模块的设计 | 第78-79页 |
5.3.3 积分床预测计算模块的设计 | 第79-81页 |
5.3.4 神经网络训练预测模块的设计 | 第81-83页 |
5.4 底层程序的设计 | 第83-84页 |
5.5 本章小结 | 第84-86页 |
6 数值模拟预测结果分析 | 第86-94页 |
6.1 萃取出油量-萃取时间关系模拟曲线定量分析 | 第86-89页 |
6.2 萃取器内流体浓度分布模拟结果定性分析 | 第89-91页 |
6.3 萃取器内物料萃取状态模拟结果定性分析 | 第91-93页 |
6.4 本章小结 | 第93-94页 |
7 结论 | 第94-96页 |
参考文献 | 第96-100页 |
符号与符号说明 | 第100-102页 |
附录1 微分床萃取实验纪录 | 第102-104页 |
附录2 积分床萃取实验纪录 | 第104-105页 |
附录3 研究生论文期间文章发表情况 | 第105-106页 |
致谢 | 第106-107页 |