流苏花精油的超临界CO_2萃取及抗菌活性研究

采用单因素和正交试验法讨论了超临界CO2流体法萃取流苏花精油的工艺条件,利用气相色谱-质谱(GC-MS)联用技术分析了精油的化学成分,并对精油的抑菌活性进行了评价。结果表明采用超临界CO2流体技术萃取流苏花精油的最佳工艺条件是:100 g流苏花粉末在萃取压力25 MPa,萃取温度45℃,萃取时间2.0 h,CO2流量22 kg/h,在最佳工艺条件下精油的得率为0.409%。从流苏花精油中共分离出60个峰,确定了其中的57种化合物,所鉴定成分占总馏出峰面积的96.18%。体外抑菌试验结果表明,流苏花精油对金黄色葡萄球菌、白葡萄球菌和大肠杆菌等菌株具有较好的抑制作用。     

超临界CO_2萃取特种植物油脂研究概况

超临界CO_2萃取特种植物油脂的工艺日趋成熟,本文综述了SFE-CO_2萃取不同特种植物油脂的工艺条件与油脂品质,比较了不同提油工艺所得油脂的理化性质及脂肪酸组成,分析了超临界CO_2萃取技术的局限性及存在的问题,以期为合理选择和优化SFE-CO_2萃取工艺,促进特种植物油脂的深入研究及其产业化开发提供借鉴。     

玫瑰精油超临界二氧化碳萃取的试验研究

采用正交试验和单因素试验相结合的方法对超临界CO2萃取法提取玫瑰精油的工艺进行了研究。得到了最佳萃取条件为:压力20 MPa,温度65℃,粒径250μm,CO2循环流量25 L/h,此条件下玫瑰精油的得率可达到5.225 7%。各因素的影响大小依次为:粒径、流量、温度、压力。试验还在萃取釜中布置了气体分布器。实验结果表明,在小粒径的条件下气体分布器可以更加有效的增加精油的得率,且不会影响到萃取釜中流体的流动速度。     

超临界二氧化碳萃取砂仁精油化学成分的研究

广西阳春砂仁、经超临界的萃取得到砂仁精油。用ＧＣ－ＭＣ对精油进行化学成分研究，鉴定了十三个组分，主要是乙酸龙脑酯（６２．３３％）、樟脑（１８．１４％）、龙脑（５．３８％）、莰烯（４．６５％），还有柠檬烯、α＝蒎烯等。     

超临界CO_2萃取结合高速逆流色谱分离八角茴香精油中的化学成分(英文)

建立了超临界CO2提取,高速逆流色谱分离纯化八角茴香中精油的分离方法。首先利用超临界CO2提取八角茴香中的精油,萃取压力为25 MPa,萃取温度为35℃。1.3 g粗提物经高速逆流色谱分离,两相溶剂体系为正己烷-乙酸乙酯-甲醇-水(体积比1∶0.2∶1∶0.1),一次分离出3种化合物,经EI-MS鉴定为茴香醛10.3 mg、异丁香酚甲醚7.1 mg和反式-茴香脑636.5 mg,纯度分别为98.9%、96.8%和99.7%。     

利用超临界CO_2萃取降低沙棘油脂肪酸工艺研究

为了降低沙棘油中脂肪酸含量,提升沙棘油品质,利用超临界CO2流体技术对已酸败的沙棘油进行脱酸再处理,研究萃取压力、萃取温度、萃取时间3个主要因素对沙棘油酸价的影响。结果表明,超临界CO2萃取降低沙棘油脂肪酸的最佳工艺条件为:萃取压力12 MPa,萃取温度45℃,萃取时间6 h,可将已酸败沙棘油中的脂肪酸含量由原来的55.94 mg/g降低至5.13 mg/g,达到行业标准要求(酸价≤15 mg/g)。     

超临界CO_2流体萃取辣木籽油工艺研究初报

初步研究了SFE-CO2辣木籽油工艺,探索了萃取压力、萃取温度、萃取时间和萃取CO2流量等主要因素对萃取率的影响,并通过正交试验进行了工艺参数筛选。结果表明:当萃取压力30MPa,温度50℃,时间3h,CO2流量23L/h,SFE-CO2辣木籽油效果最佳,且SFE-CO2辣木籽油工艺流程简单,无溶媒残留,品质好,纯度高,外观清亮,过氧化值0.431meq/kg。     

小花龙血树超临界CO_2萃取物的成分分析

小花龙血树有效成分的研究较少,制约了其进一步的开发利用.采用超临界CO2萃取小花龙血树(Dracaena cambodiana)的有效成分,再结合气相色谱质谱(GC-MS)仪对萃取物进行成分分析, 分离并鉴定了其中的51个成分.     

超临界CO_2萃取-微波辅助提取红景天苷的研究

采用超临界CO2萃取-微波辅助法,研究了从红景天中提取红景天苷的工艺条件。结果表明:适宜的超临界CO2萃取工艺条件为:5.000 g红景天粉末,萃取压力40 MPa,萃取温度55℃,萃取时间5 h,夹带剂为无水乙醇;萃取后红景天1.000 g,加入30 mL超纯水,浸泡2.0 h,微波功率为180 W,微波处理2 min,红景天苷提取率高于95%。     

超临界流体萃取技术及其在热带作物香辛料、色素研究中的应用

综述了超临界流体萃取技术的原理、工艺与设备及国内外在热带作物研究中的应用     

超临界CO2 流体萃取 - 分子蒸馏提取丁香精油的研究

用超临界CO2流体萃取技术(SCDE)萃取丁香精油,然后用分子蒸馏技术(MD)进行精制,所得精油经气相色谱 - 质谱(GC - MS)分析并与传统提取方法比较.正交试验分析结果显示,SCDE最佳工艺条件为:萃取温度45℃、萃取压力12MPa、解析温度50℃.SCDE得油率达到21.04%,经GC - MS分析共检测出22种成分,主要成分丁香酚GC含量为67.56%,经MD精制后,尽管丁香酚、β - 石竹烯、乙酰基丁香酚3种有效成分的总含量与水蒸气蒸馏法和有机溶剂回流法相差不大,但精油中丁香酚提高至68.75%,精油色泽和流动性明显改善,品质明显提高.SCDE - MD技术萃取丁香精油的得油率为19.18%,高于水蒸气蒸馏法(11.38%)和正己烷回流法(17.40%),而且萃取时间短,色素、树脂含量低.     

超临界CO_2萃取野生黄刺玫果籽油试验

对超临界CO_2萃取野生黄刺玫果籽油的工艺进行了单因素试验,分析了不同萃取压力、萃取温度、萃取时间以及原料粒度对黄刺玫果籽油萃取率的影响。结果表明,超临界CO_2流体萃取黄刺玫果籽油的较佳条件为:1 L萃取釜装料量200 g,萃取压力25 MPa,温度40℃,萃取时间为2 h,原料粒度40目。     

超临界CO_2萃取冬凌草甲素影响因素分析

对提取工艺中萃取压力、萃取温度、萃取时间、分离温度、CO_2流量等因素对冬凌草甲索萃取产率的影响进行了研究.结果表明:萃取压力以25 MPa为宜;萃取温度以55℃为宜;萃取的最佳时问范围为2.5～3 h;分离温度以40℃为宜;CO_2流量在60 kg/h时为萃取的最高值,但有波动.     

超临界CO_2萃取红松松针甾醇的动力学和热力学

【目的】研究超临界CO_2对红松松针甾醇的萃取作用,并对其动力学和热力学性质进行分析,为超临界CO_2萃取植物化学有效成分提供参考。【方法】以甾醇得率为指标,在单因素试验基础上,重点探讨不同萃取压力和萃取时间对甾醇提取效果的影响,对萃取过程进行模型拟合并验证。【结果】松针甾醇超临界CO_2萃取最佳工艺条件为:松针粉原料粒度80目、萃取压力25 MPa、CO_2流量20 L·h~(-1)、萃取温度60℃,此条件下的甾醇得率为(40.00±1.23)mg·(100 g)-1。当萃取压力为10、15和25 MPa时,一阶衰减指数函数模型拟合度最好(R2≥0.958 4),而当萃取压力为20 MPa时,逻辑斯蒂模型拟合度最好(R~2=0.996 8)。验证试验结果表明,甾醇得率的最佳模型预测值与实测值之间的拟合程度变化范围为0.936 4~0.986 0。【结论】超临界CO_2萃取松针甾醇的有效扩散系数(D_(eff))随萃取压力增大而增加,随萃取时间延长而减小,自由能ΔG变化表明超临界CO_2萃取松针甾醇的传质过程为自发过程。     

油橄榄叶中脂溶性成分的超临界CO_2萃取及其鉴定

采用超临界CO2技术,以无水乙醇为夹带剂对油橄榄叶进行提取,提取物用石油醚萃取,石油醚层浓缩后进行甲酯化,以GC-MS联用结合相对保留时间鉴定脂溶性成分的组成,采用面积归一化法测定它们在样品中的相对含量。通过单因素和正交试验研究,得到提取优化条件为:萃取压力25 MPa,萃取温度45℃,分离温度45℃,萃取时间4 h,CO2流量30 kg/h。在此条件下,脂溶性成分的得率为2.61%。GC-MS分析结果表明:油橄榄叶的25种脂溶性成分被GC分离;21种被MS鉴定,占色谱总馏分出峰面积的91.35%。其中有11种为饱和脂肪酸类化合物,7种为不饱和脂肪酸类化合物,2种为酯类物质,1种为酮类物质,分别占色谱总馏分出峰面积的27.88%,60.99%,2.32%和0.16%。油橄榄叶中的脂溶性成分以不饱和脂肪酸为主。     

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%。     

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。     

基于Smith-Fuzzy-PID控制的艾叶精油超临界萃取温度控制系统研究

艾叶精油超临界萃取生产过程中,温度是影响超临界萃取得率的最关键因素。温度控制系统滞后大、干扰因素多、参数易变的特点,使得常规PID温度控制在超临界萃取系统中的适应性差。针对超临界萃取系统的温度变量提出了Smith-Fuzzy-PID控制法,该方法在PID控制中加入Smith预估器,来补偿系统滞后;加入适应性较强的模糊控制用来及时调整PID参数。用MATLAB仿真从理论上验证了这种控制方法无超调、稳定快且鲁棒性好的特性。     

用响应面法优化超临界CO_2萃取缬草油工艺

为了探讨超临界CO2萃取缬草油的优化工艺条件,以缬草油得率为考察指标,采用单因素试验和BoxBehnken设计,探讨萃取压力、萃取温度、萃取时间和CO2流量对缬草油得率的影响。结果表明:在萃取压力21 MPa、CO2流量20 L/h,萃取温度45℃条件下,萃取90 min,缬草油得率为(4.250±0.003)%,与模型预测值接近,表明所建回归模型可靠。