玉米薄层变温干燥特性及工艺参数优化研究

为提高玉米的干燥品质,降低干燥能耗,在前人研究谷物变温干燥的基础上,探究变温干燥工艺对玉米干燥特性及品质的影响。分析初始干燥温度(45～70℃),转换温度含水率(18～26%)、升温幅度(5～25℃)、缓苏比(1:1;2:1;3:1;4:1;5:1)等试验因素对玉米干燥速率及外观品质(裂纹率增值、色差)的影响规律;采取多元二次回归正交旋转组合试验方法,以初始干燥温度、转换温度含水率、升温幅度及缓苏比为试验因素,以裂纹率增值和色差值为目标响应值,通过建立回归模型和响应面图,分析玉米变温干燥特性并阐明产生结果的原因。通过单因素分析,结果表明：初始干燥温度为45～55℃、转换温度含水率为20～24%、升温幅度为5～15℃、缓苏比为2:1～4:1条件下可获得较好的干燥品质;变温干燥的最佳工艺参数组合为初始温度为50.59℃、转换温度含水率为21.56%、升温幅度为5℃、缓苏比为3.8:1,干燥后的玉米裂纹率增值为10.00%、色差值为2.056,实验值与预测值之间的相对误差为4.25% ,研究结果可为玉米变温干燥的技术改进及深入探讨变温干燥工艺对玉米品质变化机理研究提供数值和理论参考。     

基于玻璃化转变玉米变温干燥工艺优化及预测模型建立

为研究基于玻璃化转变的变温干燥工艺对玉米的干燥效果,在不同初始干燥温度、降水幅度及升温幅度条件下,探究最佳变温干燥工艺参数并建立数学模型,与神经网络建立的预测模型作对比。结果表明,以裂纹率为响应指标,得出最佳工艺参数组合为46.11℃、4.99%、9.63℃,此时裂纹率为12.02%。利用PSO-BP(Particleswarmoptimization-Backpropagation)神经网络构建3输入1输出的玉米变温干燥裂纹率的预测模型,网络拓扑结构为3-9-1,此时模型的R2为0.9834,与响应面法(Response surface methodology, RSM)拟合的二次回归模型拟合优度(R2=0.9248)相比,PSO-BP神经网络构建的模型预测精度优于RSM。因此,PSO-BP模型较RSM有更高的建模效率,可精确地预测干燥后玉米裂纹率,为玉米变温智能干燥过程及干后品质提供较优的解决方案及操作条件提供理论参考。     

基于玻璃化转变的稻谷干燥工艺研究

稻谷收获后含水率可高达30%～35%,不及时干燥易发生霉变、发芽等情况,导致稻谷品质下降,损失严重,而常用的热风干燥在效率及干后品质方面存在优化空间。以稻花香2号为研究对象,将玻璃化转变理论与分程干燥工艺相结合,分析恒温及变温干燥工艺中干燥温度、升温速率及湿基含水率对干燥时间及稻谷干后品质的影响。结果表明：玻璃态变温干燥工艺中虽干燥速率慢但较大程度上降低了稻谷的爆腰率,保证了稻谷的干后品质;橡胶态分程变温干燥工艺中爆腰率较60～65℃的恒温干燥工艺降低64.7%左右,整精米率提升112.5%左右,与玻璃态变温干燥相比,干燥前后稻谷蛋白质含量与直链淀粉含量差别不大,但其干燥速率更高,所需干燥时间更短。将玻璃化转变理论与橡胶态分程变温干燥工艺相结合,可在有效降低稻谷干后品质损失的同时,提高干燥效率,实现高水分稻谷的高效保质干燥。