[發(fā)明專利]優(yōu)化了輻照工藝參數(shù)的60Co?γ射線輻照白酒方法

有效

• 申請?zhí)枺?/td>: 201410395550.8
• 申請日: 2014-08-13
• 公開（公告）號: CN104182572B
• 公開（公告）日: 2017-05-03
• 發(fā)明（設(shè)計）人: 蔣繼成;張麗芳;張曉東;李志超;王世剛;衛(wèi)光;苗靜;紀(jì)東清;王強(qiáng);梁爽;張楠;李志剛
• 申請（專利權(quán)）人: 黑龍江省科學(xué)院技術(shù)物理研究所
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 哈爾濱東方專利事務(wù)所23118
• 代理人: 陳曉光

技術(shù)領(lǐng)域：

本發(fā)明涉及一種優(yōu)化了輻照工藝參數(shù)的⁶⁰Co-γ射線輻照白酒方法。

背景技術(shù)：

白酒香味成分主要有酯類、酸類化合物等。酯類是具有芳香的化合物，在各種香型白酒中起著重要作用，酯是白酒中含量最多的香味成分之一。酸對各香味成分起協(xié)調(diào)、平衡作用，增加醇厚感，是味覺改變劑。目前⁶⁰Co-γ射線輻照加速白酒陳化的研究已有很多成果，但目前⁶⁰Co-γ射線輻照加速白酒陳化和對機(jī)理影響的因素較多，溫度和⁶⁰Co-γ射線輻射處理的參數(shù)（輻照劑量、輻照劑量率等）等均與陳化效果有關(guān)，所以靠實驗不斷摸索出一套完整的⁶⁰Co-γ射線輻照催陳白酒最佳工藝不太現(xiàn)實，并且靠傳統(tǒng)數(shù)學(xué)方法解決這種多輸入多輸出的非線性復(fù)雜系統(tǒng)模型非常困難。

在輻照工藝加工中常用回歸法進(jìn)行建模，但是需要一定的前提條件，如建模的數(shù)據(jù)滿足獨立、線性、正態(tài)、方差齊的條件。回歸效果直接依賴模型是否合適，因此模型建立后，需要對模型基本假設(shè)的合理性加以檢驗。當(dāng)應(yīng)用非線性回歸時，模型選擇、預(yù)備分析、參數(shù)變換、初始值設(shè)定、參數(shù)求解，還有模型修正、比較與檢驗、收斂性與擬合的評估，都存在著很多難點和問題，直接影響到對非線性數(shù)據(jù)擬合的效果，甚至?xí)绊懙侥Ｐ偷慕ⅰ４罅康难芯勘砻鳎?sup>60Co-γ射線輻照加速白酒陳化的輻照工藝參數(shù)和白酒品質(zhì)的主要參數(shù)之間存在著復(fù)雜的非線性關(guān)系，對于這種非線性關(guān)系目前尚無合適的模型可以借鑒，就使得應(yīng)用傳統(tǒng)非線性回歸等方法建模時，在模型選擇、初始值確定、參數(shù)變換求解、模型檢驗等方面存在確定困難，從而影響到非線性建模的效果。

現(xiàn)在輻照加工工藝參數(shù)優(yōu)化大多使用的是遺傳算法，但是遺傳算法的編程實現(xiàn)比較復(fù)雜，首先需要對問題進(jìn)行編碼，找到最優(yōu)解之后還需要對問題進(jìn)行解碼，另外三個算子的實現(xiàn)也有許多參數(shù)，如交叉率和變異率，并且這些參數(shù)的選擇嚴(yán)重影響解的品質(zhì)，而目前這些參數(shù)的選擇大部分是依靠經(jīng)驗。

發(fā)明內(nèi)容：

本發(fā)明的目的是提供一種優(yōu)化了輻照工藝參數(shù)的⁶⁰Co-γ射線輻照白酒方法。

上述的目的通過以下的技術(shù)方案實現(xiàn)：

一種優(yōu)化了輻照工藝參數(shù)的⁶⁰Co-γ射線輻照白酒方法，該方法包括如下步驟：

步驟1：選擇150公斤52度液態(tài)釀造的白酒作為照射樣本；

步驟2：取500毫升塑料瓶50個作為輻照樣品的封裝工具；

步驟3：將白酒分別倒入塑料瓶中封裝好作為輻照樣本；

步驟4：利用Unidos.E通用劑量儀進(jìn)行輻照場劑量測定，確定不同輻照空間場的劑量粗略分布情況；

步驟5：將5個編號的輻照樣本作為一組，在每個樣本表面放置重鉻酸銀進(jìn)行劑量跟蹤，放置不同劑量率的輻照場上，記下此時的輻照場的輻照環(huán)境溫度；所采用的輻照場是環(huán)形放射源，輻照場呈圓形分布，在輻照場中劑量率在50Gy/h~100Gy/h分布，且分布均勻；輻照場中環(huán)境溫度范圍在15℃~22℃范圍內(nèi)，輻照劑量是10KGy以下；

步驟6：按照實驗步驟5中相同的實驗方法將剩下的45個未輻照的白酒樣本分成9組，每組5個編號的輻照樣本進(jìn)行輻照，同時記錄溫度；

步驟7：利用紫外可見分光光度計GS54檢測每組輻照樣本的重鉻酸銀，進(jìn)行輻照劑量檢測；

步驟8：檢測50個輻照樣本的總酸、總酯指標(biāo)；

步驟9：利用輻照后的樣本進(jìn)行數(shù)據(jù)分析，選取白酒理化指標(biāo)變好的樣本數(shù)據(jù)作為下一次白酒輻照的參考值；

步驟10：重復(fù)步驟2至步驟9；

步驟11：將實驗步驟10得到的樣本數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，選取其中的45組數(shù)據(jù)作為數(shù)學(xué)模型的訓(xùn)練數(shù)據(jù)，通過MATLAB軟件，利用貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)算法，建立不同劑量⁶⁰Co-γ射線對白酒品質(zhì)的影響規(guī)律模型；

步驟12：選取剩下的五組數(shù)據(jù)作為檢驗數(shù)據(jù)，輸入到訓(xùn)練好的數(shù)學(xué)模型中去，檢驗利用貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)算法建立不同劑量⁶⁰Co-γ射線對白酒品質(zhì)的影響規(guī)律模型的實際誤差大小；

步驟13：將實驗步驟12得到的樣本數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，選取其中的4組數(shù)據(jù)作為輻照工藝參數(shù)優(yōu)化檢驗數(shù)據(jù)，通過MATLAB軟件，利用粒子群算法對相應(yīng)輻照工藝參數(shù)進(jìn)行優(yōu)化，通過Labview軟件實現(xiàn)可視化；