论文部分内容阅读
超声波对天然物(本研究主要指中药材和食材等天然植物)的有效成分提取是一种效率高、残留少、无污染的绿色提取技术。近年来,随着超声波天然物提取工业规模的不断扩大,迫切需要对提取过程进行先进的优化和控制,超声波天然物提取过程的模型化是过程优化及控制的基础和前提。目前国内外学者对超声波天然物提取过程的动力学建模做了较深入的研究,然而利用机器学习理论对提取过程进行建模的研究还不够成熟。另外在天然物提取效率方面,在连续宽频带范围内针对超声波天然物提取过程的频率优化问题,尚未有文献报道。因此,根据超声波天然物提取过程的实际情况,建立实用的提取过程模型,同时对天然物提取过程的超声波频率进行优化都具有重要的科学意义和实用价值。鉴于此,论文对超声波天然物提取过程的动力学和软测量建模以及超声波频率优化及其应用等问题进行了较深入地研究,主要工作如下。(1)针对现有的动力学模型未考虑超声波频率对模型的影响,以传质动力学模型和超声波强化机理为基础,通过引入超声波频率,提出一种改进的超声波天然物提取过程的动力学模型。进一步,为验证模型的有效性,通过超声波甘草酸提取实验,在获得最佳提取变量的基础上,分别建立了关于甘草酸浓度与超声功率、超声波频率和提取温度的动力学模型,实验和仿真结果表明,该模型是可行且有效的。(2)针对动力学模型存在的通用性差和可移植性不强问题,以支持向量回归(SVR)理论为基础,建立了基于支持向量回归的超声波甘草酸提取过程的预测模型,预测结果验证了其有效性。进一步,针对支持向量回归模型的训练时间过长等问题,在分析最小二乘支持向量机(LSSVM)理论的基础上,构建了最小二乘支持向量机的超声波甘草酸提取过程的预测模型,并与支持向量回归模型的预测结果进行了对比分析。(3)针对最小二乘支持向量机建模中参数优化问题,通过引入动态步长调节因子和混沌优化算法,提出了一种混沌动态步长果蝇优化算法(CDSFOA),利用马尔科夫收敛性分析理论,证明了该算法收敛于全局最优解,并通过实例仿真验证了算法的有效性;基此,利用该算法对模型参数进行优化,建立了基于CDSFOA-LSSVM的超声波甘草酸提取过程的预测模型,通过与支持向量回归和最小二乘支持向量机模型的预测结果进行对比分析,得到该模型具有更快的训练速度和更高的预测精度。(4)针对上述模型不能在线预测的问题,以无偏置LSSVM和在线LSSVM为理论,提出了在线无偏置LSSVM算法。进一步,针对多目标输出问题,在结合在线无偏置LSSVM算法和多输入多输出LSSVM算法基础上,提出了一种多输入多输出在线学习无偏置LSSVM算法。为进一步提高该算法的运算速度和精度,通过引入加权因子和利用在线递推学习方法,对算法的递推公式进行了改进。基此,为同时预测天然物矛卫中的芦丁和槲皮素两种有效成分的浓度,建立了超声波多目标预测模型并得到验证。(5)针对目前超声波提取过程存在频率单一和无法连续选择的问题,提出一种超声波频率优化方法,即先在宽频带内对最优频带进行大范围的粗搜索,而后在获得的最优窄频带内对最优频率进行小范围的细搜索,通过连续自动地搜索最优超声波频率来实现提高超声波天然物提取效率的目的。基于该频率优化思想开发的超声波提取系统,分别对两种天然物,即食用番茄和中药材槐米的有效成分进行了提取实验和频率优化研究,得到了各自的最优超声波频率并取得了较好的提取效率。