基于色谱-质谱联用技术的食品中农药残留高通量非靶向检测技术研究进展

农药残留导致的食品安全事件威胁人们的健康和生命。现阶段食品中的农药残留具有品类多、残留量低且施用未知等特点,检测难度较大。因此,开发食品中农药残留高通量非靶向检测技术具有重要意义。色谱-质谱联用技术因具有高分离、高鉴别、高通量、非靶向等优点,在农药残留检测领域得到了广泛应用。本文对近10年国内外基于色谱-质谱联用技术的食品中农药残留高通量非靶向检测相关报道进行归纳和总结,简要介绍食品中多农药残留检测的现状,重点从多维色谱及高分辨质谱技术的开发、吸附材料及样品前处理技术的改进、化学计量学方法的优化等方面阐述色谱-质谱联用技术在食品中农药残留检测中的应用进展,并对其存在的问题提出相关建议,以期为色谱-质谱联用技术在食品中多农药残留检测领域的相关研究应用提供新的参考依据。     

基于续尺度卷积网络的10 MW漂浮式风力机筋腱损伤识别EI北大核心CSCD

为提升复杂环境中漂浮式风力机平台筋腱结构隐性损伤识别率,基于卷积神经网络(convolutional neural network,CNN),提出连续多尺度卷积神经网络(continues-multi-scale convolutional neural network,CMS-CNN),建立“端到端”的损伤识别模型。为验证CMS-CNN方法的有效性,以10 MW漂浮式风力机为研究对象,对损伤位置、程度进行故障诊断,结果表明:连续多尺度模型比传统多尺度的诊断结果更佳;横荡加速度受环境载荷影响较小,基于此响应信号所训练的CMS-CNN诊断模型更可靠;CMS-CNN模型可在筋腱结构微弱损伤时实现精准定位,亦能完成结构隐性损伤程度识别。     

基于卷积双向长短期记忆网络与混沌理论的滚动轴承故障诊断EI北大核心CSCD

针对传统滚动轴承故障诊断方法在大噪声与变载荷环境下诊断困难的问题。基于混沌理论,通过卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)提出CCNN(Chaotic CNN)-BiLSTM智能故障诊断方法。采用相空间重构法将一维时间序列转化为二维混沌序列,学习并提取混沌序列中有效非线性信息,并输入Softmax层中完成分类。结果表明,较之现有方法,所提CCNN-BiLSTM方法在变载荷和大噪声(信噪比为-8 dB)环境下的准确率分别至少高出3.76%与5.21%,表明该方法具有良好的鲁棒性和泛化性能。     

近红外光谱技术结合化学计量方法用于大米的快速分析

基于近红外光谱结合化学计量学建立一种可以快速、无损鉴别大米品种的新方法。采集不同厂家以及不同品牌的大米共115类并得到其光谱数据。利用连续小波变换技术消除背景干扰和基线漂移,从而加强光谱特征信息,提高信噪比。此外,结合主成分分析方法对不同品牌与不同厂家的大米进行鉴别分析。结果表明:连续小波变换可以有效地消除背景干扰,极大地提高模型的鉴别能力。采用近红外光谱技术结合化学计量学方法可以准确地鉴别不同大米的品种及产地。     

浏阳豆豉发酵中高产酶活菌株的分离鉴定及酶活性分析

从浏阳豆豉发酵过程中分离产高酶活菌株,通过形态观察结合分子生物学技术进行鉴定,并对其产蛋白酶、脂肪酶及纤维素酶的活性进行分析。结果表明,分离得到3株菌（编号为000、5132、621）均被鉴定为溜曲霉菌（Aspergillus tamarri）。3株菌的蛋白酶、脂肪酶及纤维素酶的活性测定结果表明,菌株621蛋白酶活性最强,为（207.98±3.20）U/mL;菌株5132的纤维素酶活性最强,为（3.40±1.40）U/mL;菌株000的脂肪酶活性最高,为（90.7±0.64）U/mL。     

基于高通量测序分析不同浏阳豆豉中真菌的多样性

建立测定酱油中铅的氢化物原子荧光光谱法,同时以酱油为样本进行精密度和准确度测定,以及对酱油能力验证盲样考核样进行不确定度分析。结果表明,铅含量在0～100.00 ng/mL呈线性关系,相关系数（R）为0.999 8,该方法的检出限为0.74 μg/L,定量限为2.22 μg/L,精密度试验结果相对标准偏差（RSD）为1.16%～4.48%,回收率为93.3%～106.6%。2个盲样考核样不确定度结果分别为（0.940±0.092） mg/L和（0.460±0.035） mg/L,能力验证考核结果为满意。研究结果表明,采用水质分析质量控制工作程序对氢化物原子荧光光谱法测定酱油中铅进行分析质量控制,保证实验结果误差在可控制的范围内,获得高度可信的分析结果。     

不同品牌豆浆粉与假冒豆浆粉无损鉴别方法的建立

基于近红外光谱技术与化学计量学方法建立一种适合于假冒以及国内外不同品牌豆浆粉的无损鉴别方法。采集国内外不同品牌豆浆粉以及假冒豆浆粉共132个样本的近红外光谱,利用连续小波变换方法扣除光谱中的背景和基线干扰,基于标准偏差与相对标准偏差筛选出特征波长,并结合主成分分析方法对不同品牌与假冒豆浆粉进行鉴别。结果表明:连续小波变换能够有效消除基线的干扰,波长筛选方法可以大大提高鉴别的准确性。采用该方法,假冒豆浆粉、进口豆浆粉与国产豆浆粉之间的鉴别准确率达100%,而不同品牌豆浆粉之间的鉴别准确率达93.94%。采用近红外光谱技术与化学计量学方可有效实现对国内外不同品牌豆浆粉以及假冒豆浆粉的快速无损鉴别分析。     

高盐辣椒坯的品质研究

通过现有检测技术结合国家相关标准,分析6种高盐剁辣椒坯的理化和气味滋味等品质指标。结果表明:样品中氯化钠质量分数16%～29%,其脆度和亚硝酸盐的差异可能与样品原料产地和保存时间有关。采用顶空固相微萃取技术与气相色谱-质谱联用(HS-SPME-GC-MS)并结合电子鼻进行气味分析表明,6种高盐辣椒坯的主要挥发性成分数量均在20种以上,以酯类和醇类数量居多,初步判定酯类和醇类物质是高盐辣椒坯挥发性成分的主要组分。利用电子舌比较其差异,得出高盐辣椒坯的风味主要表现在涩味、苦味、鲜味和丰富性等方面。     

半潜式平台漂浮式风力机阵列平台普通海况动态响应研究

为保证漂浮式风电场在环境载荷复杂的海洋环境中稳定正常工作,以半潜式平台为研究对象,建立了基于Umarine Semi Submersible平台的阵列式风电场。通过FORTRAN程序语言求解气动载荷,采用水动力学软件AQWA,基于辐射/绕射理论并结合有限元方法,研究了风波耦合作用下半潜式平台时频动态响应。结果表明：阵列半潜式平台漂浮式风电场可有效提升平台抗首摇、横摇能力;固定悬链线可降低平台横荡运动幅值与纵荡响应;共用系泊系统的阵列平台机舱振动稳定性更佳。     

基于深度学习的翼型气动弹片流场参数预测

弹片是解决翼型流动分离的重要技术手段,合理的弹片参数对翼型表面压力分布尤为重要。基于数据驱动的深度学习方法与计算流体力学(Computational Fluid Dynamics, CFD)相结合,可快速有效地完成对复杂流场特征的识别与提取。本文提出一种基于卷积神经网络(Convolutional Neural Network, CNN)的翼型表面压力分布预测方法,通过提取流场的尾流速度、压力等流动特征构建翼型表面压力分布的预测模型。首先,通过数值模拟计算了8种不同抬起角度的NACA 0012弹片翼型的流场;其次,采用提取的流场数据建立CNN预测模型;最后,将预测值和CFD计算值进行对比。结果表明：基于CNN的预测模型对翼型表面压力系数分布有较高的预测精度,其中尾流速度模型在弹片抬起角度为15°时的预测均方根误差仅为0.1,说明尾流速度中包含丰富的流场信息。