摘要：注塑成型过程中的工艺参数的取值对成型质量有很大影响,工艺参数之间是非线性关系,采用常规的理论分析和数值计算方法难以快速准确找到其最优解。高斯过程机器学习是一个新的预测方法,采用贝叶斯统计方法和非线性回归技术解决复杂的非线性建模问题。为获得好的成型质量,采用高斯过程机器学习的方法建立注塑成型工艺过程代理模型,可获得满意的模型后用遗传算法求得优化的工艺参数。选用聚甲醛小模数齿轮的翘曲变形实例来验证了方法的可行性。

摘要：为提高紫薯花青素得率,采用酶-超声波辅助同步对紫薯花青素的提取效果进行研究。通过Box-Behnken试验设计和响应面分析确定酶-超声波辅助提取最佳工艺条件:体积分数0.1%的HCl-C2H5OH为溶剂(酸醇比为50∶50),纤维素酶提取温度51℃、料液比1∶20、酶添加量54 U/mL、超声功率100 W、时间33 min,此条件下花青素得率可达到(3.581±0.016)‰。酶-超声波辅助提取法与传统的有机溶剂浸提法相比,缩短了提取时间,花青素得率提高了2.73倍;与微波法、超声波法相比,花青素得率分别提高了32.4%和17.8%。