安霆，江用文，梁高震，胡斌，董春旺*

基于CFD和RSM的紅茶萎凋機(jī)性能參數(shù)優(yōu)化

安霆1,2，江用文2，梁高震1,2，胡斌1*，董春旺2*

1. 石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832000；2. 中國農(nóng)業(yè)科學(xué)院茶葉研究所，浙江 杭州 310008

為探明萎凋機(jī)結(jié)構(gòu)參數(shù)對萎凋性能的影響特性，通過流體力學(xué)軟件進(jìn)行萎凋環(huán)境的數(shù)值模擬分析，以無量綱化后的溫度場綜合指標(biāo)作為萎凋性能優(yōu)劣的評判指標(biāo)，并采用響應(yīng)面法（RSM）對影響萎凋性能的3個(gè)因素（萎凋機(jī)層高1、萎凋機(jī)與萎凋房空間距2、氣路位置3）進(jìn)行優(yōu)化。結(jié)果表明，各因素對萎凋品質(zhì)的影響重要性順序依次為：氣路位置＞萎凋機(jī)層高＞空間距；當(dāng)萎凋機(jī)層高、空間距、氣路位置分別為0.1、0.1、1.496?m時(shí)，紅茶萎凋機(jī)溫度場性能最優(yōu)，所建模型決定系數(shù)為0.968?3，調(diào)整后的決定系數(shù)為0.927?5，標(biāo)準(zhǔn)偏差為0.061，最優(yōu)方案理論值和實(shí)際值分別為：0.951?9和0.909?6。CFD和RSM融合分析方法，適用于紅茶萎凋機(jī)的性能參數(shù)優(yōu)化。

紅茶；萎凋；CFD；RSM；參數(shù)優(yōu)化

萎凋是紅茶加工的基礎(chǔ)工序，直接影響后續(xù)加工及成品茶質(zhì)量，溫度是影響萎凋葉水分散失的關(guān)鍵因子[1]?，F(xiàn)有萎凋設(shè)備主要分為萎凋槽、萎凋房和多層連續(xù)萎凋機(jī)，其中萎凋槽、萎凋室多用于單機(jī)作業(yè)，而多層連續(xù)萎凋機(jī)、萎凋房嵌套萎凋機(jī)用于連續(xù)化生產(chǎn)線作業(yè)，生產(chǎn)線加工是紅茶加工業(yè)發(fā)展的趨勢[2]。近年來，中國農(nóng)業(yè)科學(xué)院茶葉研究所、安徽農(nóng)業(yè)大學(xué)等科研院所聯(lián)合湘豐、佳友、綠峰等茶葉機(jī)械公司研制出多層連續(xù)萎凋機(jī)、萎凋房嵌套式萎凋機(jī)等萎凋裝置，并將其應(yīng)用于紅茶連續(xù)生產(chǎn)線作業(yè)中[3-4]。但多層連續(xù)萎凋機(jī)均采用框架式多層結(jié)構(gòu)設(shè)計(jì)，由于熱空氣密度較小，進(jìn)入萎凋機(jī)后迅速向上部運(yùn)動，易造成層間溫差，致使萎凋葉失水程度不均，產(chǎn)生紅葉、焦葉或萎凋不足等現(xiàn)象，難以滿足高品質(zhì)工夫紅茶的工藝要求。

計(jì)算流體力學(xué)（Computational fluid dynamics，CFD）是一種基于計(jì)算機(jī)與相應(yīng)軟件的仿真模擬技術(shù)，可直觀揭示設(shè)備結(jié)構(gòu)對性能的影響，與傳統(tǒng)測點(diǎn)試驗(yàn)研究方法相比，能夠大幅度提高試驗(yàn)研究效率和精度，是現(xiàn)代產(chǎn)品開發(fā)中的重要手段[5]。劉素惠[6]采用CFD技術(shù)對閩南烏龍茶做青間的“溫、濕、風(fēng)”環(huán)境進(jìn)行數(shù)值模擬，并對烏龍茶做青環(huán)境進(jìn)行優(yōu)化設(shè)計(jì)，證實(shí)該技術(shù)在茶葉加工環(huán)境模擬應(yīng)用中的可行性。陳霖熙[7]采用Fluent軟件對白茶加溫萎凋環(huán)境進(jìn)行仿真模擬，探明白茶加溫萎凋間內(nèi)的氣流組織與溫、濕度分布情況和加溫設(shè)備配置的合理性。趙愛鳳[8]將空調(diào)萎凋技術(shù)應(yīng)用于白茶加工中，對自然、復(fù)式、加溫、空調(diào)4種萎凋方式的萎凋環(huán)境以及樣品的生化變化、色澤變換進(jìn)行測定比較，并用CFD技術(shù)對萎凋間的環(huán)境進(jìn)行模擬，從理論上探討了空調(diào)萎凋的合理性。王欽明[9]通過Fluent對茶葉風(fēng)選機(jī)的流場進(jìn)行仿真模擬，并運(yùn)用計(jì)算機(jī)輔助分析技術(shù)對茶葉風(fēng)選機(jī)進(jìn)行改進(jìn)研制，從而在降低設(shè)計(jì)成本的同時(shí)，為后續(xù)茶葉風(fēng)選機(jī)的改進(jìn)與研制奠定基礎(chǔ)。

響應(yīng)面（Response surface methodology，RSM）是一種綜合試驗(yàn)設(shè)計(jì)和數(shù)學(xué)建模的優(yōu)化方法[10]，一般用于因素參數(shù)優(yōu)選、解決非線性數(shù)據(jù)處理等相關(guān)問題[11-15]。董春旺等[16]以綜合評分作為衡量指標(biāo)，通過RSM法對影響紅茶發(fā)酵品質(zhì)的工藝參數(shù)進(jìn)行優(yōu)化，得出當(dāng)發(fā)酵溫度為25℃，發(fā)酵時(shí)間為150?min，翻拌時(shí)間為20?min時(shí)發(fā)酵品質(zhì)綜合評分最高?；鸾艿萚17]通過RSM法對萎凋機(jī)萎凋時(shí)的溫度、相對濕度、光照強(qiáng)度進(jìn)行優(yōu)化，得出萎凋時(shí)最佳的溫度為27~29℃，相對濕度為69%~72%，光照度為5?700~6?400?lx。

綜上，國內(nèi)學(xué)者已采用CFD和RSM方法，對萎凋環(huán)境和加工工藝進(jìn)行了研究，但針對多層式連續(xù)萎凋機(jī)的研究較少，尤其是整機(jī)結(jié)構(gòu)參數(shù)和風(fēng)路布設(shè)對萎凋溫度場空間分布的影響規(guī)律尚未明確，萎凋設(shè)備風(fēng)路仍靠人工經(jīng)驗(yàn)布設(shè)，缺乏針對性和科學(xué)性。本文針對上述問題，從工程設(shè)備研發(fā)角度去解析萎凋質(zhì)量不均勻的成因，探明設(shè)備結(jié)構(gòu)對萎凋性能的影響，以市場通用的多層式連續(xù)萎凋機(jī)為研究對象，采用CFD和RSM技術(shù)相融合的方法，研究萎凋機(jī)層高、空間距和氣路位置對紅茶萎凋機(jī)性能的影響特性，以期為自動化生產(chǎn)線中萎凋設(shè)備的集成優(yōu)化設(shè)計(jì)，提供理論依據(jù)和數(shù)據(jù)支撐。

1 材料與方法

1.1 萎凋機(jī)模型建立與邊界條件

在Dassault公司的Flow Simulation環(huán)境下進(jìn)行流場的試驗(yàn)分析計(jì)算。以長沙湘豐智能裝備股份有限公司為湖南茶葉研究所高橋?qū)嶒?yàn)基地研發(fā)的紅茶生產(chǎn)線中萎凋機(jī)為研究對象，通過SolidWorks軟件建立萎凋機(jī)裝配體模型，其結(jié)構(gòu)示意圖如圖1所示。該設(shè)備主要由2個(gè)通風(fēng)入口、萎凋房氣路、通氣圓孔、萎凋房、機(jī)架、排氣口、萎凋網(wǎng)帶、調(diào)整螺桿以及網(wǎng)帶壓條組成。其特點(diǎn)為萎凋房氣路為2個(gè)，均呈“L”形，其中每個(gè)“L”形管路有8個(gè)通氣圓孔，較窄的壁面有3個(gè)，較長的壁面有5個(gè)。

茶葉樣品分別位于4層萎凋網(wǎng)帶上，萎凋網(wǎng)帶設(shè)為多孔介質(zhì)，其孔隙率為0.73，孔徑大小為0.003?m。茶鮮葉設(shè)為多孔介質(zhì)[18-22]，其空隙度為0.73，密度為385?kg·m-3，比熱容為3?200?J·kg-1·K-1，傳導(dǎo)類型為各項(xiàng)同性，熱導(dǎo)率為0.175?W·m-1·K-1，水分蒸發(fā)速率為0.087?kg·s-1。2個(gè)通風(fēng)口位于萎凋房側(cè)壁，在通風(fēng)口通入30℃的熱風(fēng)，流速為2?m·s-1，干熱空氣相對濕度為20%。熱風(fēng)通過“L”形的氣路，在通氣圓孔處通入萎凋房內(nèi)部，氣體在萎凋房內(nèi)部循環(huán)，對萎凋機(jī)上的茶鮮葉進(jìn)行通風(fēng)、加熱處理，從而加速萎凋水分均勻散失。最后氣體通過萎凋房最上方的排氣口排出萎凋房，排氣口壓力為101?325?Pa，溫度為20℃，相對濕度為60%。網(wǎng)格精度設(shè)為3級，共劃分四面體網(wǎng)格數(shù)為187?061個(gè)，其余邊界條件設(shè)為默認(rèn)，以全局平均溫度、流速和相對濕度為求解收斂目標(biāo)。

注：1. 通風(fēng)口1，2. 萎凋房氣路，3. 通氣圓孔，4. 萎凋房，5. 機(jī)架，6. 排氣口，7. 萎凋網(wǎng)帶，8. 調(diào)整螺桿，9. 通風(fēng)口2，10. 網(wǎng)帶壓條

1.2 試驗(yàn)設(shè)計(jì)與方法

1.2.1 響應(yīng)面設(shè)計(jì)

由萎凋機(jī)結(jié)構(gòu)組成可知，空間結(jié)構(gòu)參數(shù)與性能間的關(guān)系是1個(gè)多因素多指標(biāo)的優(yōu)化設(shè)計(jì)問題，為此采用CFD數(shù)值模擬與響應(yīng)面試驗(yàn)的方法對其進(jìn)行分析研究。在單因素試驗(yàn)基礎(chǔ)上，根據(jù)中心組合理論（CCD）[23]，以萎凋機(jī)層高、氣路位置、空間距等3個(gè)因素作為自變量，萎凋品質(zhì)綜合加權(quán)評分值為響應(yīng)值，做3因素3水平的響應(yīng)面分析試驗(yàn)，各因素的水平值與編碼值對應(yīng)關(guān)系見表1。

1.2.2 萎凋性能無量綱化評價(jià)指標(biāo)建立

為實(shí)現(xiàn)萎凋房3個(gè)參數(shù)的優(yōu)化，本研究采用萎凋機(jī)每層萎凋葉溫度極差的總和、萎凋機(jī)4層萎凋葉的平均溫度與其平均溫度極差的比值、萎凋葉的平均溫度以及極差4個(gè)參數(shù)作為萎凋性能的評價(jià)目標(biāo)，分別記為1、2、34。1為每層萎凋葉溫度極差的總和，表示每層萎凋葉的溫度差，該值越小說明受熱越均勻。3為4層萎凋葉的平均溫度，該值越大表示所通氣流在萎凋房內(nèi)循環(huán)越好。4為4層萎凋葉平均溫度的極差值，該值越小表示層間溫差越小，受熱越均勻。2表示3與4的比值，當(dāng)該值越大時(shí)表示熱風(fēng)在萎凋房中傳熱傳質(zhì)的熱交換越好，萎凋葉水分散失越均勻。

m

表1 試驗(yàn)因素與編碼

由于1、2、3、4各代表不同的溫度場性能指標(biāo)，雖然具有客觀性，但單一指標(biāo)無法發(fā)映出整體空間的流場性能。因此，將1、2、3、4這4個(gè)變量通過極差歸一化法進(jìn)行無量綱化處理[24]，再根據(jù)主控目標(biāo)重要程度賦予權(quán)重系數(shù)形成綜合評分，其將更好地表征萎凋流場性能。由于4個(gè)主控目標(biāo)并不都是越大越好，所以在歸一化時(shí)進(jìn)行區(qū)別處理。將1和4視為望小型（每列主控目標(biāo)中最小值得分為0，最大值得分為1），將2、3視為望大型（每列主控目標(biāo)中最大值得分為1，最小值得分0），望大型無量綱值轉(zhuǎn)換公式：

望小型無量綱值轉(zhuǎn)換公式：

式中i為試驗(yàn)值，i為無量綱值，i為最大試驗(yàn)值，i為最小試驗(yàn)值，n為試驗(yàn)數(shù)。

本研究將萎凋機(jī)每一層萎凋葉溫度極差總和Y的權(quán)重定為0.3，萎凋機(jī)4層萎凋葉溫度的平均值與平均溫度極差的比值Y權(quán)重定為0.1，萎凋葉平均溫度Y的權(quán)重定為0.3，4層萎凋葉溫度的極差值Y權(quán)重定為0.3，萎凋性能的無量綱化綜合評分公式為：

式中為綜合評分，1為每層萎凋葉溫度極差的總和，2為4層萎凋葉的平均溫度與其平均溫度極差的比值，3為4層萎凋葉的平均溫度，4為4層萎凋葉平均溫度的極差值。

2 結(jié)果與分析

2.1 響應(yīng)面試驗(yàn)方案

根據(jù)CCD試驗(yàn)方案進(jìn)行3因素3水平響應(yīng)面分析試驗(yàn)，共17個(gè)試驗(yàn)點(diǎn)，其中包括14個(gè)分析因子，3個(gè)零點(diǎn)估計(jì)誤差。通過Flow Simulation仿真軟件，對每組情況進(jìn)行3次重復(fù)仿真，每次仿真結(jié)束將每一層茶葉（共4層）溫度的最大值、最小值和平均值分別記錄，以便于計(jì)算主控目標(biāo)1、2、3、4。取3次重復(fù)仿真結(jié)果的平均值作為響應(yīng)值，表2為試驗(yàn)設(shè)計(jì)方案與結(jié)果。

2.2 響應(yīng)面模型及顯著性檢驗(yàn)

根據(jù)表2中的數(shù)據(jù)，通過Design Expert 10.0.7進(jìn)行回歸擬合，得到綜合評分與3個(gè)影響因素：層高、空間距、氣路位置（分別記為1、2、3）的回歸方程，其二次多項(xiàng)式如下：

由表3可得，回歸方程的模型項(xiàng)極顯著，失擬項(xiàng)不顯著，說明回歸方程在實(shí)際擬合中具有較好的擬合度；所得模型決定系數(shù)2為0.968?3，調(diào)整后的R為0.925?7，變異系數(shù)為11.2%，說明回歸方程可以解釋92%以上的主控目標(biāo)變化，僅有7.43%的總變異不能用此回歸方程解釋。

2.3 因素影響效應(yīng)分析

表2 試驗(yàn)設(shè)計(jì)方案及響應(yīng)值結(jié)果

表3 響應(yīng)面方差分析結(jié)果

在所選定的3個(gè)因素參數(shù)范圍內(nèi)，對萎凋品質(zhì)的總體影響趨勢為：層間距越小、空間距越小、氣路位置居中，萎凋品質(zhì)綜合評分越高。這可能是因?yàn)樵谒x定的參數(shù)范圍內(nèi)空間距越小，熱空氣的循環(huán)空間減小，便于熱空氣與萎凋網(wǎng)帶上的萎凋葉充分進(jìn)行熱傳遞，而當(dāng)層高一定，氣路位置居中時(shí)，層與層間距越小，每層網(wǎng)帶上的萎凋葉越靠近中間的出風(fēng)位置，則越有利于茶樣充分受熱散失水分。

雙因素交互效應(yīng)分析：通過任意將某一個(gè)因素設(shè)為確定值，對剩余兩個(gè)因素的交互作用進(jìn)行分析，得出的響應(yīng)面曲面圖。氣路位置（3）與層高（1）的交互作用見圖2。

由圖2可以得出萎凋品質(zhì)綜合評分隨著氣路位置的上移呈現(xiàn)先增大后減小的趨勢，當(dāng)氣路處于中間位置（距地面約1.452?m）時(shí)，萎凋品質(zhì)綜合評分最高；當(dāng)氣路位置不變時(shí)，隨著層高的逐漸增加，萎凋品質(zhì)綜合評分總體呈下降趨勢，當(dāng)層高從0.1?m升高至0.2?m時(shí)，萎凋品質(zhì)綜合評分的下降趨勢要比層高從0.2?m升高至0.3?m時(shí)更加明顯，但是就層高與氣路位置因素而言，氣路位置對于萎凋品質(zhì)綜合評分的影響更為顯著。

氣路位置（3）與空間距（2）交互作用所產(chǎn)生的響應(yīng)面如圖3所示。當(dāng)氣路位置不變時(shí)，萎凋性能綜合評分隨著空間距的增大呈現(xiàn)先降后增的趨勢，空間距約為0.6?m時(shí)，綜合評分達(dá)到最低值；當(dāng)空間距一定時(shí)，隨著氣路位置的上移，萎凋品質(zhì)綜合評分呈現(xiàn)先增后降的趨勢，氣路位置距離地面約為1.5?m時(shí)，綜合評分最高。

如圖4所示，在3個(gè)參數(shù)所選定范圍內(nèi)，當(dāng)空間距不變時(shí)，萎凋品質(zhì)綜合評分隨著層高的增加而逐漸降低，層高為0.1?m時(shí)，萎凋品質(zhì)最優(yōu)。當(dāng)層高不變時(shí)萎凋品質(zhì)綜合評分隨著空間距的增大而逐漸減小，空間距最小為0.1?m時(shí)，萎凋品質(zhì)綜合評分最高。

2.4 各因素最優(yōu)參數(shù)組合及驗(yàn)證

理想的參數(shù)優(yōu)化結(jié)果是在約束條件范圍內(nèi)盡可能提高綜合評分的數(shù)值[16]，因此將綜合評分作為評價(jià)指標(biāo)，通過優(yōu)化對建立的全因子二次回歸模型進(jìn)行優(yōu)化求解，優(yōu)化約束條件為：

目標(biāo)函數(shù)：Max(x、x、x)

變量區(qū)間：0.1≤1≤0.3，0.1≤2≤1，0.25≤3≤2.654

優(yōu)化所得到的最優(yōu)參數(shù)組合為：萎凋機(jī)層高為0.1?m，空間距為0.1?m，氣路位置為1.496?m（距離地面高度）。優(yōu)化后的萎凋性能綜合評分理論值為0.951?9，高于表2中試驗(yàn)序號11的0.83。

由于萎凋質(zhì)量的不均勻，主要是流場（風(fēng)）不均造成傳熱傳質(zhì)特性的差異，最終導(dǎo)致溫度場、濕度場的不均。因此本研究在考慮到萎凋葉蒸發(fā)形成的濕度因素的同時(shí)，根據(jù)最優(yōu)參數(shù)組合重建模型，進(jìn)行獨(dú)立的數(shù)值模擬分析，經(jīng)501次迭代運(yùn)行后，得到萎凋空間3個(gè)截面（前視圖、上視圖、右視圖）上的平均溫度為26.1℃，平均相對濕度為61.4%，平均流速為0.068?m·s-1，其分布場如圖5所示。

由圖5-a和5-b可知，溫度場、濕度場分布相對均勻，中上部溫度略高于底層溫度，濕度場呈“高?低?高”的分布趨勢。圖5-c可知，風(fēng)速流場分布較為復(fù)雜，以頂部兩側(cè)流速最小，中間層流速相對較高，也影響中間層濕度分布較低。圖5-d可知，4層萎凋葉受熱相對均勻，以流經(jīng)第3層萎凋葉的風(fēng)速流線為例，雖然層間距較小，但在X、Y、Z空間方向均有氣流流動，可及時(shí)交換出萎凋葉蒸發(fā)濕氣。這同時(shí)也表明：在兼顧萎凋機(jī)流量、攤?cè)~厚度等工藝需求前提下，應(yīng)盡量保持較小和適量的層間距。

圖2 氣路位置與層高交互作用響應(yīng)曲面

圖3 氣路位置與空間距交互作用響應(yīng)曲面

取3次重復(fù)試驗(yàn)驗(yàn)證結(jié)果的平均值作為目標(biāo)值，得到最優(yōu)組合下萎凋性能的綜合評分為0.909?6，依然高于表2中綜合評分Y的最高值0.83，而且實(shí)際值與理論值之間的誤差為4%（<5%），所得仿真值與RSM預(yù)測值之間差異較小。

3 結(jié)論

萎凋是紅茶加工的基礎(chǔ)工序，直接影響后續(xù)加工及成品茶質(zhì)量。本文通過流體力學(xué)軟件進(jìn)行萎凋環(huán)境的數(shù)值模擬分析，提出了一種評價(jià)紅茶萎凋機(jī)性能的無量綱化方法，通過CFD與RSM實(shí)驗(yàn)方法相結(jié)合，發(fā)現(xiàn)氣路位置、層高、空間距對萎凋品質(zhì)綜合評分的影響均為顯著，并明確了各因素對于萎凋機(jī)性能的影響重要性排序?yàn)椋簹饴肺恢?、層高、空間距。通過CCD中心試驗(yàn)確定本機(jī)型最優(yōu)性能參數(shù)：萎凋機(jī)層高為0.1?m，空間距為0.1?m，氣路位置距離地面高度為1.496?m。最優(yōu)性能參數(shù)組合的RSM萎凋性能綜合評分為0.951?9，經(jīng)CFD仿真驗(yàn)證實(shí)際值為0.909?6，所得實(shí)際值與預(yù)測值之間差異較小，模型性能可靠。本研究通過數(shù)值模擬技術(shù)優(yōu)化萎凋機(jī)結(jié)構(gòu)，可有效避免溫度場、濕度場和流場性能缺陷，是一種快捷、直觀的設(shè)計(jì)方法，與傳統(tǒng)測點(diǎn)試驗(yàn)研究方法相比，能夠大幅度提高試驗(yàn)研究效率和精度。

圖4 空間距與層高交互作用響應(yīng)曲面

圖5 CFD流場仿真分析云圖

[1] Liang G Z, Dong C W, Hu B, et al. Prediction of moisture content for congou black tea withering leaves using image features and nonlinear method [J]. Scientific Reports, 2018, 8(1): 7854. DOI: 10.1038/s41598-018-26165-2.

[2] 黃藩, 董春旺, 朱宏凱, 等. 紅茶萎凋中鮮葉理化變化及工藝技術(shù)研究進(jìn)展[J]. 中國農(nóng)學(xué)通報(bào), 2014, 30(27): 275-281.

[3] 覃事永, 安霆, 董春旺. 工夫紅茶加工裝備研究現(xiàn)狀[J]. 中國茶葉加工, 2018(4): 43-47.

[4] 江用文, 滑金杰, 袁海波. 我國紅茶產(chǎn)業(yè)現(xiàn)狀分析與前景展望[J]. 中國茶葉加工, 2018(4): 5-10.

[5] 張起勛, 于海業(yè), 張忠元, 等. 利用CFD模型研究日光溫室內(nèi)的空氣流動[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(16): 166-171.

[6] 劉素惠. 基于CFD的烏龍茶做青環(huán)境模擬與優(yōu)化探討[D]. 福州: 福建農(nóng)林大學(xué), 2012.

[7] 陳霖熙. 白茶連續(xù)化生產(chǎn)線建立及關(guān)鍵工藝試驗(yàn)研究[D]. 福州: 福建農(nóng)林大學(xué), 2014.

[8] 趙愛鳳. 萎凋環(huán)境因子對白茶品質(zhì)形成的影響及控制技術(shù)探討[D]. 福州: 福建農(nóng)林大學(xué), 2008.

[9] 王欽明. 基于FLUENT的茶葉風(fēng)選機(jī)流場模擬及結(jié)構(gòu)改進(jìn)研究[D]. 昆明: 昆明理工大學(xué), 2017.

[10] Box G，Wilson K B. On the experimental attainment of optimum conditions [J]. Journal of the Royal Statistical Society Series B:Statistical Methodology, 1951(1): 1-45.

[11] Chen W C, Kurniawan D. Process parameters optimization for multiple quality characteristics in plastic injection molding using Taguchi method, BPNN, GA, and hybrid PSO-GA [J]. International Journal of Precision Engineering and Manufacturing, 2014, 15(8): 1583-1593.

[12] Desai K M, Survase S A, Saudagar P S, et al. Comparison of artificial neural network (ANN) and response surface methodology (RSM) in fermentation media optimization: Case study of fermentative production of scleroglucan [J]. Biochemical Engineering Journal, 2008, 41(3): 266-273.

[13] Guo W L, Zhang Y B, Lu J H, et al. Optimization of fermentation medium for nisin production fromsubsp.using response surface methodology (RSM) combined with artificial neural network-genetic algorithm (ANN-GA) [J]. African Journal of Biotechnology, 2010, 9(38): 6264-6272.

[14] Pilkington J L, Preston C, Gomes R L. Comparison of response surface methodology (RSM) and artificial neural networks (ANN) towards efficient extraction of artemisinin from[J]. Industrial Crops and Products, 2014, 58: 15-24. DOI: 10.1016/j.indcrop.2014.03.016.

[15] 文鵬程, 王軍, 任發(fā)政, 等. 牧區(qū)奶干渣組合式發(fā)酵劑響應(yīng)面法優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(8): 241-247.

[16] 董春旺, 趙杰文, 朱宏凱, 等. 基于RSM和BP-AdaBoost-GA的紅茶發(fā)酵性能參數(shù)優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(5): 335-342.

[17] 滑金杰, 袁海波, 江用文, 等. 響應(yīng)面設(shè)計(jì)優(yōu)化工夫紅茶萎凋工藝參數(shù)[J]. 江蘇農(nóng)業(yè)科學(xué), 2015, 43(10): 362-366.

[18] 滑金杰. 工夫紅茶萎凋工序中鮮葉呼吸作用及理化特性的基礎(chǔ)研究[D]. 北京: 中國農(nóng)業(yè)科學(xué)院, 2014.

[19] 馮呈艷. 茶鮮葉原料的主要物料學(xué)特性的研究及應(yīng)用[D]. 武漢: 華中農(nóng)業(yè)大學(xué), 2013.

[20] 張哲. 茶葉物理特性及吸濕解吸平衡規(guī)律研究[D]. 武漢: 華中農(nóng)業(yè)大學(xué), 2012.

[21] 殷鴻范. 茶葉的熱物理特性[J]. 茶葉科學(xué), 1985, 5(1): 1-6.

[22] 石賢權(quán). 茶葉的熱力學(xué)特性分析[J]. 茶葉, 1984(3): 32-35.

[23] 董春旺, 葉陽, 江用文, 等. 工夫紅茶可視化富氧發(fā)酵機(jī)設(shè)計(jì)及試驗(yàn)研究[J]. 茶葉科學(xué), 2015, 35(4): 370-376.

[24] 何昌德, 董春旺, 吳鋒. 基于虛擬正交試驗(yàn)的汽車轉(zhuǎn)向盤骨架優(yōu)化設(shè)計(jì)的研究[J]. 汽車工程, 2013, 35(4): 326-330.

Optimization of Performance Parameters of Black Tea Withering Machine Based on CFD and RSM

AN Ting1,2, JIANG Yongwen2, LIANG Gaozhen1,2, HU Bin1*, DONG Chunwang2*

1. Machinery and Electricity Engineering College, Shihezi University, Shihezi 832000, China;2. Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China

In order to ascertain the influence of the structural parameters of the withering machine on withering performance, the numerical simulation analysis of withering environment was carried out by the fluid mechanics software. The temperature-integrated index after the dimensionless was used as the evaluation index of the withering performance and the response surface methodology (RSM) was used to optimize the three factors (the withering layer height1, the withering machine and the withering room space2, and the gas position3) that affect withering quality. The result shows that the order of importance of each factor on the withering quality was as follows: gas path position, withering machine layer height, space distance. The best set for temperature field performance of the black tea withering machine were1=10?cm,2=10?cm,3=149.6?cm. The model’s2=0.968?3, adj2=0.927?5, the standard deviation was 0.061. The theoretical and actual values of the optimal scheme were: 0.951?9 and 0.909?6, respectively. The CFD and RSM fusion analysis method was suitable for optimizing the performance parameters of the black tea withering machine.

black tea, withering, CFD, RSM, parameter optimization

TS272.3

A

1000-369X(2019)05-547-08

2019-01-24

2019-02-27

國家重點(diǎn)研發(fā)項(xiàng)目（2017YFD0400802）、中央級院所基本科研業(yè)務(wù)專項(xiàng)（1610212018005）

安霆，男，碩士研究生，主要從事茶葉機(jī)械方面的研究。通信作者：hb_mac@sina.com，dongchunwang@tricaas.com