基于BP神经网络和灰狼算法,红外联合热空气干燥片的质量和流程优化

科学领域:

• 食品科学与技术 食品科学与技术
• 农业工程 农业工程
• 生物质加工生物质加工

背景情况:

• 优化切片的脱水过程对于保持质量和最大限度地减少能源消耗至关重要.
• 传统方法在干燥过程中往往缺乏在平衡多个质量属性的精度.
• 了解干燥参数对物理化学性质的影响对于工业应用至关重要.

研究的目的:

• 为了研究干燥温度,切片厚度和辐射距离对片质量属性的影响.
• 使用BP神经网络狼算法 (GWO) 模型来确定最佳的干燥条件.
• 将BP-GWO模型的性能与响应表面方法 (RMS) 进行比较.

主要方法:

• 实验设计涉及干燥温度 (50-70°C),切片厚度 (2-10mm) 和辐射距离 (80-160mm) 的变化.
• 应用反向传播 (BP) 神经网络与灰狼优化器 (GWO) 算法相结合,用于多目标优化.
• 评估关键质量指标:干燥时间,颜色差异,能源消耗,多糖含量,再水分比和艾伦含量.

主要成果:

• 干燥速度和水分扩散速度随着温度的提高和切片厚度/辐射距离的减少而加快.
• 降低温度和切片厚度降低了能源消耗和颜色差异.
• 与RMS.03%相比,BP-GWO模型显示出更高的预测准确性 (R2=0.9919-0.9983,RMSE减少了61.34%-80.03%).
• 确定了最佳条件:63.57°C,切片厚度4.27 mm,辐射距离91.39 mm,产生了理想的质量属性.

结论:

• 该BP-GWO模型可靠地预测木切片干燥性能,并同时优化多个质量参数.
• 确定的最佳干燥条件为工业加工提供了实际参考.
• 该模型的高精度表明它对其他干燥技术和材料的潜在应用.