论文部分内容阅读
蜜桃采后快速均匀预冷是抑制内部微生物生长,以减少其营养消耗和延长果实货架期的关键步骤,也是保障蜜桃在低温贮藏运输过程中质量和安全的第一环节。然而,不同的预冷策略和瓦楞通风包装纸箱开孔参数设计对蜜桃采后预冷效果具有不同的影响程度。因此,本文深入研究了送风和开孔参数对蜜桃整个预冷过程的宏观和微观影响,即从微观的果实内部传热传质特性、湿冷空气流动情况到宏观的预冷均匀性、冷藏转移时间以及水分损失、风机能耗上进行了详细的综合分析与对比,以优化确定最佳的预冷策略和开孔设计参数。但是预冷试验只能进行现场测试,以实现果实预冷效果的宏观分析,而无法高精度观测果实在预冷过程中的微观变化。由此,本研究构建了单箱多层蜜桃在预冷过程中的三维计算流体动力学CFD-WIHS（Computational Fluid Dynamics-With Internal Heat Source）传热传质数值模型,并将山西省晋中市太谷区特色果实大久保蜜桃作为试验对象来验证该模型准确性。最后利用已通过试验验证的CFD-WIHS数值模型来获取大量高精度的三维时空温度以及流场分布数据,以构建基于GA-BP神经网络的蜜桃预冷效果预测模型。本文的创新点和研究结论主要从以下四个方面阐述,分别是:（1）提出了CFD-WIHS传热传质数学建模方法。本文在先前学者已开发的CFD数值模型基础上,增加了对果实内部热源动态传热数学模型的构建,并结合FLUENT中的自定义函数（User-Defined Function,UDF）对其进行了C语言编码,使其能量模型能加载进入蜜桃内部计算域传热传质数学方程中,以提高预测果实在预冷过程中发生强制对流换热现象的真实性。最后该建模方法的预测精准性将通过模拟结果与试验数据结合对比的方式来进行相关验证,结果显示:内部热源的加载使预测果实温度的均方根误差（Root-Mean-Square Error,RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）分别降低了6.90～11.26%和7.28～12.95%,并且在不同预冷工况条件下,这四种开孔数模型（开孔数分别为2、4、6和9）用于预测温度的最大RMSE和MAPE值分别为1.858°C和18.29%,而用于预测预冷时间SECT值（7/8ths Cooling Time）的最大误差为19.23%,这些误差数据充分证明了该建模方法用于准确预测蜜桃预冷效果的可行性和可适用性。（2）深入研究了蜜桃内部热源的加载对其预冷效果评估的综合影响。将已通过试验验证的9孔包装模型作为模拟对象,并对其进行了0.2～2.7 m/s范围内不同预冷风速下的全面仿真与分析,结果发现:空气流入速率的进一步增大会削弱对蜜桃体积Tvwa和表面Tswa加权平均温度的影响以及对整体预冷均匀性（Overall Heterogeneity Index,OHI）评估的影响程度,特别是当送风速率超过1.7 m/s后,送风速率的提高对其OHI和SECT值以及果温监测值的影响幅度非常小,即影响幅度值分别低于0.2%、1分钟以及低于～0.1°C。由此可建议,当送风速率高于1.7 m/s后,蜜桃所产生的内部热源（主要涉及果实自身的呼吸热和蒸发潜热）可以直接忽略掉以降低建模复杂度,从而达到节省模拟计算成本的目的。（3）优化确定了蜜桃采后预冷处理的最佳送风参数范围以及合理的开孔设计参数。通过利用多维度预冷效果评估体系,深入分析了不同预冷策略和开孔参数对蜜桃预冷时间、OHI值、累计水分损失总量以及风机能耗的有效性影响,结果发现:送风速率的增大会改善果实的预冷均匀性,减小果实的冷藏转移时间以及SECT期间内的累计水分损失总量,但是当送风速率超过2.5 m/s后,送风速率不在显著影响SECT和OHI值,即变化幅度分别低于6.81分钟和6.57%。由此,为保证蜜桃快速均匀的预冷而不诱发过多的能量浪费,可推荐蜜桃预冷的最佳风速范围为1.5～2.5 m/s。对于送风温度而言,较低的送风温度会加重果实的冷害严重程度,但是当送风温度得到大幅度提升时,果实的呼吸速率却成倍增大,这非常不利于保持果实的商业食用价值以及提高果实在整个冷链物流中的经济效益。由此考虑各项预冷效果的综合评估,发现蜜桃采后预冷的最佳风温范围为2～4°C。此外,当通风孔的设计位置呈对称分布且开孔直径为20～40 mm时,用这四种开孔数模型进行预冷时的数据显示:开孔数的增大会提高蜜桃整体的预冷均匀性,但在开孔数超过6后其OHI值并不存在明显变化趋势,同时,开孔直径35 mm后的整体异质性指数OHI值显著低于20～30 mm,并呈稳定发展趋势。由此发现,用于蜜桃预冷的瓦楞通风包装箱开孔直径不宜超过35 mm,而其开孔数不宜超过6。（4）成功构建了基于GA-BP神经网络的蜜桃预冷效果预测模型。利用SPSS软件对影响蜜桃预冷效果的主要因素正交试验设计了25种不同的预冷工况条件,并将其应用于开孔数分别为2、4、6和9且已通过试验验证的CFD-WIHS数值模型中以获得100组样本数据。利用GA遗传算法与BP神经网络相结合的方式对该数据不断训练,以建立具有工程实用性的蜜桃采后预冷效果预测模型。该预测模型以送风风速、预冷空气温度、蜜桃初始温度以及开孔直径、开孔数为输入变量,以预冷时间SECT和整体预冷均匀OHI为输出变量,其相对应的预测相关性R2值分别为96.25%和86.38%。采用MATLAB软件所成功构建的预测模型为中小型果园实时监控蜜桃预冷效果以保持果实最佳预冷品质提供了可靠的实际操作价值,也为后续学者开发智能化决策系统提供了坚实的理论参考依据。