基于神经网络遗传算法优化棉粕挤压膨化脱酚工艺

本文应用人工神经网络模拟了棉粕的挤压膨化脱酚工艺,建立了一个3层网络结构的BP神经网络模型用以预测游离棉酚的降解规律,采用十折交叉验证表明:选择隐藏层神经元数为8、网络训练函数为"traingdx",此网络参数条件下,网络预测准确度高,网络预测输出与实验结果的相关系数(R2)为0.9941、均方根误差为0.4971。基于神经网络模型利用遗传算法进行全局寻优的结果表明,棉粕挤压膨化脱酚的最佳工艺条件为膨化温度131℃、物料水分51%、螺杆转速158r/min、喂料速度136kg/h,在此条件下,游离棉酚的实际降解率为90.50%,与遗传算法优化预测结果的平均相对误差为1.38%,平均相对误差较小。本研究表明,神经网络模拟结合遗传算法对棉粕挤压膨化脱酚工艺具有较好的优化效果。