一、啤酒后期生产溶氧量的控制（论文文献综述）
张亚萌,王金晶,钮成拓,郑飞云,刘春凤,李崎[1]（2021）在《高浓酿造啤酒发酵周期的研究进展》文中研究说明高浓酿造是采用高浓麦汁发酵,之后进行稀释的啤酒酿造技术,该方法可显着提高生产效率,被广泛应用于啤酒生产中。虽然高浓酿造技术基本发展成熟,但仍存在发酵周期长以及后稀释造成风味不平衡的问题。由于高浓麦汁的特性,会导致发酵不彻底、发酵缓慢以至于延长发酵周期。该文分别从原料、发酵条件、菌株质量方面对高浓酿造啤酒发酵周期影响因素作了综合阐述,并对解决发酵周期长这一问题进行了讨论,提供可行思路。
杨贵恒[2]（2021）在《高耐性酿酒酵母的杂交育种及高浓啤酒酿造工艺研究》文中认为本文选取啤酒酵母S-04、US-05与葡萄酒酵母CY3079、RC212作为实验的研究对象,利用杂交育种技术培育耐高酒精度、高渗透压且发酵性能优良的酵母菌株,并结合发酵性能、理化指标及风味物质含量筛选出适用于酿造帝国世涛特种啤酒的酵母菌株。在确定酵母菌株的基础上,通过单因素分析,结合感官评分,探究酵母接种量、主发酵温度以及酒花添加量对啤酒风味与口感的影响,并运用响应面分析法优化帝国世涛特种啤酒的发酵工艺参数,具体研究结果如下:（1）出发菌株经麦汁培养基活化后,接至Mcclary培养基中,啤酒酵母菌株S-04与US-05在28℃培养6d达到最高产孢率,分别为67.23%与72.69%;葡萄酒酵母菌株CY3079与RC212在26℃培养7d达到最高产孢率,分别为31.67%与33.56%。通过单倍体分离与鉴定,共获得34株单倍体菌株。其中MAT-a型单倍体共有17株,占50%;MAT-α型单倍体共有17株,占50%。经过单倍体菌株筛选试验,将单倍体S-1、U-7、C-5、C-6、R-4、R-9作为高耐性杂交亲株,杂交后获得85株生长良好的杂交酵母菌株。（2）经过压力筛选与麦汁发酵试验,结合酵母的发酵性能以及代谢产生的风味物质含量及比例,将杂交酵母菌株UR-2确定为更适合高浓特种啤酒酿造的酵母菌株。与葡萄酒出发菌株（CY3079、RC212）相比,其实际发酵度提高了7.2%与4.1%,酒精度提高了24.7%与23.2%,残糖降低了5.4%与14.5%;菌株UR-2代谢产生的醇类、酯类物质含量较高且比例协调,可使啤酒口味均衡,酒体醇柔,适用于啤酒超高浓发酵。（3）在单因素优化水平范围确定的前提下,设计响应面实验,将感官得分作为响应值,优化帝国世涛特种啤酒酿造工艺参数。实验优化结果为:酵母接种量2.75×107个/mL,主发酵温度21.0℃,酒花添加量1.06 g/L。在此酿造工艺条件下帝国世涛特种啤酒的感官评分较高,可达93分,与回归模型的预测值仅相差0.21%。在最优发酵条件下进行50L发酵罐小试,帝国世涛特种啤酒酒精度为11.2%vol,实际发酵度为69.5%,残糖为5.06 g/100mL,其余理化指标均达到国家标准。成品酒外观呈现咖啡色,泡沫绵软细腻,泡持性良好,杀口力较强,双乙酰含量低,无异味,苦味值较高,与高酒精度相协调,酒体较为醇厚,有着浓浓的焦香麦芽与热带水果味道,略有甜口,是一款极具特色的烈性啤酒。
谢宇飞[3]（2021）在《基于气味与近红外光谱检测的啤酒发酵过程研究》文中指出发酵过程是决定啤酒品质的重要一环,对啤酒质量有着重要影响。当前啤酒发酵过程的检测通常依靠感官、化学方法和仪器法,检测手段繁多、操作复杂导致结果滞后,无法及时指导生产。本研究以啤酒发酵过程为研究对象,探究温度和溶氧量对啤酒发酵过程品质的影响,结合气味检测技术对啤酒发酵过程进行阶段判别,并通过近红外光谱技术对反应发酵状态的理化指标进行建模。最后利用气味和近红外光谱技术搭建啤酒发酵过程监测系统,对啤酒发酵过程的气味、理化指标等进行验证。（1）首先探究了不同温度（9、12和15℃）和不同溶氧量（3.69、5.43和8.59 mg/L）对啤酒主酵阶段发酵速率、酵母菌数量、理化指标以及挥发性成分的影响,并进行感官评定。结果表明,12℃为主酵温度溶氧量为8.59 mg/L时,温度较适宜酵母菌的增殖代谢活动,可有效增加酒精的浓度,提高糖类物质的利用率,能够降低p H值并提供酸性环境抑制杂菌生长,保证酵母菌的生长环境不受污染,醇类物质和酯类物质的比例更加协调,口感更加醇厚、清澈。（2）其次通过PEN3电子鼻和GC-MS技术从宏观和微观角度对发酵过程的气味信息进行分析,通过电子鼻结合多元统计方法对发酵阶段进行判别,采用GC-MS对被判别的样品挥发性成分的变化进行研究。结果表明,电子鼻能对啤酒发酵阶段进行良好判别,气味分析结果显示在发酵第5天挥发性成分出现拐点。GC-MS结果显示不同发酵阶段挥发性物质有所区别,随着发酵时间的延长不断丰富化并于第5天趋于稳定,与电子鼻分析结果一致,为基于气味检测技术电子鼻的啤酒发酵过程在线监测技术的研究和开发提供理论基础。（3）为了对反应啤酒发酵状态的酒精度和糖度进行快速检测,弥补电子鼻定量检测的不足,采用近红外光谱技术对样品光谱数据进行分析,结合间隔偏最小二乘筛选特征波段,优选出啤酒发酵酒精度和糖度的最优建模参数,提高模型的精度和稳定性,为啤酒酿造生产中酒精度、糖度的在线检测提供技术支持。（4）设计了基于气味和近红外光谱的啤酒发酵监测系统,并对监测系统进行验证性实验,结合电子鼻采集顶空气味数据,近红外光谱仪对啤酒发酵过程光谱数据进行在线检测。结果表明,电子鼻主成分分析可以直观展现发酵过程挥发性化合物含量和种类的变化,对啤酒发酵进程的判别具有重要意义。近红外光谱在线检测酒精度和糖度的预测模型决定系数分别为0.7732和0.8966,能够达到发酵过程中理化指标在线检测的要求。
崔云前,孟飞,杜俊杰,吉春晖,周长生[4]（2021）在《高浓度啤酒酿造特性的研究概况》文中指出高浓度的啤酒以其原料的创新性及浓烈醇厚的口感,受到消费者的青睐。在酿造高浓度啤酒过程中工艺条件和发酵环境会受到限制,从而影响高浓度啤酒的发酵效率和品质,制约产品的生产和开发。对高浓度啤酒的国内外最新研究进展及成果进行综述,包括高耐性啤酒酵母的选育、高浓度麦汁的制备以及发酵过程的控制,以改善酿造条件,期望获得风味独特、品质上佳的高浓度啤酒。
林熙[5]（2020）在《改进充氧工艺和控制方法对降低高级醇产生量的研究》文中研究说明实际生产中影响啤酒高级醇形成的因素众多,但有较多因素是不容易也不便于随时改变的,否则属于重大工艺调整,若未经验证就启用,容易引发其他不可控问题,而麦汁充氧与高级醇产生量高度相关,且控制成本低,故在不轻易改变其他因素的情况下,通过改进充氧工艺和控制技术来控制高级醇产生量。原有麦汁充氧系统经优化的基础上,再通过改进麦汁充氧工艺,过程指标主要监控"满罐酵母数、酵母增值倍数",最终指标以"高级醇产生量"作为反馈指标来不断改进定量充氧控制技术和工艺,经过几十罐发酵的验证,高级醇产生量（折12度）平均值可被控制到80mg/L以下,比以往至少下降10mg/L,且发酵正常,回收酵母量正常,其酒体经专家品评和市场验证,认可度得分都较高,达到了预期目的。
王娜[6]（2020）在《基于组学技术的中国黄酒陈酿香气组分分析及酒龄识别的研究》文中认为“陶坛贮存,越陈越香”是中国黄酒最典型的特点之一。其中,“越陈越香”体现了黄酒“陈酿时间/酒龄”与“陈酿香”之间密切的关系。而且,“酒龄”作为黄酒品质和质量的一个重要体现和标准,是消费者选购不同品质黄酒的主要参考依据之一。因此,科学解析黄酒陈酿香及其与酒龄之间的关系,对提升黄酒的品质与质量标准具有重要的价值。本论文主要以非靶向代谢组学和风味化学为导向的靶向研究策略为指导,采用现代的代谢组学、风味组学、传统的仪器分析、多元统计分析等多种技术和方法来共同解析中国黄酒的陈酿香气组分及其对酒龄的识别作用。其主要研究内容与结论如下:（1）首次采用基于GC/MS非靶向代谢组学的分析策略与技术,并联合偏最小二乘回归（PLSR）分析方法对7个不同酒龄古越龙山黄酒中的陈酿香气组分及其酒龄识别作用进行了分子水平和统计学角度的解析。在陈酿过程中共分别划分和鉴定出约104个特征组分和94种酒龄标志物Aging markers（包含未知）,并总结其与0年～15年陈酿时间段酒龄的统计学关系为:醇类、棕榈酸乙酯、油酸乙酯和反-油酸乙酯对区分新酒（0年）具有重要统计学作用。另外,以3-甲硫基丙醇为代表的硫化物只在新酒中提取到;酒龄1年时醇类Aging markers数量明显减少,而具有抗氧化作用的酚类及其衍生物Aging markers数量显着增加,以四甲基吡嗪为代表的吡嗪类也开始出现统计学作用;2年～5年陈酿时间段芳香族一类化合物开始呈现出酒龄区分作用;在10年～15年陈酿时间段,芳香族已成为酒中Aging markers的主体,呋喃类Aging markers数量开始增多,且酸类化合物也呈现出一定的酒龄识别作用。与此同时,94种Aging markers的变化趋势显示:对0年～3年酒龄具有显着区分作用的Aging markers在黄酒陈酿过程中都呈现下降趋势,与此对应,在陈酿过程中呈现上升趋势的所有Aging markers对酒龄5年～15年,尤其是10年和15年均具有显着的酒龄区分作用;（2）基于风味组学GC-O/AEDA技术对新陈黄酒中74种香气活性组分的初步鉴定,进一步采用多方法联用策略成功对三种不同品牌的14个不同酒龄黄酒中85种香气化合物的浓度、变化趋势及香气活力值（OAV值）进行了定量分析。一共筛选到60种随陈酿时间变化趋势显着（*p≤0.05）、与酒龄有着密切统计学关系的潜在Aging markers;49种在陈酿过程中OAV值或香气稀释因子（FD值）较高、具有重要香气贡献的潜在关键/重要活性组分Key aging-aromas;31种随酒龄变化趋势显着（*p≤0.05）且OAV值或FD值较高的潜在关键/重要酒龄标志物Key aging-markers,这一类是基于风味导向策略黄酒酒龄识别研究中的重点分析对象;（3）基于古越龙山黄酒中49种潜在Aging markers主成分分析（PCA）和聚类分析（CA）对0年～15年七个不同酒龄0年、1年～2年、3年～5年、10年～15年四个时间段的划分,本研究将古越龙山黄酒中筛选到的29种潜在Key aging-markers（**p≤0.01）进行了进一步酒龄识别的PCA分析及其OAV值轮廓变化的描述,并从统计学和风味的双重角度对这四个不同陈酿时间段古越龙山黄酒的陈酿特性进行了分析与探讨。共有18种Key aging-markers在某一陈酿时间段显示出较高的OAV值（OAV≥1）,其中,呈现下降趋势的二甲基硫、3-甲硫基丙醇、3-甲硫基丙醛、4-乙烯基愈创木酚、4-乙基愈创木酚、异丁醇6种香气组分在新酒中具有最高的OAV值,且显示出对新酒的酒龄识别作用;与新酒相比,1年～2年陈酿时间段香气强度显着（OAV≥1）的香气组分数量有增无减,其中,苯酚、异丁酸乙酯、苯乙酮、2-苯基-2-丁烯醛的香气强度在1年～2年陈酿时间段变得显着;而3年～5年时香气强度显着的香气组分数量既有增也有减,其表现为:3-甲硫基丙醇、3-甲硫基丙醛和异丁醇的香气强度已变得不显着（OAV<1）,但肉桂醛、反-肉桂酸、葫芦巴内酯、γ-癸内酯和苯甲醇的香气强度变得显着;当酒龄10年～15年时,呈现上升趋势的苯乙酮、2-苯基-2-丁烯醛、肉桂醛、葫芦巴内酯、烟酸乙酯、糠醛等12种香气组分的香气强度已完全超过了新酒中呈现下降趋势的6种香气组分。与此对应,其他11种Key aging-markers（如苯甲醛、异戊酸乙酯、异戊酸等）在0年～15年整个陈酿过程中都具有重要的香气贡献（OAV≥1）。然而,以上对这四个陈酿时间段古越龙山黄酒陈酿特性的分析还有待于感官实验的进一步验证;（4）基于古越龙山黄酒中29种Key aging-markers（**p≤0.01）的PLSR和多元线性回归（MLR）分析,其酒龄鉴别方法的研究表明:采用PLSR和MLR两种回归分析分别能实现99.82%和99.91%准确度对古越龙山黄酒酒龄的预估,但采用MLR分析可以实现更少变量4-乙烯基愈创木酚、二甲基二硫、葫芦巴内酯、3-甲硫基丙醇和γ-癸内酯五种Key aging-markers与0年～15年七个酒龄之间酒龄鉴别模型的建立;（5）网络重构（NR）联合SPME-GC/MS定量分析结果表明:条件II下多次O2通入有助于15种Aging markers的自然变化趋势,但间隔且频繁的通入O2（如:5次O2通入）会使醇类的变化趋势波动较大。最终,条件II恒温37℃、70天/10周的实验周期内3次O2通入最有利于黄酒陈酿过程中15种Aging markers的变化趋势,且本研究预测:较高的O2初始浓度将有利于黄酒的“陈酿香气”更为明显,在大罐贮酒的中前期适当通入O2将会有利于大罐贮酒的控制。另外,高温会加速Aging markers的变化趋势。
郑蓉建[7]（2020）在《谷氨酸发酵过程的软测量建模研究》文中提出生物产业（含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支柱产业,广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基酸,主要通过发酵生产。在发酵过程中,重要生化参数（如菌体浓度、基质浓度、产物浓度等）的实时获取,对于过程的控制与优化具有十分重要的意义。然而发酵过程具有强烈非线性、时变性、强耦合等特征,关键生化参数无法在线检测,目前生产中大都采用实验室取样分析方法来得到。为此,软测量技术通过建立过程在线易测辅助变量与难测主导变量（重要生化参数）之间的数学模型,来实现对发酵过程重要生化参数的预测估计,是解决上述问题的有效途径。在过去几十年里,软测量技术已经成为过程控制领域的研究热点,并在工业过程中得到广泛应用。本课题来源于国家自然科学基金面上项目（项目编号61273131）“生物反应过程的在线支持向量机建模与优化”,以典型生化过程——谷氨酸发酵过程为研究背景,结合谷氨酸发酵过程的实际生产操作机理,对谷氨酸发酵过程中难于在线测量的关键生化参数的软测量建模及相关问题进行了深入研究,取得的研究成果如下:（1）针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问题,建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在发酵过程常用的Logistic模型、Luedeking-Piret等方程基础上建立了谷氨酸分批流加非结构动力学模型,分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行辨识,并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行拟合和估计预测,谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。（2）针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度差、机理建模困难问题,基于生化过程多阶段特性,提出多阶段支持向量机回归的数据驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此,首先建立了基于移动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法,分割结果与常规离线化验分析结果基本一致;其次,基于阶段划分的基础上建立多阶段支持向量机回归的产物谷氨酸浓度预测软测量模型。实验和仿真结果表明,多阶段模型相比全局单模型具有更高的预测能力。（3）针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等问题,在分析最小二乘支持向量机理论基础上,建立了偏最小二乘和最小二乘支持向量机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性分析,表明变量间存在较强相关性;进一步采用方差膨胀因子对变量的多重共线性进行诊断,结果表明变量间存在中等程度共线性,需要对输入相关变量进行筛选。为此,利用偏最小二乘找出对预测模型输出变量重要的输入变量,降低预测模型输入变量维数、消除相关性、简化模型,以提高预测模型的精度。进一步,运用耦合模拟退火算法对最小二乘支持向量机的参数进行优化,谷氨酸发酵实验仿真结果表明,所建模型预测精度高,可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。（4）针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟合、参数设置困难、不能刻画预测结果不确定问题,设计了一种基于特征关联性的输入变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型,并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练,同时在贝叶斯框架下,确定协方差函数中的超参数,利用训练好的高斯过程回归模型进行预测。其次,分析了谷氨酸浓度对发酵参数的感度发现,发酵时间、CO2释放速率CER、O2消耗速率OUR对谷氨酸浓度影响最大。进一步,分析了预测值的不确定性即方差和模型输入在线变量之间变化关系,当发酵罐温度T、CO2释放速率CER、O2消耗速率OUR异常变化时,发现预测值的方差随之发生明显变化,可利用预测值的方差异常变化作为发酵过程状态或传感器异常的指示器。谷氨酸发酵实验和仿真研究表明,所建基于特征关联性的自相关决定高斯过程回归的软测量模型可以实现对谷氨酸浓度的较高精度预测,且预测结果具有较小的置信度区间,满足发酵过程实时控制需要。（5）谷氨酸发酵过程是一个复杂的生化过程,在无法根据发酵过程复杂内部机理建立准确的动力学模型的条件下,要实现发酵过程的优化控制是一个具有挑战性的课题。基于对谷氨酸发酵过程机理分析和研究,运用软测量技术建立了难测参数的软测量模型,设计和优化了谷氨酸发酵过程溶氧控制,将所建软测量模型应用于谷氨酸发酵过程异常批次的识别,并基于罗克韦尔公司开发的RSLogix5000编程软件平台开发了一套谷氨酸发酵过程软测量建模及优化控制系统。通过实际应用表明,该系统能满足谷氨酸发酵过程的实际运行需求,提高了自动化水平,减轻操作人员的劳动强度。
黄苏西[8]（2020）在《基于WSNs和BP神经网络的黄酒发酵过程监测系统研发》文中进行了进一步梳理黄酒作为我国特有的酿造酒,随着黄酒保健的理念逐步深入人心,黄酒的需求量将不断增长。在国家大力推进中国制造2025的大背景下,各行业的科学技术得到了迅速的发展,而黄酒产业的自动化技术,不论在技术研究还是在技术应用领域,都严重滞后于白酒、啤酒、葡萄酒等饮料酒行业。当前大部分黄酒企业使用传统的黄酒酿造技术,虽然一定程度上保留了黄酒的独特的文化底蕴,但黄酒的品质稳定性差,且技术成熟工人数有限,黄酒产量无法得到有效的提升。因此需要在保障黄酒的品质前提下,通过对黄酒关键工序的关键影响因素进行实时无线监测、精确预测,逐步提高黄酒企业的信息化程度,进而提升生产效率。本文通过关键工序分析和影响因素分析,最终以黄酒发酵工序的发酵温度和酒精浓度为研究对象,主要研究内容包括:（1）基于Zigbee技术,使用Arduino微控制器、DS18B20温度传感器、MQ-3酒精浓度传感器、Zigbee模块（CC2530+CC2591）开发Zigbee终端设备、路由设备以及协调设备,使用点播方式组建无线传感器网络（WSNs）。为精确地计算酒精浓度值,基于插值法建立酒精浓度计算模型,通过对比指数逼近、多项式逼近以及幂逼近等插值法的SSE、R-square、RMSE,最终确定酒精浓度与电压之间的构造函数。（2）为提高黄酒发酵过程的信息化程度,基于Python语言、PyQt平台以及SQLite嵌入式数据库开发了黄酒发酵温度监测软件,该软件包含:订单管理、员工管理、发酵罐管理、用户管理、车间看板显示、发酵罐详情显示、温度预测以及短信通知等功能。该软件能够通过串口控制Zigbee协调设备,向指定的IP地址Zigbee终端设备发送指令,同时接收Zigbee终端设备回传的温度和酒精浓度数据。（3）为实现黄酒的前馈控制,需要提前预测黄酒下一阶段的温度值,因此基于BP神经网络,建立三层感知机的黄酒前酵温度预测模型,以前五个时刻的温度值作为神经网络的输入,预测下一时刻的温度值,通过对比均方误差（MSE）变化,验证了BP神经网络在黄酒前酵温度预测中具有良好的可靠性。本文开发的黄酒发酵过程监测系统,由硬件和软件模块组成,其中基于Zigbee通信模块组建的WSNs传感网络形成系统的硬件平台,基于Python语言和PyQt5开发了软件模块。以关键工序为监测对象,实现黄酒发酵过程的全流程的温度实时监测、温度预测、温度预警以及酒精浓度监测等功能,最大程度的提高黄酒产业的信息化程度,且该系统成本低廉、传输稳定、维护便捷、适用性强,不仅限于黄酒生产过程中的参数监测,还适用于大部分无线监测领域,具有良好的应用前景,有望实现产业化应用。
王孟祺[9]（2019）在《接种量对上面发酵酵母高级醇代谢的影响及机理研究》文中提出小麦啤酒是一种以小麦麦芽作为主要原料,由上面发酵酵母进行高温发酵而成的啤酒类型。相对于市面上常见的大麦啤酒,其优势在于营养丰富、口味醇厚且泡沫细腻,尤其小麦在我国产量巨大,发展小麦啤酒可以解决成本以及农业发展问题。但是小麦啤酒中高级醇物质含量通常较高,过高的高级醇含量不仅会影响啤酒口味,还会影响人体健康,所以导致目前小麦啤酒产业发展缓慢。影响小麦啤酒高级醇含量的因素有很多,接种量是其中之一,但是目前为止的研究主要针对于下面酵母且并不系统。所以本课题将系统考察接种量对于上面发酵酵母高级醇代谢的影响及其机理分析。实验分别对0.1%v/v、1%v/v和10%v/v三种接种量条件下上面发酵酵母S-17小麦啤酒发酵过程进行监测,考察酵母生长性能、主要发酵指标以及高级醇生成量。实验结果显示,接种量变化对于上面酵母最大比生长速率、酒精度以及真实发酵度无明显影响。但是,接种量减少会导致酵母起发速率下降从而使发酵时间相应延长12到24小时。同时,与10%v/v接种量条件相比,0.1%v/v条件下α-氨基氮消耗量和主要高级醇生成量都有一定幅度的下降,其中α-氨基氮为14.58%;正丙醇为25.01%;异戊醇为25.27%;异丁醇为19.51%;活性戊醇为25.87%;β-苯乙醇为22.24%。为了探究接种量变化造成高级醇生成量差异的原因,实验比较了稳定期和指数生长期阶段不同接种量的发酵指标差异并通过动力学分析加以验证。结果显示,接种量对上面酵母发酵的影响主要反映在稳定期,与10%v/v相比,0.1%v/v接种量条件下稳定期阶段内α-氨基氮消耗量、正丙醇、异丁醇、异戊醇、活性戊醇和β-苯乙醇的积累量分别下降了 81.3%、70.74%、71.76%、83.60%、80.60%和 77.78%。实验构建了上面酵母生长模型以及高级醇生成模型,通过动力学分析表明了随着接种量下降,高级醇的生成与上面酵母生长的偶联程度上升。同时,通过酸化力法测定酵母活性,结果发现减少接种量会使得稳定期内酵母活性下降,影响其发酵能力,推测是因为低接种量条件下酵母繁殖代数过多导致稳定期酵母活性较低造成的。实验探寻接种量变化是否会影响到高级醇代谢相关基因的选择性表达,通过转录组测序测定0.1%v/v和10%v/v条件下基因转录水平的变化。发现与10%v/v相比,0.1%v/v接种量条件下一共有36个基因mRNA水平存在明显差异（变化幅度2倍以上）,其中3个为上调基因,33个为下调基因。通过KEGG富集分析,发现氨基酸代谢相关途径受到显着影响,主要涉及6个差异基因,其中,ALD4和ALD6主要与支链氨基酸相关;ARO9和ARO10主要参与芳香族氨基酸代谢;PUT1则主要负责编码脯氨酸通透酶;DAL80与酵母细胞中的氮阻遏现象有关。构建这些差异基因的突变菌株,分别在不同接种量条件下进行发酵验证并与出发菌株相对比。结果表明ALD6、ALD4、ARO9和ARO10是影响上面酵母高级醇代谢的关键功能基因,其中ALD6和ALD4主要和异丁醇和异戊醇生成相关,而ARO9和ARO10则主要与异丁醇和β-苯乙醇生成相关。
蔡琳飞[10]（2019）在《内源性蛋白质对啤酒氧化稳定性的影响研究》文中研究指明啤酒氧化稳定性对啤酒的品质和货架期起到了决定性的作用。如何提高啤酒内源性抗氧化活性来延缓啤酒风味老化,改善啤酒的氧化稳定性一直是啤酒行业长期关注的焦点问题之一。蛋白质作为啤酒中重要的组分,不仅决定了啤酒的浑浊和泡沫稳定性,而且脂转移蛋白1（LTP1）作为一种富含巯基的蛋白被证实与啤酒的抗氧化能力紧密相关。本文较为系统地研究了啤酒强制老化过程中蛋白质（包括LTP1）含量、分子结构特征和抗氧化活性的变化规律,深入探讨了溶解氧含量与啤酒蛋白质结构和抗氧化活性间的关系,在此基础上明晰了啤酒酿造过程尤其是糖化工艺对蛋白质及其氧化稳定性的影响,揭示了内源性蛋白质对啤酒氧化稳定性的影响机制,为通过调控蛋白组分而改善啤酒的氧化稳定性提供了理论依据。主要研究结果如下:（1）研究了强制老化过程中,啤酒中的蛋白质及其分子结构和抗氧化活性的变化规律,结果表明,随着强制老化时间的延长,啤酒中蛋白含量不断下降,大分子蛋白逐渐降解,同时游离巯基向二硫键的转化度增加,提高了蛋白的氧化程度,说明蛋白质在啤酒强制老化过程中发挥着重要作用。分离纯化所得的LTP1表现出了较强的ABTS自由基清除能力,但由于在强制老化过程中其二级结构被破坏,空间构象发生改变,从而丧失了自由基清除能力和延缓啤酒氧化的能力。（2）探讨了溶解氧含量对啤酒蛋白质的影响机制,结果表明,溶解氧的增加加剧了啤酒蛋白的损失,加速了LTP1的氧化,对其二级结构和空间构象造成更加强烈的破坏。强制老化过程中,溶解氧含量的上升明显增加了啤酒的老化程度,加速了啤酒风味的恶化。（3）揭示了酿造过程中蛋白和巯基的变化及其与麦汁抗氧化力的关系,结果表明,糖化是麦汁蛋白和巯基含量变化最为剧烈的工序,在合适的糖化温度下,适当延长糖化时间有利于麦汁蛋白的溶出与积累,显着提高了麦汁的ABTS自由基清除活性,说明麦汁中的蛋白尤其是具有抗氧化活性的LTP1的含量与麦汁的氧化稳定性密切相关。
二、啤酒后期生产溶氧量的控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、啤酒后期生产溶氧量的控制（论文提纲范文）
（1）高浓酿造啤酒发酵周期的研究进展（论文提纲范文）
| 1 高浓酿造工艺特点 |
| 2 高浓酿造对发酵周期的影响 |
| 2.1 原料质量 |
| 2.1.1 主发酵温度对发酵周期的影响 |
| 2.1.2 麦汁浓度对发酵周期的影响 |
| 2.1.3 接种量对发酵周期的影响 |
| 2.1.4 溶氧量对发酵周期的影响 |
| 3 菌株质量对高浓酿造发酵周期的影响 |
| 3.1 高浓酿造对酵母菌株的影响 |
| 3.2 酵母性能对高浓酿造发酵周期的影响 |
| 3.2.1 酵母絮凝性 |
| 3.2.2 酵母的α-葡萄糖苷酶及糖通透酶表达能力 |
| 3.2.3 酵母的双乙酰合成及还原能力 |
| 4 展望 |
（2）高耐性酿酒酵母的杂交育种及高浓啤酒酿造工艺研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 啤酒的发展及现状 |
| 1.1.1 啤酒发展简史 |
| 1.1.2 精酿啤酒的发展状况 |
| 1.1.3 啤酒超高浓酿造技术简介 |
| 1.2 酿酒酵母简介 |
| 1.2.1 啤酒酵母概述 |
| 1.2.2 葡萄酒酵母概述 |
| 1.3 高耐性酿酒酵母菌株的选育 |
| 1.3.1 酵母的选育方法 |
| 1.3.1.1 杂交育种 |
| 1.3.1.2 诱变育种 |
| 1.3.1.3 基因工程育种 |
| 1.3.1.4 自然突变株的选育 |
| 1.3.2 高耐性酿酒酵母的选育现状 |
| 1.4 超高浓酿造过程中麦汁组分对酵母的影响研究进展 |
| 1.4.1 氮源 |
| 1.4.2 碳源 |
| 1.4.3 含氧量 |
| 1.5 超高浓酿造发酵过程中的工艺控制 |
| 1.6 本文研究意义与内容 |
| 1.6.1 本文的研究背景及意义 |
| 1.6.2 本文的主要研究内容 |
| 第2章 高耐性酿酒酵母的选育 |
| 2.1 引言 |
| 2.2 实验材料 |
| 2.2.1 菌株 |
| 2.2.2 原料 |
| 2.2.3 主要实验试剂 |
| 2.2.4 培养基 |
| 2.2.5 实验仪器及设备 |
| 2.3 实验方法 |
| 2.3.1 麦汁制备 |
| 2.3.2 单倍体的制备 |
| 2.3.2.1 酵母纯化及种子液的制备 |
| 2.3.2.2 诱导孢子形成的方法 |
| 2.3.2.3 子囊孢子的染色 |
| 2.3.2.4 子囊孢子的分离与单倍体的获得 |
| 2.3.3 单倍体的鉴定 |
| 2.3.3.1 特异性PCR扩增 |
| 2.3.4 单倍体生长曲线的测定 |
| 2.3.5 单倍体菌株的筛选 |
| 2.3.5.1 耐高渗透压单倍体菌株的筛选 |
| 2.3.5.2 耐高酒精度单倍体菌株的筛选 |
| 2.3.6 杂交菌株的检出 |
| 2.3.7 杂交菌株的筛选 |
| 2.3.7.1 耐高渗透压杂交菌株的筛选 |
| 2.3.7.2 耐高酒精度杂交菌株的筛选 |
| 2.3.7.3 杂交菌株的发酵试验 |
| 2.3.8 啤酒理化指标检测方法 |
| 2.3.8.1 酒精度的测定 |
| 2.3.8.2 酵母数的测定 |
| 2.3.8.3 残糖的测定 |
| 2.3.8.4 外观糖度的测定 |
| 2.3.8.5 实际发酵度的测定 |
| 2.3.8.6 双乙酰的测定 |
| 2.3.8.7 总酸的测定 |
| 2.3.8.8 风味物质的测定 |
| 2.4 实验结果与分析 |
| 2.4.1 产孢培养基的筛选 |
| 2.4.2 产孢温度的选择 |
| 2.4.3 单倍体鉴定结果 |
| 2.4.4 单倍体生长曲线的绘制 |
| 2.4.5 单倍体菌株的筛选 |
| 2.4.6 杂交菌株的筛选 |
| 2.4.6.1 不同菌株在高浓麦汁中生长曲线的测定 |
| 2.4.6.2 不同菌株在发酵过程中酵母数的测定 |
| 2.4.6.3 不同菌株在发酵过程中外观糖度的测定 |
| 2.4.6.4 不同菌株在发酵过程中CO_2失重情况的测定 |
| 2.4.6.5 不同菌株发酵性能理化指标的测定 |
| 2.4.6.6 不同菌株发酵风味物质含量的测定 |
| 2.5 本章小结 |
| 第3章 高浓特种啤酒酿造工艺优化研究 |
| 3.1 前言 |
| 3.2 实验材料与设备 |
| 3.2.1 主要实验原料 |
| 3.2.2 主要实验试剂 |
| 3.2.3 实验仪器与设备 |
| 3.3 实验方法 |
| 3.3.1 帝国世涛特种啤酒的酿造工艺流程 |
| 3.3.2 帝国世涛特种啤酒酿造工艺优化试验 |
| 3.3.2.1 单因素优化试验设计 |
| 3.3.2.2 响应面优化试验设计 |
| 3.3.3 帝国世涛特种啤酒感官品评 |
| 3.3.4 酒液理化指标检测方法 |
| 3.3.4.1 酒精度的测定 |
| 3.3.4.2 残糖的测定 |
| 3.3.4.3 实际发酵度的测定 |
| 3.3.4.4 浊度的测定 |
| 3.3.4.5 色度的测定 |
| 3.3.4.6 双乙酰的测定 |
| 3.3.4.7 总酸的测定 |
| 3.3.4.8 泡持性的测定 |
| 3.3.4.9 苦味值的测定 |
| 3.3.5 成品酒风味物质的测定 |
| 3.4 结果与分析 |
| 3.4.1 帝国世涛特种啤酒单因素试验结果分析 |
| 3.4.1.1 酵母接种量对帝国世涛特种啤酒感官评分的影响 |
| 3.4.1.2 主发酵温度对帝国世涛特种啤酒感官评分的影响 |
| 3.4.1.3 酒花添加量对帝国世涛特种啤酒感官评分的影响 |
| 3.4.2 帝国世涛特种啤酒酿造工艺响应面试验结果分析 |
| 3.4.3 帝国世涛特种啤酒的最佳酿造工艺 |
| 3.4.4 成品帝国世涛特种啤酒理化指标测定 |
| 3.4.5 成品帝国世涛特种啤酒风味物质分析 |
| 3.5 本章小结 |
| 第4章 结论与展望 |
| 4.1 结论 |
| 4.2 创新点 |
| 4.3 展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
（3）基于气味与近红外光谱检测的啤酒发酵过程研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 基于电子鼻气味检测技术 |
| 1.3 基于近红外光谱检测技术 |
| 1.4 啤酒发酵过程研究现状 |
| 1.5 课题研究内容 |
| 1.6 技术路线 |
| 第二章 温度和溶氧量对啤酒发酵过程的影响 |
| 2.1 前言 |
| 2.2 实验材料及方法 |
| 2.2.1 实验材料 |
| 2.2.2 主要仪器 |
| 2.2.3 实验方案 |
| 2.2.4 理化指标检测 |
| 2.2.5 GC-MS检测 |
| 2.2.6 数据处理 |
| 2.3 结果与讨论 |
| 2.3.1 温度和溶氧量对发酵时间的影响 |
| 2.3.2 温度和溶氧量对酵母菌数量的影响 |
| 2.3.3 温度和溶氧量对发酵过程理化指标的影响 |
| 2.3.4 温度和溶氧量对啤酒挥发性风味物质影响 |
| 2.3.5 感官品评结果 |
| 2.4 本章小结 |
| 第三章 基于气味检测技术的发酵过程挥发性成分分析 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 材料 |
| 3.2.2 仪器与设备 |
| 3.2.3 电子鼻检测 |
| 3.2.4 GC-MS检测 |
| 3.2.5 数据处理 |
| 3.3 结果与分析 |
| 3.3.1 电子鼻传感器响应信号分析 |
| 3.3.2 主成分分析 |
| 3.3.3 Fisher判别模型的建立与验证 |
| 3.3.4 PNN概率神经网络模型的建立与验证 |
| 3.3.5 判别模型的比较 |
| 3.3.6 啤酒发酵过程挥发性成分差异分析 |
| 3.4 本章小结 |
| 第四章 基于近红外光谱技术的啤酒发酵参数检测研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 实验材料 |
| 4.2.2 仪器与设备 |
| 4.2.3 分析步骤及模型评价标准 |
| 4.2.4 样品理化指标的测定 |
| 4.2.5 光谱采集 |
| 4.2.6 光谱预处理方法 |
| 4.2.7 化学计量学 |
| 4.2.8 筛选特征波段 |
| 4.3 结果与讨论 |
| 4.3.1 样品集的划分 |
| 4.3.2 光谱数据预处理 |
| 4.3.3 间隔偏最小二乘模型的建立 |
| 4.4 本章小结 |
| 第五章 啤酒发酵监测系统设计 |
| 5.1 引言 |
| 5.2 啤酒发酵检测系统总体方案设计 |
| 5.3 啤酒发酵监测系统硬件设计 |
| 5.4 啤酒温度控制系统软件部分 |
| 5.5 发酵监控系统实验验证 |
| 5.5.1 材料与方法 |
| 5.5.2 数据处理 |
| 5.5.3 结果与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间成果清单 |
（4）高浓度啤酒酿造特性的研究概况（论文提纲范文）
| 1 高浓度发酵对酵母的影响 |
| 1.1 对酵母的生理状态影响 |
| 1.2 对酵母碳源物质代谢的影响 |
| 1.3 对酵母氮源物质代谢的影响 |
| 2 高浓度啤酒酵母的选育 |
| 3 高浓度麦汁的制备 |
| 4 高浓度啤酒发酵过程的控制 |
| 5 结语 |
（6）基于组学技术的中国黄酒陈酿香气组分分析及酒龄识别的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 中国黄酒陈酿及其陈酿香 |
| 1.2 酒类陈酿/老化研究的国内外进展 |
| 1.2.1 日本清酒陈酿/贮存的研究进展 |
| 1.2.2 葡萄酒陈酿/贮存的研究进展 |
| 1.2.3 啤酒老化/氧化的研究进展 |
| 1.2.4 黄酒陈酿/贮存的研究进展及存在的问题 |
| 1.2.5 现代酒类陈酿/老化的研究思想、方法策略及研究意义 |
| 1.3 酒类分类识别及酒龄鉴别研究的国内外进展 |
| 1.3.1 黄酒分类识别及酒龄鉴别的研究进展 |
| 1.3.2 其他酒类分类识别及酒龄鉴别的研究进展 |
| 1.3.3 现代酒类分类识别及酒龄鉴别的研究思想、方法策略及研究意义 |
| 1.4 代谢组学及其在酒中应用的研究进展 |
| 1.4.1 代谢组学的提出及特点 |
| 1.4.2 代谢组学的研究方法和策略 |
| 1.4.3 酒代谢组学(Wine metabolomics)的提出与应用 |
| 1.5 风味组学及其在酒中应用的研究进展 |
| 1.5.1 风味组学的提出及研究思路和方法 |
| 1.5.2 风味组学在酒中的应用 |
| 1.6 本研究立题思路及研究内容 |
| 1.6.1 立题依据及研究思路 |
| 1.6.2 本研究内容、技术路线及意义 |
| 第二章 基于GC/MS非靶向代谢组学的黄酒陈酿香气组分分析及酒龄识别的研究 |
| 2.1 前言 |
| 2.2 材料与方法 |
| 2.2.1 黄酒样品 |
| 2.2.2 主要试剂 |
| 2.2.3 主要仪器 |
| 2.2.4 基于GC/MS非靶向代谢组学的分析策略与方法 |
| 2.3 结果与讨论 |
| 2.3.1 基于XCMS-Online在线分析软件,数据前处理分析平台的建立 |
| 2.3.2 不同酒龄黄酒GC/MS代谢组学结果的输出 |
| 2.3.3 不同酒龄黄酒中特征峰的优化及酒龄识别的PLSR分析 |
| 2.3.4 不同酒龄黄酒中特征峰的初步鉴定 |
| 2.3.5 基于GC/MS非靶向代谢组学的不同酒龄黄酒的识别研究 |
| 2.4 本章小结 |
| 第三章 基于风味组学技术和多方法联用定量策略的黄酒陈酿香气组分分析 |
| 3.1 前言 |
| 3.2 材料与方法 |
| 3.2.1 黄酒样品 |
| 3.2.2 主要试剂 |
| 3.2.3 主要仪器 |
| 3.2.4 研究方法 |
| 3.3 结果与讨论 |
| 3.3.1 新酒与陈酒中香气活性成分的初步鉴定及香气特征分析 |
| 3.3.2 采用多方法联用策略对不同酒龄黄酒中香气组分的定量结果 |
| 3.3.3 黄酒陈酿过程中香气化合物变化趋势分析及潜在Aging markers的筛选 |
| 3.3.4 黄酒陈酿过程中香气化合物OAV值分析及Key aging-aromas的筛选 |
| 3.3.5 黄酒陈酿过程中Key aging-markers的筛选 |
| 3.3.6 狭义黄酒陈酿香气组分的筛选 |
| 3.4 本章小结 |
| 第四章 基于风味导向策略的黄酒酒龄识别的研究 |
| 4.1 前言 |
| 4.2 材料与方法 |
| 4.2.1 黄酒样品 |
| 4.2.2 主要试剂 |
| 4.2.3 主要仪器 |
| 4.2.4 统计学分析和建模方法 |
| 4.3 结果与讨论 |
| 4.3.1 黄酒陈酿过程中Aging markers的 PCA和 CA分析 |
| 4.3.2 黄酒陈酿过程中Key aging-markers的 PCA及黄酒陈酿特性分析 |
| 4.3.3 黄酒陈酿过程中Key aging-markers的回归分析及酒龄预测方法的研究 |
| 4.4 本章小结 |
| 第五章 非靶向代谢组学联合SPME-GC/MS定量分析环境因素对黄酒陈酿香的影响 |
| 5.1 前言 |
| 5.2 材料与方法 |
| 5.2.1 黄酒样品 |
| 5.2.2 主要试剂 |
| 5.2.3 主要仪器 |
| 5.2.4 影响因素的研究方法 |
| 5.2.5 基于GC/MS非靶向代谢组学的分析方法 |
| 5.2.6 网络重构分析及图的绘制 |
| 5.3 结果与讨论 |
| 5.3.1 基于SPME-GC/MS非靶向代谢组学结果的输出 |
| 5.3.2 网络重构联合SPME-GC/MS定量分析温度和溶氧对黄酒陈酿香的影响 |
| 5.3.3 温度和溶氧对黄酒陈酿过程中6种Aging markers的影响 |
| 5.4 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 论文主要创新点 |
| 致谢 |
| 参考文献 |
| 附录 :作者攻读博士学位期间发表的文章和取得成果 |
| 附表 |
（7）谷氨酸发酵过程的软测量建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外谷氨酸产业的发展现状 |
| 1.2.1 谷氨酸物化性质及发展历史 |
| 1.2.2 国内外谷氨酸产业现状 |
| 1.3 软测量技术 |
| 1.3.1 软测量建模概述 |
| 1.3.2 软测量建模步骤与内容 |
| 1.3.3 软测量建模方法 |
| 1.3.4 软测量技术应用 |
| 1.4 发酵过程软测量建模国内外研究现状 |
| 1.4.1 基于机理模型的发酵过程软测量 |
| 1.4.2 基于数据驱动的发酵过程软测量 |
| 1.4.3 混合模型软测量 |
| 1.5 主要研究内容和结构安排 |
| 第二章 谷氨酸发酵过程动力学建模 |
| 2.1 引言 |
| 2.2 发酵过程基础数学模型 |
| 2.2.1 发酵过程合成和和代谢分解反应 |
| 2.2.2 发酵过程典型数学模型 |
| 2.2.3 发酵过程比反应速率模型 |
| 2.3 谷氨酸发酵过程代谢(流)网络分析 |
| 2.3.1 材料与方法 |
| 2.3.2 发酵过程影响因素分析 |
| 2.3.3 代谢网络模型的简化、计算和求解 |
| 2.3.4 基于代谢网络结构模型的谷氨酸浓度预测 |
| 2.4 谷氨酸发酵分批流加非结构动力学建模 |
| 2.4.1 非线性规划确定非结构动力学模型参数 |
| 2.4.2 遗传算法确定非结构动力学模型参数 |
| 2.4.3 改进遗传算法确定非结构动力学模型参数 |
| 2.5 本章小结 |
| 第三章 基于多阶段支持向量机回归的谷氨酸发酵过程软测量 |
| 3.1 引言 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类 |
| 3.2.2 支持向量机回归 |
| 3.3 多阶段分割算法 |
| 3.4 基于多阶段支持向量机回归的谷氨酸浓度软测量 |
| 3.5 结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于偏最小二乘和最小二乘支持向量机的谷氨酸发酵过程软测量 |
| 4.1 引言 |
| 4.2 偏最小二乘 |
| 4.2.1 PLS原理与计算方法 |
| 4.2.2 模型提取成分的确定 |
| 4.3 最小二乘支持向量机 |
| 4.4 基于耦合模拟退火的最小二乘支持向量机软测量 |
| 4.4.1 模拟退火算法 |
| 4.4.2 耦合模拟退火算法 |
| 4.4.3 耦合模拟退火优化参数算法 |
| 4.4.4 基于CSA优化的LSSVM软测量预测算法 |
| 4.5 基于PLS-LSSVM的谷氨酸发酵过程软测量 |
| 4.5.1 PLS-LSSVM软测量预测模型实现流程 |
| 4.5.2 辅助变量选择 |
| 4.6 结果与讨论 |
| 4.6.1 模型性能评估指标 |
| 4.6.2 PLS与 LSSVM模型比较 |
| 4.6.3 SVM和 LSSVM预测模型比较 |
| 4.6.4 PLS-LSSVM简化模型性能分析 |
| 4.7 本章小结 |
| 第五章 基于高斯过程的谷氨酸发酵过程软测量 |
| 5.1 引言 |
| 5.2 高斯过程模型 |
| 5.2.1 无参预测 |
| 5.2.2 高斯过程回归 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程的模型选择 |
| 5.2.5 高斯过程稀疏化 |
| 5.3 基于PLS-GP的谷氨酸发酵过程软测量 |
| 5.3.1 基于PLS-GP的软测量模型架构 |
| 5.3.2 训练数据的准备 |
| 5.3.3 输入变量选择 |
| 5.3.4 协方差函数的确定 |
| 5.3.5 结果和讨论 |
| 5.4 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.4.1 基于预测方差的自主动高斯过程模型 |
| 5.4.2 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.5 基于自相关决定高斯过程的谷氨酸发酵软测量 |
| 5.5.1 基于特征关联性的自相关决定变量选择 |
| 5.5.2 结果和讨论 |
| 5.6 本章小结 |
| 第六章 谷氨酸发酵过程软测量建模及优化控制系统的开发 |
| 6.1 引言 |
| 6.2 谷氨酸发酵过程软测量实施系统软件构架 |
| 6.3 谷氨酸发酵过程计算机控制系统 |
| 6.3.1 溶解氧控制 |
| 6.3.2 温度控制 |
| 6.3.3 pH值控制 |
| 6.3.4 压力的控制 |
| 6.3.5 泡沫的控制 |
| 6.4 谷氨酸发酵过程溶解氧的优化控制 |
| 6.4.1 材料与方法 |
| 6.4.2 DO控制算法 |
| 6.4.3 结果和讨论 |
| 6.5 监控系统设计 |
| 6.6 Matlab与 RSView32 通信的实现 |
| 6.7 软测量应用实例——谷氨酸发酵过程异常批次识别 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间的成果 |
（8）基于WSNs和BP神经网络的黄酒发酵过程监测系统研发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.1.1 黄酒行业蓬勃发展 |
| 1.1.2 黄酒行业面临问题 |
| 1.1.3 论文研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发酵过程监测现状 |
| 1.2.2 发酵温度预测现状 |
| 1.2.3 WSNs应用现状 |
| 1.3 论文研究内容 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文研究路线 |
| 第二章 黄酒发酵过程监测系统相关技术 |
| 2.1 无线传感器网络技术 |
| 2.1.1 无线传感器网络概述 |
| 2.1.2 Zigbee技术相关原理 |
| 2.2 PYQT GUI编程 |
| 2.2.1 PYTHON介绍 |
| 2.2.2 PYQT5 平台介绍 |
| 2.2.3 PYQT5 程序设计 |
| 2.3 插值与逼近相关介绍 |
| 2.3.1 插值定理介绍 |
| 2.3.2 逼近理论介绍 |
| 2.4 本章小结 |
| 第三章 黄酒发酵过程监测系统需求分析与总体设计 |
| 3.1 SSJ黄酒工艺及特性分析 |
| 3.1.1 SSJ黄酒工艺流程分析 |
| 3.1.2 发酵质量影响因素分析 |
| 3.2 系统需求分析 |
| 3.2.1 系统硬件功能需求分析 |
| 3.2.2 系统软件功能需求分析 |
| 3.3 系统总体结构设计 |
| 3.3.1 系统总体框架设计 |
| 3.3.2 系统总体功能设计 |
| 3.4 .本章小结 |
| 第四章 黄酒发酵过程监测系统设计 |
| 4.1 基于WSNs的系统硬件设备设计 |
| 4.1.1 硬件设备选型 |
| 4.1.2 Zigbee终端设备设计 |
| 4.1.3 Zigbee路由设备设计 |
| 4.1.4 Zigbee协调设备设计 |
| 4.2 基于PyQt5的GUI应用程序设计 |
| 4.2.1 登录功能模块设计 |
| 4.2.2 主页显示窗口设计 |
| 4.2.3 订单管理窗口设计 |
| 4.2.4 班组管理窗口设计 |
| 4.2.5 用户管理窗口设计 |
| 4.2.6 发酵罐管理窗口设计 |
| 4.2.7 发酵罐详情窗口设计 |
| 4.2.8 车间看板窗口设计 |
| 4.3 基于API云端功能模块设计 |
| 4.3.1 温度在线显示设计 |
| 4.3.2 温度预警短信设计 |
| 4.4 基于SQlite的系统数据库设计 |
| 4.4.1 数据库逻辑设计 |
| 4.4.2 数据库的详细设计 |
| 4.5 本章小结 |
| 第五章 黄酒发酵过程监测系统功能实现 |
| 5.1 硬件模块功能调试 |
| 5.1.1 各相关硬件设备实现 |
| 5.1.2 Zigbee终端设备实现 |
| 5.1.3 Zigbee路由设备实现 |
| 5.1.4 Zigbee协调设备实现 |
| 5.1.5 Zigbee组网通信实现 |
| 5.2 GUI应用程序实现 |
| 5.2.1 登录模块窗口实现 |
| 5.2.2 主页显示窗口实现 |
| 5.2.3 订单管理窗口实现 |
| 5.2.4 班组管理窗口实现 |
| 5.2.5 发酵罐管理窗口实现 |
| 5.2.6 用户管理窗口的实现 |
| 5.2.7 发酵罐详情窗口实现 |
| 5.2.8 车间看板窗口实现 |
| 5.3 云端功能模块实现 |
| 5.3.1 预警短信功能实现 |
| 5.3.2 在线显示功能实现 |
| 5.4 本章小结 |
| 第六章 黄酒发酵过程监测系统关键技术研究 |
| 6.1 基于插值法酒精浓度计算模型设计 |
| 6.1.1 酒精浓度数据的初始化 |
| 6.1.2 构造酒精浓度拟合函数 |
| 6.1.3 监测系统中的应用 |
| 6.2 基于BPNN黄酒发酵温度预测模型研究 |
| 6.2.1 BP神经网络算法概述 |
| 6.2.2 BP神经网络前酵温度预测模型设计 |
| 6.2.3 BP神经网络前酵温度预测模型实现 |
| 6.2.4 监测系统中的应用 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者介绍 |
| 1 作者简历 |
| 2 参与的科研项目及获奖情况 |
| 3 获得专利 |
| 学位论文数据集 |
（9）接种量对上面发酵酵母高级醇代谢的影响及机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 啤酒概述 |
| 1.1.1 啤酒定义及历史 |
| 1.1.2 啤酒分类及特点 |
| 1.1.3 啤酒产业发展现状 |
| 1.2 上面发酵与小麦啤酒概述 |
| 1.2.1 上面发酵 |
| 1.2.2 小麦啤酒概述 |
| 1.3 高级醇概述 |
| 1.3.1 高级醇对啤酒风味的影响 |
| 1.3.2 高级醇的形成机理 |
| 1.4 影响啤酒生产中高级醇形成的主要因素及控制措施 |
| 1.4.1 酵母菌的影响 |
| 1.4.2 麦汁的影响 |
| 1.4.3 发酵工艺的影响 |
| 1.4.4 啤酒发酵工艺的优化 |
| 1.5 代谢控制育种研究进展 |
| 1.5.1 诱变育种 |
| 1.5.2 原生质体融合 |
| 1.5.3 基因工程 |
| 1.6 本课题的立题依据和研究内容 |
| 1.6.1 立题依据 |
| 1.6.2 研究内容 |
| 2 材料与方法 |
| 2.1 材料与仪器 |
| 2.1.1 主要试剂 |
| 2.1.2 主要仪器与设备 |
| 2.1.3 菌种与质粒 |
| 2.1.4 主要培养基 |
| 2.1.5 主要溶液 |
| 2.2 实验方法 |
| 2.2.1 小麦啤酒发酵实验 |
| 2.2.2 引物设计 |
| 2.2.3 目的片段的获取和纯化 |
| 2.2.4 转化子的获取和验证 |
| 2.2.5 KanMX抗性基因的去除 |
| 2.3 分析方法 |
| 2.3.1 生物量测定 |
| 2.3.2 发酵速率测定 |
| 2.3.3 酒精度测定 |
| 2.3.4 真实发酵度测定 |
| 2.3.5 残糖测定 |
| 2.3.6 α-氨基氮测定 |
| 2.3.7 啤酒酵母活性测定 |
| 2.3.8 动力学分析 |
| 2.3.9 KEGG富集分析 |
| 2.3.10 高级醇含量测定 |
| 3 结果与讨论 |
| 3.1 接种量对上面发酵酵母小麦啤酒发酵的影响 |
| 3.1.1 不同接种量条件下发酵小麦啤酒的比较 |
| 3.1.2 接种量对上面发酵酵母生长性能的影响 |
| 3.1.3 接种量对上面发酵酵母发酵性能的影响 |
| 3.1.4 接种量对上面发酵酵母高级醇生成的影响 |
| 3.1.5 小结 |
| 3.2 接种量影响上面发酵酵母高级醇形成差异的原因分析 |
| 3.2.1 不同接种量上面酵母发酵啤酒指数生长期与稳定期的比较 |
| 3.2.2 动力学分析 |
| 3.2.3 啤酒酵母活性比较 |
| 3.2.4 小结 |
| 3.3 不同接种量下上面发酵酵母高级醇代谢相关基因组转录差异分析 |
| 3.3.1 低接种量下上面发酵酵母S-17基因转录水平变化 |
| 3.3.2 KEGG富集分析 |
| 3.3.3 小结 |
| 3.4 不同接种量下上面发酵酵母高级醇代谢差异关键功能基因的确定 |
| 3.4.1 一个等位基因缺失重组菌株的构建 |
| 3.4.2 两个等位基因缺失重组菌株的构建 |
| 3.4.3 重组菌株与出发菌株发酵性能的比较 |
| 3.4.4 重组菌株与出发菌株主要高级醇类物质生成量比较 |
| 3.4.5 不同接种量下重组菌株与出发菌株的比较 |
| 3.4.6 小结 |
| 4 结论 |
| 4.1 全文总结 |
| 4.2 论文的创新点 |
| 4.3 论文的不足之处 |
| 5 展望 |
| 6 参考文献 |
| 7 攻读硕士学位期间发表论文情况 |
| 8 致谢 |
（10）内源性蛋白质对啤酒氧化稳定性的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 啤酒氧化稳定性的研究进展 |
| 1.1.1 啤酒风味的老化机制 |
| 1.1.2 啤酒中的内源性抗氧化物质 |
| 1.1.3 影响啤酒氧化稳定性的因素 |
| 1.1.4 啤酒氧化稳定性的评价 |
| 1.2 啤酒中的蛋白质 |
| 1.2.1 啤酒中蛋白质的来源 |
| 1.2.2 啤酒中蛋白质的分类 |
| 1.3 啤酒中蛋白质的抗氧化作用 |
| 1.3.1 啤酒中蛋白质抗氧化的作用机制 |
| 1.3.2 啤酒中蛋白质抗氧化作用的研究进展 |
| 1.4 立题依据和研究内容 |
| 1.4.1 立题依据 |
| 1.4.2 研究内容 |
| 第二章 强制老化过程中啤酒蛋白质的氧化和结构特征的变化规律 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 实验材料与试剂 |
| 2.2.2 仪器设备 |
| 2.2.3 实验方法 |
| 2.3 结果与讨论 |
| 2.3.1 强制老化过程中啤酒蛋白的变化 |
| 2.3.2 强制老化过程中啤酒老化程度的变化 |
| 2.3.3 强制老化过程中啤酒和LTP1 抗氧化能力的变化 |
| 2.3.4 强制老化过程中啤酒和LTP1 巯基、二硫键含量的变化 |
| 2.3.5 强制老化过程中啤酒LTP1 二级结构的变化 |
| 2.3.6 强制老化过程中啤酒LTP1 三级结构的变化 |
| 2.4 本章小结 |
| 第三章 溶解氧含量对啤酒蛋白质的氧化和结构特征的影响 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 实验材料与试剂 |
| 3.2.2 仪器设备 |
| 3.2.3 实验方法 |
| 3.2.4 数据统计与分析 |
| 3.3 结果与讨论 |
| 3.3.1 溶解氧含量对啤酒蛋白的影响 |
| 3.3.2 溶解氧含量对啤酒老化程度的影响 |
| 3.3.3 溶解氧含量对啤酒和LTP1 抗氧化能力的影响 |
| 3.3.4 溶解氧含量对啤酒和LTP1 巯基、二硫键含量的影响 |
| 3.3.5 溶解氧含量对啤酒LTP1 二级结构的影响 |
| 3.3.6 溶解氧含量对啤酒LTP1 三级结构的影响 |
| 3.4 本章小结 |
| 第四章 酿造过程对啤酒蛋白及其氧化特性的影响 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 实验材料与试剂 |
| 4.2.2 仪器设备 |
| 4.2.3 实验方法 |
| 4.3 结果与讨论 |
| 4.3.1 酿造过程中蛋白含量的变化 |
| 4.3.2 酿造过程中游离巯基含量的变化 |
| 4.3.3 酿造过程中蛋白质SDS-PAGE分析 |
| 4.3.4 糖化工艺参数对麦汁蛋白、游离巯基含量和抗氧化力的影响 |
| 4.4 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 创新点 |
| 3 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、啤酒后期生产溶氧量的控制（论文参考文献）
- [1]高浓酿造啤酒发酵周期的研究进展[J]. 张亚萌,王金晶,钮成拓,郑飞云,刘春凤,李崎. 中国酿造, 2021(07)
- [2]高耐性酿酒酵母的杂交育种及高浓啤酒酿造工艺研究[D]. 杨贵恒. 齐鲁工业大学, 2021(10)
- [3]基于气味与近红外光谱检测的啤酒发酵过程研究[D]. 谢宇飞. 江南大学, 2021(01)
- [4]高浓度啤酒酿造特性的研究概况[J]. 崔云前,孟飞,杜俊杰,吉春晖,周长生. 食品工业, 2021(03)
- [5]改进充氧工艺和控制方法对降低高级醇产生量的研究[J]. 林熙. 中外酒业·啤酒科技, 2020(15)
- [6]基于组学技术的中国黄酒陈酿香气组分分析及酒龄识别的研究[D]. 王娜. 江南大学, 2020(01)
- [7]谷氨酸发酵过程的软测量建模研究[D]. 郑蓉建. 江南大学, 2020(01)
- [8]基于WSNs和BP神经网络的黄酒发酵过程监测系统研发[D]. 黄苏西. 浙江工业大学, 2020(08)
- [9]接种量对上面发酵酵母高级醇代谢的影响及机理研究[D]. 王孟祺. 天津科技大学, 2019(07)
- [10]内源性蛋白质对啤酒氧化稳定性的影响研究[D]. 蔡琳飞. 华南理工大学, 2019(01)