一种冰淇淋生产参数智能优化方法及系统与流程

本发明涉及冰淇淋生产过程智能优化，具体为一种冰淇淋生产参数智能优化方法及系统。

背景技术：

1、随着食品加工自动化、在线检测和数字化建模技术的发展，冰淇淋连续生产过程逐步由依赖固定工艺参数和人工经验的生产方式向数据化、智能化方向发展。连续凝冻是冰淇淋生产中的重要加工阶段，制冷侧温度、刮刀转速、物料流量和空气加入流量会共同影响物料降温、冰相形成、流变特性以及机械剪切状态，并进一步影响冰淇淋的冰相比例、表观黏度、膨胀率和出料温度。现有生产过程中通常利用温度、压力、流量、转速和功率等运行数据监测凝冻状态，并结合产品配方、历史生产参数和产品质量要求对相关生产参数进行设定或调整；随着过程建模和数据分析技术的发展，多参数建模、生产状态预测以及参数寻优方法也逐渐应用于冰淇淋生产过程。

2、然而，冰淇淋连续冻结过程具有较强的非线性和多因素耦合特征，同一生产参数在不同配方组成、当前物料状态和设备运行条件下可能产生不同的冻结响应。现有部分生产参数优化方法主要根据历史生产数据、当前检测指标或者最终产品状态建立生产参数与产品结果之间的对应关系，在工况发生变化时，对候选生产参数作用后的动态冻结过程表征仍存在一定局限。尤其是物料在连续冻结过程中同时经历降温、冰相形成、黏度变化和机械剪切，不同生产参数方案即使最终获得相近的出料温度、冰相比例或表观黏度，其各冻结阶段对应的冷却程度、冰相演化速度、流变状态和机械作用过程仍可能存在差异，仅依据最终状态进行参数评价难以完整反映上述过程差异。此外，对于主要由历史样本建立的预测模型，当当前生产状态偏离已有样本覆盖范围时，预测结果对冻结过程热量变化、相变演化和流变规律的符合程度可能降低。因此，如何结合冰淇淋配方特征、当前生产状态和设备运行条件，对不同候选生产参数方案对应的冻结状态变化进行具有物理约束的动态预测，并进一步从冻结全过程角度评价候选方案与目标合格冻结过程之间的差异，是冰淇淋生产参数智能优化过程中需要解决的技术问题。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的冰淇淋生产参数优化方法存在难以结合冰淇淋配方特征、当前生产状态和设备运行条件准确表征当前冻结过程状态的问题，难以在热量平衡、冰相演化和流变变化等物理规律约束下对不同候选生产参数方案对应的冻结状态变化进行可靠预测的问题，难以根据冷却、相变、流变和剪切作用的全过程变化区分终态相近但冻结路径不同的候选生产参数方案的问题，以及如何在候选方案冻结历程接近目标冻结历程的基础上兼顾生产参数调整幅度，确定适用于当前生产工况的目标生产参数方案的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种冰淇淋生产参数智能优化方法，包括以下步骤：

5、s1：获取冰淇淋配方特征数据、当前生产过程数据、生产设备运行数据、目标产品状态数据和生产参数边界数据；

6、s2：根据所述配方特征数据、所述当前生产过程数据和所述生产设备运行数据确定当前冻结过程状态，并将所述当前冻结过程状态作为引入冰淇淋冻结过程物理约束的预设状态预测模型的初始状态；

7、s3：根据所述当前冻结过程状态、所述目标产品状态数据和所述生产参数边界数据生成多个候选生产参数方案，并利用所述预设状态预测模型确定各候选生产参数方案对应的冻结状态轨迹；

8、s4：根据各冻结状态轨迹中的温度变化、冰相变化、流变变化和剪切作用变化确定对应的等效冻结历程，并根据预设产品状态与等效冻结历程的映射关系和所述目标产品状态数据确定目标等效冻结历程；

9、s5：根据各候选生产参数方案对应的等效冻结历程与所述目标等效冻结历程之间的偏差，生成对应的参数优化评价结果；

10、s6：根据所述参数优化评价结果从多个候选生产参数方案中确定目标生产参数方案，生成冰淇淋生产参数智能优化结果。

11、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s1具体包括：

12、获取冰淇淋的总固形物含量、脂肪含量、蛋白含量、糖含量、稳定剂含量和配方冻结点，形成所述配方特征数据；

13、获取冰淇淋冻结过程中的进料温度、进料表观黏度、出料温度、物料流量、空气加入流量、筒体压力和刮刀转速，形成所述当前生产过程数据；

14、获取制冷侧温度、冷媒流量和电机功率，形成所述生产设备运行数据；

15、根据目标冰相比例、目标表观黏度、目标膨胀率和目标出料温度形成所述目标产品状态数据；

16、获取制冷侧温度、刮刀转速、物料流量和空气加入流量对应的允许调节范围，形成所述生产参数边界数据。

17、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s2中所述根据所述配方特征数据、所述当前生产过程数据和所述生产设备运行数据确定当前冻结过程状态，具体包括：

18、根据所述进料温度、所述出料温度、所述制冷侧温度和所述冷媒流量确定当前物料热状态；

19、根据所述当前物料热状态、所述配方冻结点和所述总固形物含量确定当前冰相状态；

20、根据刮刀转速和电机功率确定当前剪切作用特征；

21、根据所述进料表观黏度、所述当前物料热状态、所述当前冰相状态和所述当前剪切作用特征确定当前流变状态；

22、将所述当前物料热状态、所述当前冰相状态、所述当前流变状态和所述当前剪切作用特征组合，形成所述当前冻结过程状态。

23、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s2中所述预设状态预测模型通过以下方式引入冰淇淋冻结过程物理约束：

24、采用数据拟合项和物理约束项构建所述预设状态预测模型的训练评价函数；

25、根据物料温度变化与制冷侧换热作用、相变潜热作用和机械耗散作用之间的能量平衡关系构建热状态变化约束；

26、根据物料温度、所述配方冻结点和冰相比例之间的对应关系构建冰相演化约束；

27、根据物料温度、冰相比例、表观黏度和剪切作用特征之间的流变关系构建流变变化约束；

28、根据所述热状态变化约束、所述冰相演化约束和所述流变变化约束确定所述物理约束项，并将所述当前冻结过程状态作为训练后的所述预设状态预测模型进行冻结状态轨迹预测时的初始状态。

29、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s3具体包括：

30、根据所述当前冻结过程状态、所述目标产品状态数据和所述生产参数边界数据，分别确定制冷侧温度、刮刀转速、物料流量和空气加入流量的多个候选参数值，并将所述候选参数值进行组合，形成多个候选生产参数方案；

31、针对各候选生产参数方案，将所述当前冻结过程状态作为所述预设状态预测模型的初始状态，将对应的候选生产参数方案作为生产参数输入，并结合所述配方特征数据，按照预设预测时序迭代确定各预测时刻的冻结过程状态；

32、按照预测时刻的先后顺序，将同一候选生产参数方案对应的物料热状态、冰相状态、流变状态和剪切作用特征进行排列，形成该候选生产参数方案对应的冻结状态轨迹。

33、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s4中所述根据各冻结状态轨迹中的温度变化、冰相变化、流变变化和剪切作用变化确定对应的等效冻结历程，具体包括：

34、按照所述预设预测时序将各候选生产参数方案对应的冻结状态轨迹划分为多个连续预测时段；

35、针对各预测时段，根据物料温度低于所述配方冻结点时所述配方冻结点与物料温度之间的有效冻结温差和对应预测时段的持续时间确定冷却作用量，根据冰相比例在对应预测时段内的变化速率和持续时间确定相变作用量，根据表观黏度相对于进料表观黏度的变化程度和对应预测时段的持续时间确定流变作用量，根据剪切作用特征和对应预测时段的持续时间确定剪切作用量；

36、沿所述预设预测时序分别对各预测时段的冷却作用量、相变作用量、流变作用量和剪切作用量进行累积，得到冷却历程、相变历程、流变历程和剪切历程；

37、按照相同预测时刻将所述冷却历程、所述相变历程、所述流变历程和所述剪切历程进行对应组合，形成对应候选生产参数方案的等效冻结历程。

38、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s4中所述根据预设产品状态与等效冻结历程的映射关系和所述目标产品状态数据确定目标等效冻结历程，具体包括：

39、获取多个历史合格生产批次的产品状态数据和冻结状态轨迹，并根据各历史合格生产批次的冻结状态轨迹确定对应的参考等效冻结历程，建立所述产品状态数据与所述参考等效冻结历程之间的对应关系；

40、根据各参考等效冻结历程对应的冻结过程持续时间，将各参考等效冻结历程归一化至统一的冻结过程进度序列；

41、分别对所述目标产品状态数据和各历史合格生产批次的产品状态数据进行尺度归一化，根据归一化后的所述目标产品状态数据与各历史合格生产批次的产品状态数据之间的状态偏差，确定各历史合格生产批次对应的匹配权重；

42、按照所述统一的冻结过程进度序列，根据所述匹配权重分别对各参考等效冻结历程中的冷却历程、相变历程、流变历程和剪切历程进行加权融合，得到目标冷却历程、目标相变历程、目标流变历程和目标剪切历程；

43、按照相同冻结过程进度将所述目标冷却历程、所述目标相变历程、所述目标流变历程和所述目标剪切历程进行对应组合，形成所述目标等效冻结历程。

44、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s5具体包括：

45、根据各候选生产参数方案对应的预测冻结过程持续时间，将各候选生产参数方案对应的等效冻结历程归一化至与所述目标等效冻结历程一致的冻结过程进度序列；

46、按照所述冻结过程进度序列，分别确定各进度位置处的冷却历程差异、相变历程差异、流变历程差异和剪切历程差异，并沿所述冻结过程进度序列对各类历程差异进行累计，得到对应的冷却历程偏差、相变历程偏差、流变历程偏差和剪切历程偏差；

47、分别对所述冷却历程偏差、所述相变历程偏差、所述流变历程偏差和所述剪切历程偏差进行尺度归一化，并根据对应的预设评价权重进行综合，得到各候选生产参数方案对应的综合冻结历程偏差；

48、根据所述综合冻结历程偏差生成所述参数优化评价结果，其中，所述综合冻结历程偏差越小，对应候选生产参数方案的参数优化评价结果越优。

49、作为本发明所述的冰淇淋生产参数智能优化方法的一种优选方案，其中：步骤s6具体包括：

50、根据各候选生产参数方案对应的综合冻结历程偏差确定最优综合冻结历程偏差，并筛选综合冻结历程偏差与所述最优综合冻结历程偏差之间的差异不大于预设评价差异阈值的候选生产参数方案；

51、当筛选得到一个候选生产参数方案时，将该候选生产参数方案确定为目标生产参数方案；当筛选得到多个候选生产参数方案时，分别确定各候选生产参数方案中的制冷侧温度、刮刀转速、物料流量和空气加入流量相对于当前对应生产参数的归一化调整量，根据各归一化调整量确定对应的参数调整总量，并将所述参数调整总量最小的候选生产参数方案确定为目标生产参数方案；

52、根据所述目标生产参数方案中的目标制冷侧温度、目标刮刀转速、目标物料流量和目标空气加入流量生成所述冰淇淋生产参数智能优化结果。

53、第二方面，本发明实施例提供了一种冰淇淋生产参数智能优化系统，包括：

54、数据获取模块：获取冰淇淋配方特征数据、当前生产过程数据、生产设备运行数据、目标产品状态数据和生产参数边界数据；

55、冻结过程状态确定模块：根据所述配方特征数据、所述当前生产过程数据和所述生产设备运行数据确定当前冻结过程状态，并将所述当前冻结过程状态作为引入冰淇淋冻结过程物理约束的预设状态预测模型的初始状态；

56、候选生产参数预测模块：根据所述当前冻结过程状态、所述目标产品状态数据和所述生产参数边界数据生成多个候选生产参数方案，并利用所述预设状态预测模型确定各候选生产参数方案对应的冻结状态轨迹；

57、等效冻结历程确定模块：根据各冻结状态轨迹中的温度变化、冰相变化、流变变化和剪切作用变化确定对应的等效冻结历程，并根据预设产品状态与等效冻结历程的映射关系和所述目标产品状态数据确定目标等效冻结历程；

58、参数优化评价模块：根据各候选生产参数方案对应的等效冻结历程与所述目标等效冻结历程之间的偏差，生成对应的参数优化评价结果；

59、优化结果生成模块：根据所述参数优化评价结果从多个候选生产参数方案中确定目标生产参数方案，生成冰淇淋生产参数智能优化结果。

60、本发明的有益效果：本发明通过融合配方特征数据、当前生产过程数据和设备运行数据确定当前冻结过程状态，并利用引入冻结过程物理约束的状态预测模型对多个候选生产参数方案进行动态推演；进一步将各候选方案对应的温度、冰相、流变和剪切作用变化转化为等效冻结历程，并与根据历史合格生产过程确定的目标等效冻结历程进行全过程比较，从而能够识别仅依据最终出料状态难以区分的冻结路径差异。在此基础上，根据参数优化评价结果筛选近优候选方案，并进一步考虑候选生产参数相对于当前生产参数的调整幅度，有利于在保持冻结过程接近目标状态的同时减少不必要的参数变化，提高冰淇淋生产参数优化结果的物理可解释性、工况适应性和稳定性。