人工神经网络建模用于预测基于石墨烯的远红外干燥过程中的热性能和质量参数评估
Abdulaziz Nuhu Jibril1,2, Wang Jiuyuan1, Zaharaddeen Aminu Bello1
1College of Engineering, Nanjing Agricultural University, Nanjing, China.
Journal of the science of food and agriculture
|March 9, 2026
概括
使用人工神经网络 (ANN) 优化基于石墨烯的玉米远红外干燥,显著减少了干燥时间和提高了质量属性. 在预测能提高能源效率和玉米质量的最佳条件方面,ANN模型达到99%的准确性.
科学领域:
- 农业工程 农业工程
- 食品科学与技术 食品科学与技术
- 计算机建模 计算建模
背景情况:
- 人工神经网络 (ANN) 模型对于工程系统的精确预测至关重要.
- 研究了空气速度,谷物流速和红外温度对玉米干燥动力学,热性能和质量的影响,使用基于石墨烯的远红外干燥器.
- ANN被用来预测最佳的干燥条件,以平衡加热特性和玉米质量属性.
研究的目的:
- 为了优化玉米干燥参数使用基于石墨烯的远红外干燥器.
- 评估空气速度,谷物流速和红外温度对干燥动力学,热效率和玉米质量的影响.
- 利用人工神经网络 (ANN) 建模来预测最佳干燥条件和理解参数相互作用.
主要方法:
- 玉米干燥实验使用基于石墨烯的远红外干燥器进行.
- 各种参数包括空气速度 (2.0-4.0 m/s),谷物流速 (5.5-8.5 kg/min) 和红外温度 (40-60°C).
- 人工神经网络 (ANN) 模型被开发和验证,用于预测干燥性能和质量属性,达到99%的准确性.
主要成果:
- 最佳条件 (4.0 m/s空气速度,60°C红外温度,8.5 kg/min流量) 将干燥时间从8.5小时缩短到3.5小时.
- 脂酶活性从18.92%降至10.78%,酸度从1.88g NaOH/kg降至1.22g.
- 在特定条件下,最大热效率达到82.28%,抗氧化活性提高 (10.22至12.11gCE/kgDW).
结论:
- 基于石墨烯的远红外干燥,由ANN优化,提高了能源效率,而不会影响玉米的质量.
- 像ANN这样的计算工具对于优化复杂的干燥过程是有效的.
- 这项研究表明了食品行业先进干燥技术的潜力.
