基于MIV-BP神经网络的成品烟丝质量预测模型构建

目的：构建卷烟制丝过程成品烟丝质量模拟预测模型。方法：使用平均影响值法（the Mean Impact Value, MIV）对制丝加工过程工艺参数进行筛选,然后通过反向传播（Back-Propagation,BP）神经系统构建起制丝关键工艺参数和成品烟丝质量的模拟模型。结果：通过模拟数据与实测数据比较,填充值的模拟预测平均相对误差为3.16%;整丝率的模拟预测平均相对误差为0.67%;碎丝率的模拟预测平均相对误差为5.33%。结论：该模型预测值与实测值之间相对误差较小,精确性高,该模型适用于卷烟制丝生产过程工艺参数仿真优化。     

基于ANP的卷烟制丝质量评价方法

针对传统制丝质量评价体系以主观因素为主、缺乏科学依据因而难以定量分析的问题,提出了基于网络分析法ANP的制丝质量评价方法.为考察制丝工艺关键工序对制丝质量的影响权重,构建了ANP网状模型和比较判断矩阵,再根据加权超矩阵的计算排序结果进行质量评价.结果表明,滚筒烘丝工序对制丝质量影响最为显著,生产中着重强化该环节的参数优化和稳定性控制,制丝质量明显提高.这表明基于ANP的制丝质量评价方法能够有效提高制丝工艺控制精度和过程质量控制能力,可为制丝工艺确定最佳的工艺条件和准确的工艺参数提供理论依据.     

基于神经网络的烟丝填充值预测模型研究

填充值是烟丝的一项重要物理指标。在卷烟制丝生产中,叶组配方和工艺流程一般较为固定,所以制丝工艺参数对烟丝填充值的影响更为直接、突出,但工艺参数对填充值的影响为非线性的,难以根据工艺参数直接推算出烟丝填充值。针对此问题,选取了7个影响较大的工艺参数,采用BP神经网络对7个工艺参数和烟丝填充值间的数量关系进行了初步建模。通过BP神经网络设计和大数据量的训练后,该模型具备了通过工艺参数预测烟丝填充值的能力,预测结果的相对误差为4%左右,这为工艺参数和填充值之间的相互调整提供了理论依据和仿真方法。     

基于机器学习的切丝后含水率预测及控制方法

选取云烟(A)牌号制丝生产过程稳态数据样本,采用递归特征消除法分析模型的影响变量。基于车间温湿度SARIMAX预测模型,利用蒙特卡洛仿真、神经网络算法和XGBoost算法建立切丝后含水率控制模型,通过预测值与实际值对比的方法进行模型检验。结果表明,在工艺标准值±0.15%的误差范围内,切丝后含水率准确率由62.57%提升至86.49%;切丝后含水率的过程能力指数达标率由91.44%提升至97.30%。该方法实现了前后工序参数协同和精准控制,有效保证了制丝过程中切丝后含水率的稳定性。     

基于随机森林回归的制丝过程参数影响权重分析

为提高制丝工艺质量评价中参数赋权分析的科学性和客观性,选取"云烟"某规格一类卷烟制丝过程全批次数据的稳态数据样本,通过Pearson相关性矩阵筛选各工序出口含水率的解释变量,然后利用随机森林回归进行建模分析,采用拟合优度和五折交叉验证的测试集标准化均方误差分别验证模型的拟合效果和外推预测性能,最终根据OOB均方误差的平均递减值进行解释变量影响权重的测度和关键参数的筛选。结果表明:1综合Pearson相关性矩阵和设备控制原理,筛选得到37个解释变量;2制丝过程5个工序随机森林回归模型的拟合优度均大于0.9、五折交叉验证测试集的标准化均方误差均小于1,表明模型的拟合效果和外推预测性能较好;3根据解释变量影响权重的测度分析,筛选得到18个关键参数;4基于全样本数据建立的制丝过程关键参数筛选和赋权方法,可为制丝关键质量特性精准控制和工艺质量评价提供参考。     

响应面法优化麻疯树籽壳提取总黄酮工艺

以麻疯树籽壳为原料提取其中总黄酮,在单因素实验的基础上,利用响应面法建立二次回归模型并对工艺条件参数进行优化。结果表明,回归模型具有高度显著性,最佳提取工艺条件为乙醇体积分数为58%、料液比为1∶35(g/mL)、浸提温度为82℃、浸提时间为126min。在最佳工艺条件下,总黄酮得率预测值8.71%,验证值为8.65%,与模型预测值相对误差仅为0.69%,说明该优化工艺合理可靠。     

响应面法优化罗非鱼下脚料硫酸软骨素提取工艺的研究

以罗非鱼加工下脚料为原料,对硫酸软骨素的提取工艺进行了研究。其方法是在稀碱-酶解法的基础上,再利用超声波辅助提取,采用响应面分析法对主要工艺参数进行优化并得到回归模型。结果表明,最佳的优化工艺为:超声时间为23min、碱浓度为2.4%、料液比为1∶7.9,此工艺下硫酸软骨素的提取率为0.627%,回归模型的预测值与验证值的相对误差为2.64%,表明该回归方程与实际情况拟合较好。     

免疫遗传神经网络算法的纱线原料性能反演

探讨基于免疫遗传神经网络算法的纱线原料性能参数反演。以BP神经网络建立纱线原料性能参数正演模型,同时使用免疫遗传算法优化该网络的权值和阈值,以提高网络的预测精度和速度,在此基础上,以纱线强力值为对象再次通过免疫遗传算法构建反演模型,并对反演参数进行求解。通过真实数据训练仿真,反演精度达到了95%,验证了该方法的可行性与有效性。认为:该方法可为纺织企业的配棉工作和工艺设计提供有效的理论指导。     

卷烟制丝生产过程工艺质量评价方法研究进展

本文对卷烟制丝生产过程工艺质量评价方法研究进展进行系统梳理,从关键参数影响权重研究入手,从早期的较为粗略的评价方法到基于统计学分析的评价方法,从仅关注关键工艺参数到尽可能囊括所有参数,从仅针对稳态生产过程数据分析到建立全生产过程的质量评价方法,较为清晰地向读者展示制丝生产过程工艺质量评价方法的几条研究脉络。     

超声波辅助提取核桃粕蛋白工艺研究

以冷榨核桃粕为原料,研究了超声波辅助浸提核桃粕蛋白工艺。在单因素的基础上,进行了Box-Behnken中心组合试验设计,运用响应面优化的方法,得到超声波辅助提取蛋白质最佳工艺参数,提取温度49℃,超声时间61min,p H为10.0,超声波功率为500 W、料液比为1︰20(g/m L),提取率为80.555 9%。试验验证值80.555 9%接近模型的预测值80.751 3%,说明该模型能够较好的预测核桃粕蛋白提取中各参数对提取率的影响。     

遗传算法结合反向传播算法神经网络优化党参多糖的提取工艺

目的 通过遗传算法结合BP(Back Propagation)神经网络,与正交试验结果作对比,优化党参中粗多糖的提取工艺。方法 以党参多糖的提取得率为指标,采用三因素(提取次数、提取时间、料液比)优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行目标寻优,获得党参多糖的最佳提取工艺。结果 得到的最优提取工艺为提取次数3次,提取时间2 h,加水量为10倍,在此条件下党参多糖得率预测值为55.29 mg/g,和实际测量值的相对误差仅为1.10% ,具有较好的网络预测性。本方法无需复杂的实验过程,就可以快速得到最优的提取条件,且所得的党参多糖提取率较正交试验最优工艺所得的党参多糖提取率高出5.42%。结论 利用遗传算法结合BP神经网络算法对党参提取粗多糖的提取工艺进行优化快速、高效、可行。     

响应面分析法优化姬松茸多糖的脱色工艺

采用响应面分析法优化姬松茸多糖的脱色工艺。在单因素实验基础上,选取姬松茸多糖脱色过程中的上样质量浓度、上样量、洗脱流速为影响因素,以姬松茸多糖脱色工艺中脱色率(Y_1)和多糖保留率(Y_2)综合得出的归一值(OD)为响应值,根据Box-Behnken实验设计原理对姬松茸多糖脱色工艺进行响应面法分析,优化姬松茸多糖脱色工艺。结果表明:在上样质量浓度为40 mg/m L,上样量为3 m L,洗脱流速为2 BV/h条件下脱色效果最佳。在此优化条件下进行验证性实验,测得多糖脱色率(Y_1)为88.5%,多糖保留率(Y_2)为69.5%,其OD值为0.48,与模型预测值0.47相比,两者误差较小,实际验证值与模型预测值接近,表明该优化工艺具有良好的可行性。     

响应面法优化纯种根霉米粉种曲制作工艺

针对纯种根霉（Rhizopus）米粉种曲制备过程中缺乏系统控制、质量难以稳定的问题,研究其关键影响因素,优化种曲的制备工艺。以一级籼米米粉为原料,接种纯种根霉制备种曲,在单因素试验的基础上,以种曲的试饭糖分值为响应指标,利用Box-Behnken响应面设计试验优化种曲制作工艺,确定纯种根霉米粉种曲的最佳制备工艺为试管菌种培养时间72 h、二级种曲培养温度32 ℃、米粉水分含量25%。在此最佳工艺条件下进行验证试验,实际测得种曲的试饭糖分平均值为27.18 g/100 g,与模型的理论预测值非常接近,拟合成功;该模型优化工艺可为纯种根霉曲的生产提供参考。     

基于粒子群优化BP神经网络的烤烟钾氯比预测模型

为了建立预测烤烟钾氯比的BP神经网络,以影响烤烟钾氯比的可度量因素作为网络输入,并通过经验方法选取合适的网络参数,采用粒子群算法优化神经网络的初始权值和阈值,建立最佳的神经网络预测模型。结果表明:优化后的神经网络,测试样本中预测值与期望值的总相关系数为0.97155,提高了13.77%,误差在[-1,1]的样本占86.67%。该模型拟合能力较好,有一定的预测能力,泛化能力得到了明显提高,有助于评价烟叶的燃烧性和品质。     

制丝过程中烟草品质变化的近红外谱图表征

为提高卷烟产品加工质量,优化制丝工艺过程,研究了制丝过程中烟草品质变化的近红外谱图表征方法。将样品的近红外谱图在7000 cm-1~4000 cm-1频率范围内做一阶导数预处理,以试验样品与对照样品的差谱图对制丝过程中烟草品质的变化进行了表征。结果表明:差谱图的变化与工艺参数条件变化趋势基本一致,制丝过程中的单工序和组合工序烟草品质变化均可通过近红外技术进行表征。     

粒径分析法研究原花青素乳状液的制备工艺

为了制备原花青素乳状液,采用动态超高压微射流技术处理乳状液,选取阿拉伯胶和β-环糊精作为壁材,以壁材中阿拉伯胶含量、总固形物含量、处理压力为影响因素,粒径为指标进行研究。在单因素的实验基础上,通过响应面优化分析可知最佳优化工艺为:阿拉伯胶含量为40%、总固形物含量为15%、处理压力为160 MPa。该条件下获得的乳状液的粒径预测值为629.20 nm,而粒径的真实值为633.70 nm,预测值与实际测量值吻合度为98.90%,响应值的实验值与回归方程预测值吻合良好。结论:在此条件下获得的原花青素乳状液稳定性强,分布均匀;同时根据处理压力对乳状液粒径及其分布的影响结果可知,超高压微射流可以提高乳状液的稳定性。     

基于正交设计与BP网络优化人参真空冷冻干燥工艺参数

研究了人参真空冷冻干燥工艺参数对干燥速率的影响规律。运用正交试验方法研究了干燥室压力、物料厚度、加热温度对干燥速率的影响,得到了优化的工艺组合。在此基础上运用BP神经网络对试验数据进行分析处理,建立BP神经网络模型,并通过该模型进行预测和优选,得到最佳的方案,即加热温度为60℃、干燥室压力为80 Pa、物料厚度为5 mm,此时干燥速率为1.46 h-1,与网络预测值1.44 h-1相差1.38%。结果表明,经正交试验数据训练过的BP神经网络,能较好的反应工艺参数与优化指标之间的复杂非线性关系,对指导生产试验与降低经济成本具有一定的意义。     

抑制α-葡萄糖苷酶的花生蛋白活性肽制备工艺研究

目的研究超声波辅助蛋白酶酶解制备抑制葡萄糖苷酶的花生蛋白活性肽工艺方法。方法以冷榨花生蛋白粉为原料,以底物浓度、pH值、加酶量、温度、时间、超声波功率为考察因素,以α-葡萄糖苷酶抑制率为考察指标,在单因素实验基础上,通过响应面的Box-Benhnken实验设计进行工艺优化。结果超声波辅助蛋白酶酶解制备的α-葡萄糖苷酶抑制活性肽复合物的最优工艺条件为底物浓度11.13%、pH值9.45、加酶量1.2%、温度42℃、时间44min、超声波功率1200W;此工艺条件下的α-葡萄糖苷酶抑制率的响应面模型预测值为91.07%,验证实验的抑制率为(88.70±0.63)%,与模型预测值相差2.60%,说明模型与实际情况拟合较好,验证了预测模型的正确性。结论响应面法对超声波辅助蛋白酶解制备抑制α-葡萄糖苷酶的花生蛋白活性肽工艺条件参数优化是可行的,得到的工艺条件具有实际应用价值。     

基于Gibbs抽样算法的造纸工艺能源消耗预测模型仿真研究

针对造纸工艺能源消耗预测模型效果不佳的整体现象,基于Gibbs抽样算法设计了造纸工艺能源消耗预测模型,通过以贝叶斯参数估计为载体的马尔科夫蒙特卡洛算法优化传统预测模型,以能源消耗数据特性合理选择最佳先验分布,生成与目标分布要求相符的马氏链,以Gibbs抽样算法进行参数后验分布均值提取分析,当作模型参数估计值。同时进行模型仿真试验验证,结果表明,优化前模型与优化后模型预测值都可准确拟合真实值,但是就整体拟合效果来讲,贝叶斯参数估计算法能源消耗预测模型的效果更优;且贝叶斯参数估计算法能源消耗预测模型的预测精确度较高,平均绝对百分误差相对更小。     

响应面法优化微波辅助提取红甜菜色素的工艺

在单因素实验基础上,选取液料比、微波功率和微波时间三个因素,采用响应面法,以甜菜红色素溶液吸光值为响应值,对其工艺进行了优化.结果表明,微波时间对吸光值影响最大,其次是微波功率,液料比影响最小.微波辅助提取红甜菜中甜菜红色素的最佳工艺参数为:液料比47.2∶1、微波功率367.8 W、微波时间94.2 s,在此条件下甜菜红色素吸光值的预测值可达0.716,而验证优化工艺参数得到吸光值为0.735,与模型预测值非常接近,采用响应面法对微波辅助提取红甜菜中甜菜红色素的提取条件进行优化合理可行.