超临界CO2分步萃取山豆根苦参碱工艺研究

以山豆根为试验材料,以山豆根萃取物质量和萃取物中苦参碱含量为测定指标,通过4因素3水平的响应曲面试验设计,采用分步萃取的试验操作,对超临界CO2萃取山豆根苦参碱的最佳工艺条件进行研究。结果表明,在不同萃取阶段,萃取物质量和苦参碱含量有所差异。综合考虑,第1步萃取最佳工艺条件为:萃取温度80℃,萃取压力45 MPa,携带剂乙醇浓度100%,乙醇用量80 ml/100g;第2步萃取最佳工艺条件为:萃取温度30℃,萃取压力25 MPa,携带剂乙醇浓度100%,乙醇用量80 ml/100g。萃取条件经试验验证切实可行。     

苦参碱和氧化苦参碱提取纯化工艺研究

通过对溶剂、提取次数、碱化条件的选择,用离子交换和重结晶的方法分离纯化苦参碱和氧化苦参碱.其工艺为60%的酒精提取、沉淀、浓缩、酸化后上阳离子交换柱,已交换的树脂碱化后用氯仿萃取,浓缩回收氯仿后用乙醚萃取,沉淀用丙酮结晶得氧化苦参碱,醚层回收乙醚后,在石油醚中结晶得苦参碱.     

响应面法优化超临界二氧化碳萃取苦参碱工艺技术

为了获取利用超临界二氧化碳萃取苦参中苦参碱的最佳工艺,采用响应面法(RSM)进行试验设计,以萃取温度、萃取时间、萃取压力和夹带剂用量为考察因素,以苦参碱萃取率为响应值进行分析。结果表明,4种因素对苦参碱萃取率的影响从大到小排序为萃取压力萃取时间萃取温度夹带剂用量;获得的苦参碱萃取最佳工艺条件为:萃取温度66℃、萃取压力32 MPa、萃取时间230 min、夹带剂用量为物料质量的3.5倍,在此条件下,苦参碱的萃取率为2.38%,与模型预测结果相符。说明所建立的回归模型预测性较好,可为苦参中苦参碱的提取工艺进一步研究提供参考。     

超临界CO2萃取瑞香狼毒中总香豆素的工艺研究

探讨超临界CO2萃取瑞香狼毒中总香豆素的优化工艺条件,采用响应曲面法考察萃取压力、萃取温度、乙醇用量对总香豆素收率的影响。结果表明,优化的总香豆素萃取条件为:萃取压力30 MPa、萃取温度53℃、乙醇用量3 mL/g,此条件下总香豆素收率为0.356%。     

超临界CO2流体萃取沙棘油最佳工艺条件研究

以沙棘籽为原料,研究了超临界CO2流体萃取沙棘油的工艺条件,探讨了原料颗粒度、萃取压力、萃取时间、萃取温度和CO2流量对沙棘油收率的影响.结果表明:最后原料颗粒度为1.0 mm最佳萃取工艺为萃取压力25 Mpa、萃取温度50℃、萃取时间5 h、CO2流量10 kg/h,沙棘油得率可达8.12%.     

超临界CO2萃取蜘蛛香中总缬草三酯的工艺研究

探讨超临界CO2萃取蜘蛛香中总缬草三酯的优化工艺条件,采用响应曲面法考察萃取压力、萃取温度、萃取时间对总缬草三酯收率的影响。结果表明,超临界CO2萃取蜘蛛香中总缬草的优化萃取条件为:萃取压力30 MPa、萃取温度43℃、萃取时间45 min,此条件下总缬草三酯的收率为2.46%。     

响应曲面优化超临界CO2萃取印楝素A工艺研究

运用响应曲面设计(Box-Behnken)优化超临界CO2萃取印楝素A提取工艺.在单因素试验基础上,以温度、压力、夹带剂用量为响应变量,印楝素A质量分数为响应值进行优化,模拟得到萃取印楝素A的二次多项回归方程模型:y=0.3 +0.067A+0.02B+0.043C +0.016AB-0.006AC+0.03BC-0.008A2+0.014B2-0.03C2,模型P＜0.01,达到极显著水平;模型确定系数R2=0.9705,说明该模型与实际试验拟合较好.响应曲面分析法优选结果表明,超临界CO2萃取印楝素A的最佳工艺条件为萃取温度40℃、萃取压力28.65MPa、萃取时间2h,夹带剂用量2.79％,印楝素A实测结果0.40％与响应曲面拟合所得方程预测值0.42％吻合较好.采用响应曲面法建立的印楝素A提取工艺模型能很好地预测试验结果.     

超临界CO2萃取蚕蛹油的研究

采用超临界CO2萃取技术,探索了蚕蛹油的提取分离工艺。就夹带剂种类、萃取压力、萃取温度和萃取时间对出油率的影响,进行了单因素和正交试验。结果表明,使用正己烷做夹带剂、萃取压力30 MPa、萃取温度30℃、萃取时间2 h为最佳工艺条件,此时出油率达22.61%。无论是出油率还是蚕蛹油品质,超临界CO2萃取技术都优于传统索氏提取法。     

超临界CO2萃取杏仁油的研究

利用超临界CO2萃取技术从杏仁中提取出杏仁油。采取三因素五水平正交试验及静态萃取与动态萃取相结合方法，研究了不同压力、温度和CO2用量对萃取率的影响。当压力为3.5MPa，温度为70℃,CO2体积与物料比为47mL/g时萃取效果最好，萃取率为47.03%。     

湖南山银花挥发油超临界CO2萃取条件优化

通过研究超临界CO2(SFE-CO2)萃取压力、萃取温度、萃取时间和CO2流速对灰毡毛忍冬挥发油萃取效果的影响,优化了山银花挥发油超临界CO2萃取条件,并与水蒸气蒸馏法的提取效果进行比较,分析了湖南产湘蕾金银花与灰毡毛忍冬不同方法加工品的挥发油含量的差异.结果表明,萃取釜温度48 ℃,萃取釜Ⅰ温度50 ℃,萃取釜Ⅱ温度35 ℃,萃取釜压力28 MPa,萃取釜Ⅰ压力12 MPa,萃取釜Ⅱ压力5 MPa,CO2流速18 L/h,萃取时间120～150 min为湘蕾金银花挥发油SFE-CO2较佳的萃取条件;湘晒干、湘冻干、灰晒干、灰冻干等加工品挥发油的SFE-CO2提取量分别为3.03,4.42,2.87,4.12 g,水蒸气蒸馏法提取量分别为0.036,0.045,0.038,0.042 g.湘蕾金银花比灰毡毛忍冬的挥发油含量略高,SFE-CO2法比水蒸气蒸馏法对山银花挥发油的提取效率高出近百倍.     

响应面法优化超临界CO2法萃取废弃烟叶中类胡萝卜素的工艺条件

采用超临界CO2法萃取废弃烟叶中类胡萝卜素,以类胡萝卜素提取率为指标,在单因素试验的基础上,采用Box-Behnken响应面法对萃取工艺的关键因素萃取压力、萃取温度、萃取时间和CO2流速进行优化.结果表明,萃取温度、萃取压力和CO2流速的交互作用对烟叶中类胡萝卜素的提取率影响极显著;萃取压力的影响显著.优化得到超临界CO2法提取烟叶中类胡萝卜素的最优条件为萃取压力23.53MPa、萃取时间1.72 h、萃取温度50.00℃、CO2流速8.05 L/h,此条件下烟叶中类胡萝卜素的提取率为285.1 μg/100 g.     

超临界CO2萃取琉璃苣芳香油参数的优化

采用超临界CO2萃取技术,利用正交设计对琉璃苣(Borago officinlis)芳香油萃取参数进行了优化研究.结果表明,影响超临界CO2萃取量最重要因子为萃取压力,其次是萃取温度;最佳萃取工艺参数组合为萃取压力20 MPa、萃取温度35℃、萃取时间2.0 h、CO2流量3.0 L/h.采用该参数组合进行超临界CO2萃取,琉璃苣芳香油含量高达0.684％.     

苦参和狼牙刺植株中苦参碱与氧化苦参碱的含量测定

采用高效液相色谱法对野生苦参和狼牙刺各组织器官中苦参碱和氧化苦参碱含量进行测定.色谱.柱ZORBAX SB-C18(150mm×4.6mm,5μm),检测波长:220 am,流动相:0.04mol/L磷酸-甲醇(90:10),流速:1.0 mL/min,柱温:20℃.结果表明,野生苦参的苦参碱舍量较高,作为药用部分的苦参根,其苦参碱含量达到0.34%;狼牙刺的氧化苦参碱含量较高,其种子中氧化苦参碱含量达到2.45%.狼牙刺植株在苦参类生物碱开发利用方面有较高利用价值.     

超临界CO2萃取青豆油工艺条件的研究

试验以青豆为原料,对超临界萃取青豆毛油工艺进行了研究,并对影响超临界萃取的主要因素进行了单因素试验,在其基础上又进行了正交优化,最终得到该方法的最佳工艺条件:萃取压力为25 MPa,萃取温度为50℃,萃取时间为60 min。而随着CO2流量的变化,出油率几乎不受影响,因此CO2流量不作为探讨因素。该条件下得到的青豆油最大出油率为15.81%。     

瑞香狼毒总黄酮超临界C02萃取工艺的优化

探讨超临界CO2萃取瑞香狼毒(Stellera chamaejasme L.)中总黄酮的优化工艺条件,采用响应曲面法考察萃取压力、萃取温度、乙醇用量对总黄酮收率的影响.结果表明,优化的萃取条件为萃取压力27 MPa、萃取温度52℃、乙醇用量3 mL/g,此条件下总黄酮收率为1.412％.     

蜂胶CO2超临界萃取研究

以正交试验方法,取得了蜂胶CO2超临界萃取最佳提取条件:即萃取温度为46℃、萃取压力为25 MPa、分离1温度为50℃、分离1压力为7 MPa、萃取时间为3 h;发现加入5%~10%乙醇作为萃取的携带剂,有利于提高蜂胶超临界萃取率;同时发现CO2超临界萃取是一种去除蜂胶原料中铅的有效方法,但不能富集蜂胶中黄酮类化合物。     

超临界CO2萃取杜仲油的研究

以杜仲籽为原料,超临界CO2为溶剂萃取杜仲籽油.探讨了操作压力、温度和CO2体积对萃取的影响.结果表明,先静态萃取10 min,再用压力35 MPa、温度40℃、CO2体积40 mL进行动态萃取,萃取杜仲油效果较好.用GC分析了杜仲籽油的组成,亚麻酸是主要成分.超临界萃取得到的杜仲籽油可作为高质量的保健食用油.     

响应面法优化超临界CO2萃取元宝枫油的工艺研究

元宝枫油是一种新资源食品,是极具开发利用价值的神经酸资源。以元宝枫种仁为原料,通过单因素试验和响应面法研究超临界CO₂萃取技术制备元宝枫油的工艺条件。结果表明,较优的工艺条件为萃取压力33.7 MPa,萃取温度60℃,萃取时间120 min,元宝枫油的提取率达到96.72%,与响应面优化法得到的预测值96.57%很接近。