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。