基于有限元分析的核桃脱壳技术研究

核桃破壳是核桃深加工的第一步,必须首先解决。经实测发现核桃形状不规则、壳仁间隙小。试验证明核桃壳完全破裂所需的变形量大于壳仁间隙,用一般的机械挤压方法破壳必将造成大量的碎仁。该文采用结构静力分析的有限单元法,通过所建核桃的几何模型和破壳的有限元模型,对核桃在几种载荷作用下的应力分布规律进行了分析,找出了核桃壳变形量不大且产生局部裂纹点多、裂纹点易扩展的最佳的施力方式。设计了导向机构。试验表明,核桃导向装置基本实现了使核桃的椭圆长轴与破壳辊轴线平行,使核桃以滚动方式挤压扩展裂纹提高了露仁率。     

适宜核桃壳划口位置改善其破壳特性提高整仁率

针对目前传统单一的机械破壳方式存在的破壳率和整仁率难以平衡的问题,该文以预处理视角研究了对新疆核桃进行破壳前划口预处理的静态压力试验,试验结果表明,核桃划口预处理相比未处理核桃的破壳力和破壳形变量明显减小,整仁率明显增加;当核桃划口位置和施加载荷位置均在核桃肚部时,核桃破壳力和破壳形变量均明显减小,与未处理的核桃相比破壳力减小了139 N,减幅为38.4%;破壳形变量减小了0.37 mm,减幅为18.2%;利用三维扫描仪对研究对象进行三维建模,使其更接近物料实形,并实施模型核桃划口处理。有限元静力学分析结果表明:未划口处理的核桃,其壳体表面最大应变、应力和形变发生在加载位置;当加载力相同时,划口预处理条件下在核桃划口位置产生的应变、应力和形变量最大;当核桃划口位置和加载位置均在核桃肚部时,核桃壳表面产生的应变、应力和形变量均较大。该研究结果经验证与静态压力试验结果基本吻合。研究结果为核桃划口机和核桃破壳设备的研制提供理论支撑。     

核桃不饱和脂肪酸总量预测线性与非线性模型

为研究核桃的外观形状变化与内部营养成分累积的规律,以35个核桃品种的果实为试验材料,分析测定其脂肪、蛋白质、糖分、粗纤维、水分含量及外观指标,采用多元线性回归分析、主成分分析、BP神经网络等数学方法,建立核桃不饱和脂肪酸的预测模型。结果表明,基于16项常规理化及外观测定数据建立的线性模型(LM)和非线性模型(NLM)对核桃不饱和脂肪酸(UFA)总量、多不饱和脂肪酸(PUFA)和单不饱和脂肪酸(MUFA)预测的可靠性存在差异;NLM的可靠性优于LM,即RNLMRLM;全因素的BP神经网络模型可用于MUFA的预测,预测的平均相对误差为0.59%,基于主成分的BP神经网络模型可用于UFA总量的预测,预测的平均相对误差为4.58%。本研究结果为核桃加工利用过程中原料选择、品质评价、质量控制等环节提供了相关的理论依据。     

基于冠层光谱特性的水稻叶片含水率模型

基于水稻叶片含水状况与冠层光谱反射率存在关联,尝试构建水稻叶片含水率模型。在水稻生长的孕穗期,同时测量室外水稻冠层光谱反射率和叶片含水率,依据水稻叶片含水率与各光谱波段反射率之间的相关性系数,选取高相关性系数对应的光谱特征波段。采用遗传算法对BP神经网络的初始权值进行优化处理。分别应用BP神经网络和GA-BP-Network、传统多元线性回归方法建立预测模型。试验表明,GA-BP-Network模型的预测含水率值与真实值平均误差率为3.9%,最大误差率为6.1%,均比BP神经网络、传统多元线性回归预测模型有了很大的改善,提高了预测水稻叶片含水率的准确性。     

澳洲坚果破壳工艺参数优化及压缩特性的有限元分析

为了提高澳洲坚果破壳整仁率,该文首先以加载速度、加载方向、果壳含水率为试验因素进行正交试验,以破壳后澳洲坚果果仁的整仁率为评价指标,优化出适宜澳洲坚果破壳的最佳工艺参数为:加载速率45 mm/min、沿水平向加载、果壳含水率6%~9%。在此破壳工艺下进行试验,得出澳洲坚果的整仁率最高可达93%。澳洲坚果果壳种脐向、宽度向、水平向的平均破壳力分别为1 018、2 274、1 173 N;弹性模量分别为32.24、68.63、39.65 MPa。说明澳洲坚果是各向异性的,宽度向的抗压能力最强。运用有限元方法对澳洲坚果的3个加载方向进行应力和应变分析,得出较佳的施力方向为水平向,与试验结果一致。故在设计破壳机时,施加于澳洲坚果的破壳力应不小于2 500 N,并应尽量使澳洲坚果沿水平向受力。研究结果为澳洲坚果破壳机的研制提供了理论基础。     

光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

为了进一步提高种子含水率的高光谱估算精度,该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值,分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系,构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型,并对模型进行了验证;再结合一元线性回归（SLR,Single Linear Regression）、逐步多元线性回归（SMLR,Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR,Partial Least Squares Regression）模型与BP神经网络（BPNN,BP Neural Network）模型进行比较。结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1 410、1 900、1990 nm,一阶微分光谱特征波长位于1 150、1 950、2 080 nm;2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优,在能够满足水分估算精度的情况下,是最优的选择方法。3）将优选的特征参数作为输入,实测含水率值作为输出,构建BP神经网络模型,其建模与验模R2分别为0.978和0.973,RMSE分别为0.22%和0.242%,而RPD值分别为6.478和5.889,与其他模型相比,BP神经网络模型的建模及预测精度均最高,是估算油用牡丹种子含水率的最优模型,其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力,是估算油用牡丹种子含水率的有效方法。     

核桃分级破壳取仁及壳仁分离关键技术与装置研究进展

中国是世界核桃种植面积和产量第一大国,高营养和经济附加值的核桃精深加工产品需求量日益增加,因而核桃具有广阔的综合开发利用前景。核桃分级、破壳取仁和壳仁分离是初加工流程中最为关键的3个环节,而且是核桃精深加工必备的前道工序。然而传统的手工作业方式及功能简单的核桃初加工装置无法满足食品工业对核桃高品质及批量化要求,严重制约核桃产业的发展。因此,加大核桃初加工关键技术及装置的研发力度势在必行。对于核桃分级,以尺寸特征为基础,锥辊式、栅条式、筛网式、视觉成像式是分级装置的4种原理。基于分级原理,分类总结分级装置现状及其应用特点;不同类型装置的多因素性能试验可得到各自优化参数组合。对于重点环节破壳取仁,核桃相应物理特性是破壳装置设计的重要依据,如球度、壳厚、含水率等直接影响核桃壳、仁的机械性能,分类总结表征不同物理特性的参数值范围。基于物理特性,挤压式、碰撞式、气爆式是核桃破壳的3种主要原理,分类总结核心破壳机构特征及其应用,并重点介绍了3种创新型破壳装置与工作原理。多因素性能试验可优化各类型装置主要影响因素的参数组合。对于壳仁分离,风选式是目前相关装置的主要应用原理,核桃混合壳仁形态特征及物理参数是设置风速和风向的主要依据;在风选式壳仁分离机理的基础上,分类总结多种壳仁分离装置及各自多因素性能试验下的优化参数组合。该研究通过对核桃初加工3个关键环节各自对应的核桃物理特性、工作机理、装置及其性能优化试验进行系统性总结和综述,期望加深对核桃初加工过程的理解,为提升核桃加工水平提供理论依据与技术支持。     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto研究中预测能力不足的问题,将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析,提取主成分,建立了基于主成分的三层BP神经网络模型.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与Eto之间的关系,尤其对训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

三倍体西瓜种子种壳结构及机械破壳力学特性

为实现机械破壳代替人工破壳的方式提高无子西瓜种子的发芽率。对比二倍体西瓜种子,用种壳超微结构分析方法解释了三倍体西瓜种子的发芽障碍原因;并采用3种常见的三倍体西瓜种子黑牛、蜜红和花皮,含水率分别为11.1%、11.2%和10.6%,运用常用试验方法对实现机械破壳的力学特性进行了试验研究。试验结果得出三倍体西瓜种子的加载速度对破壳力的影响;设计压缩摇杆时,其调节量标准以各品种的压缩变形量最大值为基准;加载速度宜选择80～100mm/min;最大破壳力为68.97N。研究得到的结果为开发三倍体西瓜种子破壳机械提供了基本参数和理论计算依据。     

基于R-BP神经网络的温室小气候多步滚动预测模型

温室高效生产依赖于适宜的温室小气候环境,建立高精度的温室小气候多步预测模型对实现温室环境优化调控具有重要意义。本研究提出一种基于滚动的反向传播神经网络（Rolling Back Propagation Neural Network, R-BP）的温室小气候多步滚动预测模型。模型主要包括两个阶段：（1）建立初始的BP神经网络。采用自动编码器无监督学习方法获取初始网络参数,并利用改进的粒子群算法优化网络参数。（2）建立滚动的BP神经网络群。将前一个网络输出作为后一个网络的部分输入进行滚动训练和预测,实现温室小气候多步滚动预测。为验证R-BP模型的有效性,在阿拉伯联合酋长国阿布扎比市的自控温室和中国苏州市的非自控温室分别进行试验。验证试验表明,与传统BP神经网络相比,在阿布扎比温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低69.9%,预测相对湿度,其平均误差降低47%;在苏州温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低43.3%,预测相对湿度,其平均误差降低55.6%。说明R-BP模型能够较准确预测未来6h内温室小气候环境变化,可为制定温室小气候优化调控方案提供依据。     

采收期对叶城县6个核桃品种品质影响初探

为明确叶城县6个核桃品种（温185、新新2、新丰、扎343、新光和温179）不同采收期果实品质和青果开裂率的变化规律,确定6种核桃在叶城县的适宜采收期,本试验测定了6种核桃样品的外观品质（三径、坚果单重、壳厚、出仁率、径仁率、含水率）和内在品质（脂肪、蛋白质、可溶性糖、维生素E和矿质元素含量）。结果表明,随着采收时间的推迟,6个核桃品种的坚果三径、单果重、出仁率、径仁率呈上升趋势,壳厚、含水率均呈下降趋势,内在品质整体呈上升趋势。温185在9月4日、新新2在9月24日、新丰和扎343在9月14日、新光和温179在9月19日采收的核桃坚果质量、脂肪、蛋白质含量等已基本定型,过早或过晚采收对核桃品质均有影响。相关性分析表明,青果开裂率越大,则果实越大、内在营养物质含量越高,果实青果开裂率可作为判断叶城县6个核桃进入适宜采收期的重要依据。综合上述评价结果表明,温185、新新2、新丰、新光和温179的青果开裂率达75%,扎343的青果开裂率达55%为适宜的采收期。本研究结果为叶城县6种核桃采收后深加工、贮藏以及进一步划分果实等级提供了理论依据。     

基于颜色传感器和遗传算法的牛肉系水力快速检测

为了实现快速检测牛肉系水力,解决肉制品系水力检测不便的问题,该文研究了基于颜色传感器和遗传算法的牛肉系水力快速检测方法。优化了变色试纸与牛肉样品的最佳贴附时间,使用Arduino控制器操控颜色传感器采集试纸颜色参数;将80组牛肉样品分成60个训练组和20个验证组,应用遗传算法优化BP神经网络模型。研究结果表明:在系水力试纸的尺寸为5 cm×2 cm、氯化钴浸泡液浓度为3 g/mL的条件下,得到试纸最佳贴附时间为20 s;经遗传算法优化BP神经网络后,最佳线性回归方程的斜率为0.96,相关系数R~2为0.987,优化后的神经网络模型对系水力等级的预测准确率从90%提高到95%;将检测时间降低到1 min之内,实现了对牛肉系水力等级的快速检测。该研究为进一步开发智能化的肉制品系水力快速检测设备提供了理论依据。     

基于中国核桃发展战略的核桃加工业的分析与思考

核桃是世界重要坚果,位列四大干果之首,是中国重要的经济林树种。核桃果实含有丰富的营养成分,具有较好的医疗保健功能,有长寿果之美誉,特别是核桃仁含油率高达60%~70%,在中国食用油料安全方面可发挥重要作用。基于核桃的营养成分和经济价值,中国核桃种植面积每年在以10%的速度增长,目前正处在前所未有的发展阶段,预计2020年核桃种植面积将达到267万hm2,届时产量将达300万t,发展核桃加工业刻不容缓。该文阐述了核桃可加工的产品及中国核桃加工产业现状,如果每年直销70万t核桃坚果,贮藏50万t核桃鲜果,将180万t核桃坚果(即总产量的60%)用于加工,可增加利税145.1亿元,企业获纯利润128.47亿元。该文提出了中国核桃加工业应解决的10个问题:搞好顶层设计、加大政策支助、扶持加工企业、形成产业链条、实行产学研联盟、深入理论研究、研发加工机械、注重大众产品、开发高档精品、打开国际市场等。随着核桃种植业的发展,在生产大众化产品,提高质量的前提下,开发高档次精品,中国核桃加工业将有着广阔的市场前景和极大的发展空间。     

基于遗传神经网络的全国小麦条锈病长期气象预测

为了提高反向传播（BP）神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析（PCA）,提取累计贡献达到85．46％的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法（GA）优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80％以上,其中GA—BP神经网络模型的精度最高,达92．6％,而其训练步长仅为标准BP神经网络的1／4左右。通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA—BP神经网络模型可以较好的预测小麦条锈病的发病率。     

基于BP神经网络的离心泵关死点功率预测

离心泵关死点功率至今还不能通过理论计算求得。该文介绍了BP神经网络的结构和特点及其在离心泵性能预测领域的应用现状。基于BP神经网络建立了离心泵关死点功率的预测模型。给出了预测模型的输入模式,并应用试凑法确定了BP神经网络中间隐含层的数目。用46组数据该预测模型进行了训练并给出了神经网络权值和阈值,用3组数据该预测模型进行了仿真并对仿真结果进行了线性回归分析。研究结果表明:建立的离心泵关死点功率预测模型具有比较高的预测精度,其预测平均偏差为4%,可以应用于工程实践中离心泵关死点功率的理论求解。     

基于遗传神经网络的黑龙江浅表地层水分预测

针对BP神经网络预测土壤墒情容易出现较大空间内存在局部极值点的问题,采用GA算法对BP网络进行优化,根据大豆作物在不同生长阶段的根系分布及吸水情况,划分3个不同发育阶段,5个地层深度,建立3种对应的土壤含水量遗传神经网络预测模型,并应用于黑龙江垦区红星农场大豆田间土壤水分预测,分别对3种模型的整体预测误差进行了分析,2009年大豆播种前期及其全生育期土壤体积含水量预测的平均绝对误差为1.83%,能较好地反映大豆田间土壤水分具体情况,为大豆节水灌溉与管理提供可靠的科学依据,该预测方法亦可为寒地大豆或其他农作物田间土壤水分预测提供借鉴。     

基于径向基函数神经网络与改进遗传算法的黄河流域需水预测

针对遗传算法的不足 ,利用改进的遗传算法 ,结合性能优于 BP网络的径向基函数神经网络 ,并进行网络优化 ,建立了黄河流域需水预测模型 ,拟合预测结果表明 ,该模型能有效提高预测精度。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。