一种基于数学模型的高强度琼胶生产方法及其应用与流程

文档序号:11216593阅读:451来源:国知局
一种基于数学模型的高强度琼胶生产方法及其应用与流程

本发明涉及一种基于数学模型的高强度琼胶生产方法及其应用,属于海洋化工工程技术领域。



背景技术:

琼胶是由红藻类海藻(如江蓠、石花菜等)中提取的亲水性胶体,亦称琼脂,是以半乳糖为主要成分的一种高分子多糖。琼胶具有良好的胶凝性和稳定性,在食品、医药、日用化工、生物工程等领域有着广泛应用。琼胶按照凝胶强度可分为低凝胶强度(150-400g/cm2)、中凝胶强度(401-800g/cm2)、高凝胶强度(801-1200g/cm2)和超高凝胶强度(>1200g/cm2)四个等级。高凝胶强度琼胶即凝胶强度在800g/cm2以上的琼胶在市场中占主要地位;而中、低凝胶强度的琼胶较为少见,产品附加值较低。

江蓠(gracilaria)是生产琼胶的重要海藻原料,主要分布于黄渤海海域、东海海域以及南海海域,其养殖范围广、产量大、生长速度快、价格低廉,且经碱处理后提取的琼胶质量较好,正逐渐取代石花菜(gelidiumamansii)成为生产琼胶的主要原料。江蓠琼胶的提取方法多采用碱溶液对原料进行前处理,后通过蒸汽压力法进行琼胶的提取。整个工艺流程包括了碱处理、漂白酸化、蒸汽压力提胶和脱水干燥等关键环节,传统的龙须菜提胶工艺中各个关键环节的技术参数都是一定的,所有原料都以一种工艺参数进行琼胶的提取。而江蓠原料受海域、季节、成熟度、加工工艺等因素的影响,其多糖含量及硫酸基含量会有较大差异,如果不同的原料均按照同样的工艺进行处理,必然会造成原料的浪费和工业试剂的滥用。因此,根据不同原料调整工艺参数,在原料完全利用的前提下又不造成碱料浪费,成为当前提胶工艺改革创新的当务之急,通过建立数学模型对龙须菜琼胶提取工艺参数进行预测控制可以很好的解决此难点。

数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型,它能够对问题进行本质化、一般化的反映,作为桥梁将数学理论用于实际问题的解决中。数学模型在投资组合、饲料配方、指派问题、车辆调度、人口预报及工艺控制等方面有所应用。mittal和zhang通过数学模型对油炸过程中食物传热和传质进行预测分析,模型的预测温度值和实际测定值最大绝对误差为1.2℃,具有较高的拟合度。boillereaux等对冷冻食品解冻过程进行数学模型的评估和预测,能够根据融解时的热性质参数进行准确地在线控制食品的解冻过程。相关研究成果的发表证实了数学模型在工艺控制中应用的可行性,为本发明针对龙须菜组分的差异进行数学模型的建立和应用提供了理论依据。

在本发明中的琼胶提取工艺各环节上,碱处理过程对琼胶的出胶率以及凝胶强度的影响最为显著,且碱处理浓度是此过程的关键控制点。若能根据已知的原料参数来推知所需要的碱处理浓度大小,则可以对琼胶的生产实现数字化控制,提高工效和原料利用率。本发明正是采用构建的数学模型来实现这一目的。



技术实现要素:

本发明专利的目的在于克服现有工艺的不足,建立一种基于红藻原料组分差异的数学模型,以及通过该数学模型对高强度琼胶提取过程中碱处理浓度大小进行有效预测控制,从而高效生产预期产品的方法。具体来讲,是对原料中多糖含量和硫酸基含量进行测定,并对多种原料进行碱处理浓度梯度实验分别得到多组产品参数。通过对原料参数、变量数据以及产品结果的统计拟合建立数学模型,从而根据原料参数推导出最佳碱处理浓度大小,实现高强度琼胶的高效生产,提高原料利用率,降低碱用量。本发明专利确保了高强度琼胶生产的高效性和低污染性,满足针对不同红藻原料的琼胶生产工艺快速调整转变的要求,同时根据原料参数预测产品产率和质量,降低了对人为经验的要求,提高工艺的稳定性。

本发明的目的是提供一种基于数学模型的高强度琼胶生产控制方法,首先建立一种数学模型。

发明人发现,红藻原料中多糖含量和硫酸基含量的差异会直接影响琼胶产品的品质,在提取工艺过程的碱处理环节中,碱处理浓度是最为显著的影响因素,将其定为建模关键控制点。发明人测定多种红藻原料参数,进行工艺中碱处理浓度梯度实验以及琼胶产品出胶率和凝胶强度的测定,并根据相关参数构建数学模型,确定如下:

x=8.49-2.02×10-7t-1.14×10-7s-et2-2.64×10-6ts-9.98×10-7s2-1.36×10-4t3-4.41×10-5t2s-1.32×10-5ts2-fs3-gt4-9.13×10-5t3s+ht2s2-2.27×10-5ts3-4.75×10-5s4

y1=29.2945-1.5979x+0.0929x2-0.0352x3+0.0059x4-0.0015x5

y2=115.6305+174.6887x

该模型是建立在关于碱处理浓度(x)、出胶率(y1)和凝胶强度(y2)的基础模型之上的,其中x表示碱处理浓度(%),t表示原料多糖含量(%),s表示原料硫酸基含量(%),y1表示出胶率(%),y2表示凝胶强度(g/cm2)。模型中e、f、g、h参数的取值范围分别为:e为9.00×10-7~8.00×10-6;f为2.00×10-6~7.00×10-6;g为6.00×10-6~4.00×10-5;h为3.00×10-5~8.00×10-5

根据上述数学模型确定一种红藻原料提胶工艺中最佳碱处理浓度选择的方法,步骤如下:

步骤a、建立多因素数学模型

a1、采自于不同海域、不同收货期的红藻原料,测定其多糖含量和硫酸基含量,分别用t、s表示;

a2、对原料进行预处理,并在不同碱处理浓度梯度下80℃处理2h,之后进行漂白酸化、蒸汽压力提胶以及脱水干燥等处理,制得琼胶样品,碱处理浓度用x表示;

a3、将制得的琼胶样品按照gb1975-2010中方法进行出胶率和凝胶强度的测定,分别用y1、y2表示;

a4、将上述t、s、x、y1、y2参数拟合构建数学模型m:

x=8.49-2.02×10-7t-1.14×10-7s-et2-2.64×10-6ts-9.98×10-7s2-1.36×10-4s3-4.41×10-5t2s-1.32×10-5ts2-fs3-gt4-9.13×10-5t3s+ht2s2-2.27×10-5ts3-4.75×10-5s4

y1=29.2945-1.5979x+0.0929x2-0.0352x3+0.0059x4-0.0015x5

y2=115.6305+174.6887x

得到的x即是原料在满足凝胶强度的前提下,使得出胶率最高的碱处理浓度最佳值;y1、y2分别是在最佳碱处理浓度下出胶率和凝胶强度的预测值。其中e、f、g、h参数的取值范围分别为:e为9.00×10-7~8.00×10-6;f为2.00×10-6~7.00×10-6;g为6.00×10-6~4.00×10-5;h为3.00×10-5~8.00×10-5

步骤b、模型在生产中的应用

b1、测定生产原料中多糖含量和硫酸基含量的,分别用t、s表示;

b2、将t和s数值带入步骤a中建立的数学模型m中,运算得到碱处理浓度的预测值x;

b3、碱处理:将生产原料预处理后,加入浓度为x的碱液于80℃条件下处理2h;

b4、碱处理后进行漂白、酸化、蒸汽压力提胶以及脱水干燥等处理,制得琼胶样品,测定出胶率和凝胶强度。

本发明的突出效果是,通过本发明中建立的数学模型可以预测某种红藻原料加工所需要的碱处理浓度大小以及琼胶产品的出胶率和凝胶强度。从而可以对高强度琼胶提取工艺进行数字化控制,针对原料有效安排生产班次,避免生产的盲目性,减少工料的浪费,提高工效。

本发明方法能够克服传统生产工艺中原料浪费或者利用不足的弊端,予以生产具体的科学指导,提高原料利用率,降低生产成本,提高企业利润,对海藻加工企业的产业升级及智能化生产有着重要的指导意义。

本发明方法生产的琼胶凝胶强度不低于800g/cm2

同时,本发明方法还能实现琼胶产品的定向生产。通过更改目标产品参数从而在建模数据的基础上统计拟合出适应该产品要求的数学模型,集多个不同模型于一体,进行工艺数字化控制,能够实现高强度琼胶提取工艺的一线多产。

附图说明

图1是本发明中数学模型建立过程及在琼胶提取中应用的工艺流程图。

具体实施方式

结合附图对本发明具体实施方式作进一步详细描述。

具体实施例1

将采收于黄渤海海域的江蓠原料作为建模数据样本来源,进行基于原料组分差异的数学模型的建立,得到e、f、g、h参数的最佳值分别为5.74×10-6、4.46×10-6、8.33×10-6、6.15×10-5。由此所建模型确定如下(用m1表示),并以此数学模型进行提胶工艺中碱处理浓度大小的预测控制。

x=8.49-2.02×10-7t-1.14×10-7s-5.74×10-6t2-2.64×10-6ts-9.98×10-7s2-1.36×10-4t3-4.41×10-5t2s-1.32×10-5ts2-4.46×10-6s3-8.33×10-6t4-9.13×10-5t3s+6.15×10-5t2s2-2.27×10-5ts3-4.75×10-5s4

另采收在该海域养殖的江蓠原料3批,进行琼胶提取过程中碱处理浓度的最佳值预测及生产应用。分别测定江蓠原料中多糖含量和硫酸基含量,将其带入上述已构建的数学模型m1中,通过模型计算得到碱处理浓度以及琼胶产品的出胶率和凝胶强度预测值,结果见表1。

结果表明,本发明方法针对江蓠琼胶提取中出胶率和凝胶强度的预测值与实际值差异不大,相对偏差在2%~5%之间。说明本方法的预测具有实际意义。

具体实施例2

将采收于东海海域的江蓠原料作为建模数据样本来源,进行基于原料组分差异的数学模型的建立,得到e、f、g、h参数的最佳值分别为1.33×10-6、6.31×10-6、1.72×10-5、3.86×10-5。由此所建模型确定如下(用m2表示),并以此数学模型进行提胶工艺中碱处理浓度大小的预测控制。

x=8.49-2.02×10-7t-1.14×10-7s-1.33×10-6t2-2.64×10-6ts-9.98×10-7s2-1.36×10-4t3-4.41×10-5t2s-1.32×10-5ts2-6.31×10-6s3-1.72×10-5t4-9.13×10-5t3s+3.86×10-5t2s2-2.27×10-5ts3-4.75×10-5s4

另购得东海海域收获的不同江蓠原料3批,分别测定多糖含量和硫酸基含量,将其带入上述数学模型m2中,通过模型计算得到碱处理浓度的预测值及出胶率和凝胶强度。将原料进行一系列碱浓度梯度实验,得到在符合产品要求下的出胶率和凝胶强度的实际值,并与数学模型m2所计算出来的预测值进行对比。结果见表2。

结果表明,本发明方法针对江蓠琼胶提取中出胶率和凝胶强度的预测值与实际值差异不大,相对偏差小于5%。说明本方法的预测具有实际意义。

具体实施例3

将采收于南海海域的江蓠原料作为建模数据样本来源,进行基于原料组分差异的数学模型的建立,得到e、f、g、h参数的最佳值分别为7.43×10-6、2.64×10-6、9.69×10-6、4.24×10-5。由此所建模型确定如下(用m3表示),并以此数学模型进行提胶工艺中碱处理浓度大小的预测控制。

x=8.49-2.02×10-7t-1.14×10-7s-7.43×10-6t2-2.64×10-6ts-9.98×10-7s2-1.36×10-4t3-4.41×10-5t2s-1.32×10-5ts2-2.64×10-6s3-9.69×10-6t4-9.13×10-5t3s+4.24×10-5t2s2-2.27×10-5ts3-4.75×10-5s4

以南海海域收获的3批不同江蓠原料作为验证样本,分别测定原料中多糖含量和硫酸基含量,通过上述构建的数学模型m3得到碱处理浓度的预测值及出胶率和凝胶强度。将原料按照同样的方法进行一系列碱浓度梯度实验,得到在符合产品要求下的出胶率和凝胶强度的实际值,并与数学模型m3所计算出来的预测值进行对比。结果见表2。

结果表明,本发明方法针对江蓠琼胶提取中出胶率和凝胶强度的预测值与实际值差异不大,相对偏差在1%~5%之间。说明本方法的预测具有实际意义。

通过三个实施例得到本方法中数学模型的预测偏差小于5%,出胶率和凝胶强度的预测值与实际值差异在允许范围内,模型预测的碱处理浓度对实际琼胶提取的最优条件有指导作用。本发明中数学模型及在琼胶提取中的应用具有可行性和实际意义,具有推广的价值。

本发明不局限于上述最佳实施方式,任何人应该得知在本发明的启示下作出的结构变化或方法改进,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1