基于本构模型的颗粒饲料成型特性研究

为研究饲料原料挤压成型特性,构建了非线性黏弹塑性颗粒饲料成型本构模型,针对主要饲料原料小麦,通过分析成型试验因素对其本构模型系数及其表征的流变学特性的影响,研究物料特性、加工参数等对小麦原料成型特性的影响规律,并分析了模型系数与颗粒成型质量的相关性关系。黏弹塑性本构模型由牛顿黏滞体(Newton viscous dashpot element)、应变硬化弹簧元件(strain hardening spring element)和库伦摩擦元件(Coulomb friction element)构成,基于小麦原料的实际成型试验完成模型构建;模型验证结果显示:数值结果中各应力区间模型决定系数R2在0.99以上,模型值与试验值较为吻合,相对误差总平均值为3.378%,并通过χ2检验进一步证明模型有效性;应用本构模型对小麦原料成型特性的分析结果显示,表征其流变学特性的模型系数表现出明显的应力函数规律,黏性系数绝对值随着挤压过程的进行逐渐减小,弹性模量值逐渐增大,集成塑性系数值则表现为先增后降,而各成型试验因素对模型系数产生了显著规律性影响,与宏观试验现象比较吻合;通过Pearson相关性分析可知颗粒成型密度、颗粒成型率、颗粒成型硬度等成型质量指标分别与黏性系数、塑性模量与弹性模量间达到了最高的相关系数,数值皆在0.80以上且为极显著相关性水平(P0.001),为基于本构模型对颗粒成型质量进行分析和控制提供依据。研究结果为颗粒饲料挤压成型特性研究提供了一种新方法和新角度,也为颗粒饲料的高效低耗生产和产品质量的改善提供基础数据和理论参考。     

绽放最美之花共谱合作华章——浙江中关村科技产业园开园侧记

11月的衢州,是收获的季节。2013年11月24日,更是一个不平凡的日子——浙江中关村科技产业园开园!衢州及衢州绿色产业集聚区经济社会发展史写下了浓墨重彩的一笔。中关村的企业家代表来了!中关村管委会的领导来了!衢州绿色产业集聚区众人笑迎满场高朋!对衢州来说,耶过去曾经遥远陌生的中关村,     

重拳治水绿了家园美了人心——园区“五水共治”工作侧记

冶水就是生态,就是民生,就是转型。省委十三届五次全会明确要求,“衢州市要成为美丽浙江建设重要生态屏障。”而实现这一目标,首当其冲,就是治污水。面对全省人民的重托和期盼,我市在全省率先启动了以治污水为重点的“共建生态家园”行动。“以等不起的紧迫感、慢不得的危机感,坐不住的责任感,众志成城,背水一战,建设我们共有的生态家园。”     

爱增美在大棚草莓上的应用效果

爱增美是持效、稳定、超高活性第六代植物生长调节剂。为研究爱增美对大棚草莓生长、产量及草莓品质的影响,2004年11月开始进行了爱增美田间试验。     

腾换“蝶变”——园区“四换三名两化”工作侧记

腾换“蝶变”核心要义是创新驱动发展、转型升级，具体载体就是“四换三名两化融合”（包括加快腾笼换鸟、机器换人、电商换市、空间换地步伐；培育名企、名品、名家，以及工业化和信息化深度融合）。省委省政府、市委市政府都把“四换三名两化融合”工作作为推进创新驱动发展战略，加快经济转型升级的重要保证，作为当前全省、全市一项重要的工作来抓。     

向改革要红利 向整合要效益——衢州工业园区改革走在全省前列的启示

市管干部竞争性认领岗位,中层干部竞争上岗,一般干部职工双向选择;管委会实行大部制,部门个数与机关干部人数“大瘦身”近70％,25个部门整合为8个大部门;约2／3人员分流到管委会下属的衢州绿色发展集团,5％的干部职工待岗培训……     

斩断伸向林区的黑手——奉新“12·30”特大盗伐林木团伙案侦破纪实

这是一场金盾护绿行动，为了保护好那一片森林，他们历经了多少艰辛和磨难；这是一场正义与邪恶的较量，为了维护头顶国徽那代表正义的尊严，他们用勇气和智慧诠释着忠诚；这是一场没有硝烟的战争，为了实现打赢的目标，他们付出了多少汗水和心血，用铮铮铁骨捍卫着法律的神圣和不可侵犯。     

斩断伸向林区的黑手——奉新"12·30"特大盗伐林木团伙案侦破纪实

这是一场金盾护绿行动,为了保护好那一片森林,他们历经了多少艰辛和磨难;这是一场正义与邪恶的较量,为了维护头顶国徽那代表正义的尊严,他们用勇气和智慧诠释着忠诚;这是一场没有硝烟的战争,为了实现打赢的目标,他们付出了多少汗水和心血,用铮铮铁骨捍卫着法律的神圣和不可侵犯.     

基于混料设计的原料成分对颗粒饲料产品成型特性的影响

颗粒饲料的配方按不同饲喂动物生长特性及相应饲喂目的而设计不同配方间的成分差异很大。针对颗粒饲料生产过程中由于配方成分差异导致的饲料产品质量差异和波动问题,文中针对大猪料配方中的三种主要成分:玉米、豆粕、麦麸,从营养要求出发,采用D-最优混料设计法,设计并基于单孔成型试验平台进行成型试验,获得合理的拟合模型,结合等高线和3D响应面图分析各成分对包括颗粒成型密度、成型率和颗粒硬度在内的成型质量指标的影响规律。研究结果发现,玉米、豆粕和麦麸的成分变化对三项颗粒质量指标都产生了极显著的影响(P0.001);针对三项质量指标的拟合模型都达到了显著(P0.05)而失拟检验不显著(P0.05),表明模型的可用性;玉米成分的增加使颗粒成型硬度明显升高,而颗粒成型密度则随麦麸含量的增加而增加,且受到玉米、麦麸成分的显著交互作用影响(P0.05)。最终得到针对颗粒成型质量的大猪料主要成分优化组合,分别为玉米41.5%、豆粕25.0%和麦麸33.5%。文章研究结果在为考虑颗粒成型质量的大猪料配方选择提供参考依据的同时,也为饲料工业中提高颗粒饲料产品质量的研究提供新角度和新方法。     

基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型

针对颗粒饲料产品受配方原料、加工参数变化而带来的质量波动问题,提出了一种以误差反向传播算法神经网络(back-propagation neural network,BPNN)为核心,平均影响值法(mean impact value,MIV)为数据预处理方法,粒子群算法(particle swarm optimization,PSO)为关键参数优化算法的颗粒饲料质量预测模型。基于面向实际建立的输入输出指标体系,使用实地采集的颗粒饲料生产数据对模型进行训练和测试,测试结果显示实际值与模型预测值呈显著正相关,决定系数R2均在0.94以上;平均绝对误差、平均绝对百分比误差及均方根误差显示预测精度达到较高水平,各误差平均值依次达到0.442、2.185%和0.5481。以多元线性回归模型及基本BPNN模型预测结果对比可以发现,MIV-PSO-BPNN预测模型预测性能有显著提升,各输出误差优化幅度从39.55%~91.80%不等,平均优化幅度分别达到84.99%和56.95%;同时相对误差变化趋势图显示MIV-PSO-BPNN预测模型具有更优的预测稳定性,相对误差极值差降幅均值达91.46%。该研究为颗粒饲料质量控制提出了一种新思路,可为饲料行业高效低耗生产提供理论依据。