王 雷,鐘康生,胡書(shū)旭,肖 波

(1.湖北工業(yè)大學(xué) 機(jī)械工程學(xué)院, 武漢 430068;2.廣東省現(xiàn)代農(nóng)業(yè)裝備研究所, 廣州 510630;3.廣東弘科農(nóng)業(yè)機(jī)械研究開(kāi)發(fā)有限公司,廣州 510555)

0 引言

陳皮(Citri Reticulatae Pericarpium),又稱(chēng)為橘皮,是蕓香科植物橘及其栽培變種的成熟干燥果皮,富含黃酮、陳皮柑、揮發(fā)油、檸檬苦素等功能性成分[1-3],具有促進(jìn)消化、通氣健脾、燥濕祛痰及抗氧化等多種功效[4]。目前,市面上采用的陳皮主要干燥方式有熱風(fēng)干燥、微波干燥、冷凍干燥和熱泵干燥等[5-6]。其中,熱泵干燥吸收環(huán)境熱量用于加熱,干燥成本低、傳熱面積大、熱效率高,且整體裝備結(jié)構(gòu)簡(jiǎn)單,可以有效提高加工品質(zhì),縮短干燥時(shí)間和降低能耗[7]。

對(duì)于物料干燥過(guò)程來(lái)說(shuō),含水率是一個(gè)重要的研究指標(biāo),可以根據(jù)含水率的變化來(lái)預(yù)測(cè)和控制物料干燥過(guò)程中的相關(guān)變化。含水率的變化受到多重因素的影響,具有顯著的非線性和時(shí)變性,需要一種適應(yīng)性強(qiáng)、預(yù)測(cè)準(zhǔn)確性高的模型來(lái)進(jìn)行擬合[8]。近年來(lái),人工神經(jīng)網(wǎng)絡(luò)在食品干燥加工中優(yōu)化工藝參數(shù)和預(yù)測(cè)結(jié)果方面具有良好的模擬效果。

人工神經(jīng)網(wǎng)絡(luò)是基于生物學(xué)中神經(jīng)網(wǎng)絡(luò)的原理,模擬人腦的神經(jīng)系統(tǒng)對(duì)復(fù)雜信息處理的運(yùn)算模型,能夠高效處理數(shù)據(jù)信息[9]。其中,BP人工神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)是一種誤差逆向傳播算法的多層前饋網(wǎng)絡(luò)[10],通過(guò)分析對(duì)應(yīng)輸入值之間的相互關(guān)系和規(guī)律,形成一個(gè)非線性系統(tǒng),具有很好的自我學(xué)習(xí)和適應(yīng)能力,在非線性函數(shù)擬合和在線預(yù)測(cè)方面有很好的效果。Rasooli等[11]采用人工神經(jīng)網(wǎng)絡(luò)分析預(yù)測(cè)兩種不同干燥方式下的蘋(píng)果片水分比,預(yù)測(cè)結(jié)果較好,最佳決定系數(shù)R2=0.993。Qing Sun等[12]采用BP神經(jīng)網(wǎng)絡(luò)和LF-NMR組合檢測(cè)不同果蔬在不同微波真空干燥條件下的水分含量快速無(wú)損檢測(cè),預(yù)測(cè)結(jié)果準(zhǔn)確。朱凱陽(yáng)等[13]采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)帶殼鮮花生紅外-噴動(dòng)干燥過(guò)程中含水率的預(yù)測(cè),預(yù)測(cè)結(jié)果相對(duì)于傳統(tǒng)數(shù)學(xué)模型更加準(zhǔn)確和迅速。劉秀英等[14]為了進(jìn)一步提高油用牡丹種子含水率的高光譜估算精度,分析紅外光譜特征參數(shù)和含水率的關(guān)系,用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行估算,結(jié)果表明:BP神經(jīng)網(wǎng)絡(luò)對(duì)比其他模型預(yù)測(cè)精度更高,其預(yù)測(cè)值和實(shí)測(cè)值之間的決定系數(shù)R2=0.978,均方誤差MSE=0.002。白竣文等[15]搭建BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)南瓜真空脈動(dòng)干燥過(guò)程中的含水率預(yù)測(cè)。但是,目前還未發(fā)現(xiàn)將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在陳皮熱泵干燥過(guò)程中水分變化預(yù)測(cè)的研究。

在陳皮熱泵干燥過(guò)程中,含水率的變化受到干燥溫度、干燥風(fēng)速和堆疊厚度等因素的影響,具有非常復(fù)雜的非線性關(guān)系,傳統(tǒng)數(shù)學(xué)模型和半經(jīng)驗(yàn)?zāi)Ｐ偷暮暑A(yù)測(cè)精度隨條件的變化而改變,且預(yù)測(cè)過(guò)程相當(dāng)復(fù)雜,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)更加快速準(zhǔn)確。為此,通過(guò)試驗(yàn)探究多因素干燥條件下對(duì)陳皮熱泵干燥機(jī)理的影響,構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的陳皮干燥含水率預(yù)測(cè)模型,旨在為陳皮干燥含水率的在線預(yù)測(cè)提供科學(xué)依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

陳皮,產(chǎn)自廣東省江門(mén)市新會(huì)區(qū)出產(chǎn)的茶枝柑,試驗(yàn)開(kāi)始前挑選大小均勻、新鮮,且無(wú)腐爛、蟲(chóng)蛀等損壞的柑皮,將柑皮正三刀處理。

1.2 儀器設(shè)備

GHRH-20型熱泵除濕干燥機(jī),由廣東省現(xiàn)代農(nóng)業(yè)裝備研究所制造,裝機(jī)容量為11.5kW,出風(fēng)溫度為35～65℃,如圖1所示。選用雙杰JJ1000精密電子天平,雙杰測(cè)試儀器廠制造,精度±0.1g;DT-3880熱敏式風(fēng)速儀,廣東省華盛昌科技實(shí)業(yè)股份有限公司制造。

圖1 GHRH-20型熱泵除濕干燥機(jī)Fig.1 GHRH-20 heat pump dehumidifier dryer

1.3 試驗(yàn)方法

預(yù)處理:將柑皮置入常溫的水中浸泡完全,使其質(zhì)地變軟,將柑皮外表面多余水分吸取干凈,放在干燥室的物料架上;在物料架上將柑皮依次鋪開(kāi),將整個(gè)物料架鋪滿(mǎn),平鋪1層的平均厚度為20mm,平鋪2層的平均厚度為30mm,平鋪3層的平均厚度為40mm,如圖2所示;隨著柑皮堆疊厚度的改變,其與干燥介質(zhì)所接觸的面積和水分遷移阻力都受到影響,故將此影響因素稱(chēng)為堆疊厚度。

在試驗(yàn)過(guò)程中,采取多組對(duì)照試驗(yàn),分別設(shè)定出風(fēng)溫度為50、55、60℃,出風(fēng)速度分別為1、2、3m/s,考察這3個(gè)因素對(duì)含水量和干燥速率的影響,每組試驗(yàn)均重復(fù)3次,干燥條件如表1所示[16]。

表1 陳皮干燥試驗(yàn)條件Table 1 Citic reticulates pericarpium heat pump test drying conditions

干燥試驗(yàn)過(guò)程中,每30min對(duì)柑皮的含水量進(jìn)行一次測(cè)量記錄,記錄后快速放回繼續(xù)干燥,通過(guò)含水量計(jì)算含水率;當(dāng)含水率小于0.1g/g時(shí),評(píng)定為試驗(yàn)干燥過(guò)程結(jié)束;重復(fù)3次試驗(yàn),取均值。

1.4 干燥動(dòng)力學(xué)曲線

陳皮在干燥過(guò)程中干基水分含量按式(1)[17]計(jì)算,即

(1)

其中,Mt為試驗(yàn)過(guò)程中任意時(shí)刻的t陳皮干基含水率(g/g);mt為在試驗(yàn)過(guò)程中的任意t時(shí)刻陳皮的質(zhì)量(g);m0是陳皮在初始時(shí)刻的干基質(zhì)量(g)。

陳皮在干燥過(guò)程中的含水率用水分比(MR,moisture ratio)來(lái)表示,不同時(shí)刻t的水分比按式(2)[18]計(jì)算,即

(2)

其中,Me表示平衡時(shí)陳皮干基含水率(g/g);M0表示初始時(shí)陳皮干基含水率(g/g)。由于陳皮的平衡含水率Me遠(yuǎn)遠(yuǎn)的小于Mt和M0,所以式(2)可簡(jiǎn)化為[19]

(3)

陳皮的干燥速率(DR, drying rate, g/(g·min))計(jì)算式[20]為

(4)

其中,Mt1和Mt2分別表示陳皮干燥過(guò)程中t1和t2時(shí)刻的干基含水率(g/g)。

1.5 數(shù)據(jù)處理和分析

利用MatLab2020b軟件進(jìn)行試驗(yàn)數(shù)據(jù)分析處理和神經(jīng)網(wǎng)絡(luò)程序編寫(xiě),使用Origin2018統(tǒng)計(jì)軟件進(jìn)行繪圖。采用相關(guān)系數(shù)R2[21]和均方誤差MSE[22]作為模型擬合評(píng)價(jià)標(biāo)準(zhǔn),相關(guān)系數(shù)越接近于1,均方誤差值越小,說(shuō)明模型擬合效果越好。

(5)

(6)

其中,MRpre,i為陳皮干燥試驗(yàn)過(guò)程中某一時(shí)刻的試驗(yàn)值;MRexp,i為利用神經(jīng)網(wǎng)絡(luò)得到的某一時(shí)刻的預(yù)測(cè)值;N為試驗(yàn)測(cè)得數(shù)據(jù)的個(gè)數(shù)。

2 結(jié)果與分析

2.1 陳皮熱泵干燥特性研究

2.1.1 溫度變化對(duì)干燥特性的影響

在干燥風(fēng)速為2m/s、堆疊厚度為20mm的條件下,研究不同干燥溫度50、55、60℃對(duì)陳皮干燥特性的影響。圖3為不同的干燥溫度下陳皮隨干燥時(shí)間的含水率和干燥速率變化曲線。

由圖3(a)可知:陳皮的含水率隨著干燥時(shí)間的增加呈現(xiàn)降低趨勢(shì),達(dá)到目標(biāo)含水率的干燥時(shí)間分別是210、240、270min;干燥溫度設(shè)置越高時(shí),達(dá)到目標(biāo)含水率的時(shí)間越短,含水率降低的速率更快。根據(jù)Fick定律,水分子溫度越高從干燥介質(zhì)中獲得的內(nèi)能就越高,內(nèi)能轉(zhuǎn)化為動(dòng)能越高,導(dǎo)致水分子劇烈運(yùn)動(dòng),增加擴(kuò)散速率,干燥時(shí)間減少。由圖3(b)可知:陳皮熱泵干燥過(guò)程分為增速干燥階段和降速干燥階段,在增速干燥階段,達(dá)到頂點(diǎn)的干燥速率分別是0.569、0.654、0.822g/(g·min),干燥溫度越高,頂點(diǎn)的干燥速率越快,到達(dá)頂點(diǎn)的時(shí)間更短。在降速干燥階段,溫度越高干燥速率下降越快,最先到達(dá)最低點(diǎn)。陳皮的水分?jǐn)U散主要來(lái)源于內(nèi)部的大量自由水和少量結(jié)合水,試驗(yàn)初期的增速階段是由于自由水的大量擴(kuò)散導(dǎo)致,降速階段是由于陳皮內(nèi)外溫差小,水分的遷移路徑增長(zhǎng),自由水即將擴(kuò)散完全,結(jié)合水難以擴(kuò)散。

(a) 含水率曲線

(b) 干燥速率曲線圖3 不同溫度條件下試驗(yàn)的曲線Fig.3 Curves for tests at different temperature conditions

陳皮的外表面有許多均勻分布且凹入的油點(diǎn),即為“油室”,陳皮的品質(zhì)可以根據(jù)其表面的油室分布狀態(tài)來(lái)確定。由試驗(yàn)結(jié)果來(lái)看,干燥溫度越高的一組,油室分布更加均勻且數(shù)量更多,品質(zhì)最好。根據(jù)不同溫度下陳皮含水率、干燥速率和品質(zhì)的變化對(duì)比,選取60℃為陳皮最佳干燥溫度[23]。

2.1.2 風(fēng)速變化對(duì)干燥特性的影響

在干燥溫度為60℃,堆疊厚度為20mm的條件下,研究不同干燥風(fēng)速1、2、3m/s對(duì)陳皮干燥特性的影響。圖4為不同的干燥風(fēng)速下陳皮隨干燥時(shí)間的含水率和干燥速率變化曲線。

(a) 含水率曲線

(b) 干燥速率曲線圖4 不同風(fēng)速條件下試驗(yàn)的曲線Fig.4 Curves tested under different wind speed conditions

由圖4(a)可知:陳皮的含水率隨著干燥時(shí)間加長(zhǎng)逐漸降低,達(dá)到目標(biāo)含水率的干燥時(shí)間分別為210、240、270min,干燥風(fēng)速越快干燥時(shí)間越短,水分降低的速率也更快,故提高干燥風(fēng)速可以有效縮短干燥時(shí)間,提高干燥效率。由圖4(b)可知:陳皮熱泵干燥過(guò)程分為增速干燥階段和降速干燥階段,達(dá)到頂點(diǎn)的干燥速率分別是0.632、0.73、0.786g/(g·min),干燥風(fēng)速越快速率上升得越快,頂點(diǎn)的高度更高,到達(dá)速率頂點(diǎn)的時(shí)間更短。在降速階段中,風(fēng)速越快則干燥速率下降得越快,最先到達(dá)最低點(diǎn)。

在干燥過(guò)程中,陳皮的表面和內(nèi)囊由于持續(xù)與傳熱介質(zhì)接觸,容易產(chǎn)生裂紋形成結(jié)殼,增大與傳熱介質(zhì)的接觸面積,加快干燥速率;而干燥風(fēng)速越快,陳皮的開(kāi)裂結(jié)殼過(guò)程更加迅速,在內(nèi)囊上的裂紋更少,外部油室分布更加均勻,陳皮的品質(zhì)也更好。根據(jù)不同風(fēng)速下陳皮含水率,干燥速率和品質(zhì)的變化對(duì)比,選取3m/s為陳皮最佳干燥風(fēng)速。

2.1.3 堆疊厚度變化對(duì)干燥特性的影響

在干燥溫度為60℃、干燥風(fēng)速為3m/s的條件下,研究不同堆疊厚度20、30、40mm對(duì)陳皮干燥特性的影響。圖5為不同的堆疊厚度下陳皮隨干燥時(shí)間的含水率和干燥速率變化曲線。

(a) 含水率曲線

(b) 干燥速率曲線圖5 不同堆疊厚度條件下試驗(yàn)的曲線Fig.5 Test curves under different stack thickness conditions

由圖5(a)可知:隨著干燥時(shí)間的增加,陳皮的含水率逐漸降低,達(dá)到目標(biāo)含水率的時(shí)間分別為210、270、330min,堆疊厚度越厚干燥時(shí)間越長(zhǎng),含水率降低的速率越慢。因此,減小堆疊厚度可以有效地減少干燥時(shí)間,提高干燥效率。由圖5(b)可知:陳皮的干燥速率分為增速干燥階段和降速干燥階段,達(dá)到頂點(diǎn)的干燥速率分別是0.842、0.604、0.44g/(g·min),堆疊厚度越厚,干燥速率上升和下降的越緩慢,頂點(diǎn)的高度越低,達(dá)到頂點(diǎn)的時(shí)間越長(zhǎng)。

在干燥過(guò)程中,物料的堆疊厚度較小時(shí),相鄰的物料之間通透性更好,與傳熱介質(zhì)的接觸面積更大,熱量交換更快,水分散失的更快。當(dāng)堆疊厚度超過(guò)一定厚度時(shí),上層和下層的陳皮相互擠壓,陳皮之間間隙變小,空氣流通性變差,水分散失速率變慢,使得內(nèi)部的陳皮干燥不均勻,表面的油室分布也不均勻,陳皮的品質(zhì)變差。根據(jù)不同堆疊厚度下陳皮含水率,干燥速率和品質(zhì)的變化對(duì)比,選取20mm為陳皮最佳堆疊厚度。

2.2 BP神經(jīng)網(wǎng)絡(luò)擬合

2.2.1 數(shù)據(jù)采集

采集陳皮在不同干燥溫度(50、55、60℃)、不同堆疊厚度(20、30、40mm)和干燥風(fēng)速(1、2、3m/s)的試驗(yàn)條件下,含水率從初始狀態(tài)到干燥完成共計(jì)185組真實(shí)試驗(yàn)數(shù)據(jù)。從中隨機(jī)抽取150組作為訓(xùn)練集,35組作為測(cè)試集,進(jìn)行陳皮含水率的預(yù)測(cè)。為了避免數(shù)值問(wèn)題和統(tǒng)一量綱,需對(duì)試驗(yàn)數(shù)據(jù)集進(jìn)行歸一化處理,使其處理范圍在[-1,1]。

2.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

在陳皮干燥過(guò)程中,干燥溫度、堆疊厚度、干燥風(fēng)速和干燥時(shí)間均影響陳皮的干燥含水率,故將上述4個(gè)參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入層,從而確定輸入層神經(jīng)元個(gè)數(shù)為4個(gè),陳皮的含水率作為輸出層,神經(jīng)元個(gè)數(shù)為1。隱藏層的神經(jīng)元個(gè)數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度和訓(xùn)練時(shí)長(zhǎng)有較大的影響,神經(jīng)元個(gè)數(shù)太少,網(wǎng)絡(luò)無(wú)法很好的學(xué)習(xí),需要增加訓(xùn)練次數(shù),訓(xùn)練精度也受影響;神經(jīng)元數(shù)太多,訓(xùn)練時(shí)間增加,網(wǎng)絡(luò)容易過(guò)擬合。最佳隱藏層神經(jīng)元個(gè)數(shù)k可以參考如下公式[24],即

k>n-1

(7)

(8)

k=log2n

(9)

k=2n+1

(10)

其中,n為輸入層神經(jīng)元個(gè)數(shù);k為隱藏層神經(jīng)元個(gè)數(shù);m為輸出層神經(jīng)元個(gè)數(shù);a為0～10之間的常數(shù)。在實(shí)際情況下,最佳隱藏層的確定需要結(jié)合以上公式和多次嘗試獲得,經(jīng)過(guò)多次訓(xùn)練結(jié)果對(duì)比,確定隱藏層節(jié)點(diǎn)數(shù)為10時(shí)最佳的訓(xùn)練結(jié)果,從而構(gòu)建4-10-1的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型,如圖6所示。神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置如表2所示。

2.2.3 模型訓(xùn)練和測(cè)試

按照上述設(shè)定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù),設(shè)置學(xué)習(xí)速率為0.1,迭代次數(shù)為1000次,學(xué)習(xí)目標(biāo)是0.0001。將隨機(jī)抽取的150組數(shù)據(jù)進(jìn)行訓(xùn)練,在經(jīng)過(guò)17次迭代后,訓(xùn)練誤差與設(shè)定誤差達(dá)到穩(wěn)定誤差條件,此時(shí)停止訓(xùn)練。神經(jīng)網(wǎng)絡(luò)在第11次迭代時(shí)達(dá)到最佳訓(xùn)練狀態(tài),最小均方誤差值為0.002 591 5,均方誤差曲線如圖7所示。

圖6 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖Fig.6 Neural network model structure diagram

表2 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置Table 2 Neural network parameter settings

圖7 均方誤差曲線圖Fig.7 Mean squared error curve

根據(jù)設(shè)計(jì),建立的BP神經(jīng)網(wǎng)絡(luò)必須達(dá)到對(duì)數(shù)據(jù)的高度預(yù)測(cè),分別對(duì)訓(xùn)練集、測(cè)試集和驗(yàn)證集進(jìn)行線性回歸分析,繪制出4組線性回歸圖,如圖8所示。由圖8可以看出:實(shí)線和虛線基本重合,所有數(shù)據(jù)大部分集中在實(shí)線上,試驗(yàn)值和預(yù)測(cè)值具有良好的線性擬合。其中,訓(xùn)練集的決定系數(shù)R2為0.997,驗(yàn)證集為0.997,測(cè)試集為0.993,所有數(shù)據(jù)集的相關(guān)系數(shù)R2為0.997,表明該模型的回歸預(yù)測(cè)具有很好的效果。

圖8 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練回歸圖Fig.8 BP neural network training regression plot

2.2.4 模型預(yù)測(cè)結(jié)果分析

為了進(jìn)一步確定模型預(yù)測(cè)的準(zhǔn)確性,隨機(jī)抽取35組測(cè)試集與模型的預(yù)測(cè)值進(jìn)行對(duì)比。為了驗(yàn)證該模型能否在陳皮干燥的每個(gè)階段對(duì)含水率進(jìn)行準(zhǔn)確預(yù)測(cè),隨機(jī)抽取的35組數(shù)據(jù)中包括陳皮干燥的初級(jí)階段、中級(jí)階段和結(jié)束階段實(shí)際測(cè)量的含水率。由圖9可以看出:陳皮不同的含水率代表著不同的干燥階段及不同階段的真實(shí)值和預(yù)測(cè)值之間的結(jié)果對(duì)比。該模型預(yù)測(cè)出來(lái)的真實(shí)值和預(yù)測(cè)值十分接近,均方誤差MSE為0.004 21,決定系數(shù)R2為0.993,表明該模型預(yù)測(cè)性能很好,可以很好地預(yù)測(cè)陳皮干燥過(guò)程中含水率的變化。

圖9 陳皮含水率預(yù)測(cè)Fig.9 Tangerine peel moisture content prediction

2.2.5 模型驗(yàn)證

選取在干燥溫度為60℃、干燥風(fēng)速為2m/s和堆疊厚度為20mm的條件下,測(cè)量一組陳皮從干燥開(kāi)始到結(jié)束的完整數(shù)據(jù),選用多種干燥模型對(duì)這組數(shù)據(jù)進(jìn)行擬合,得到實(shí)測(cè)值和預(yù)測(cè)值的均方誤差MSE和決定系數(shù)R2,如表3所示。通過(guò)對(duì)比表3中多種數(shù)學(xué)模型的均方誤差MSE和決定系數(shù)R2可以看出:BP神經(jīng)網(wǎng)絡(luò)模型對(duì)比其他模型可以更加準(zhǔn)確地描述陳皮干燥過(guò)程水分變化規(guī)律。

表3 不同干燥模型的擬合結(jié)果Table 3 Data results for different drying models

采用上述條件下測(cè)量的同一組完整數(shù)據(jù),讓其與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行對(duì)比,如圖10所示。由圖10可以看出:兩組數(shù)據(jù)曲線擬合程度高,除了干燥初期實(shí)測(cè)值和預(yù)測(cè)值有稍微偏差,其余曲線基本吻合;決定系數(shù)R2為0.998,均方誤差MSE為0.001 25,表明該模型能夠較好地預(yù)測(cè)出整個(gè)陳皮干燥含水率的變化過(guò)程,比較準(zhǔn)確地預(yù)測(cè)出各個(gè)階段的陳皮含水率,為陳皮干燥生產(chǎn)提供參考模型。

3 結(jié)論

1)通過(guò)陳皮熱泵干燥試驗(yàn)可以看出:干燥溫度、干燥風(fēng)速和堆疊厚度均對(duì)陳皮干燥時(shí)間和含水率變化有著顯著影響,在干燥溫度60 ℃、干燥風(fēng)速3m/s和堆疊厚度20mm的條件下,干燥時(shí)間最短。在一定變化范圍內(nèi),提高干燥溫度,加快干燥風(fēng)速和減低堆疊厚度,能夠有效提高干燥效率,縮短干燥時(shí)間,節(jié)省能源。

2)構(gòu)建結(jié)構(gòu)為“4-10-1”的BP神經(jīng)網(wǎng)絡(luò)模型,適用于陳皮干燥含水率變化的預(yù)測(cè),得到最優(yōu)的均方誤差為0.001 25,預(yù)測(cè)模型擬合的最佳決定系數(shù)為0.998,表明該模型可以很好地預(yù)測(cè)陳皮在熱泵干燥過(guò)程中的含水率。