一种利用喷雾干燥工艺制备高载量粉末香精的方法与流程

本发明属于食用香精生产工艺，具体而言，涉及一种利用喷雾干燥工艺制备高载量粉末香精的方法。

背景技术：

1、喷雾干燥技术是制备粉末香精的主流工艺，其核心流程包括乳化液配制、雾化干燥与粉末收集。在传统工艺中，进料泵送系统通常采用固定频率变频控制或基于单一压力传感器的pid反馈调节，干燥塔底部气流扰动依赖人工设定的静态参数，包埋率检测结果仅用于批次记录而不反馈至控制系统。在高载量粉末香精的生产场景中，乳化液黏度较高，进料管道内的流体呈现出非牛顿流体特性，管道内壁摩擦、管径突变及泵腔压缩等因素共同作用，导致压力信号呈现强非线性波动，传统pid控制器因线性假设无法有效拟合该非线性动态，频繁出现泵送频率过调或欠调现象。过调导致瞬时流量激增，液滴粒径分布变宽，壁材来不及在液滴表面形成连续膜，包埋率下降；欠调则导致进料中断，干燥塔内温度场失衡，香精组分因局部过热而挥发损失。也就是说，现有技术中存在高黏度乳化液在进料管道中产生非线性压力波动时泵送控制失稳、导致包埋率下降的技术问题。

技术实现思路

1、有鉴于此，本发明提供一种利用喷雾干燥工艺制备高载量粉末香精的方法，能够解决现有技术中存在喷雾干燥制备粉末香精过程中进料管道非线性压力波动导致泵送控制失稳、包埋率下降的技术问题。

2、本发明是这样实现的：本发明提供一种利用喷雾干燥工艺制备高载量粉末香精的方法，包括以下步骤：

3、将香精原料与壁材溶液按质量比混合，经高剪切乳化处理，制备乳化液，乳化液的黏度由物理边界自适应前馈路由模型实时监测，并将黏度、扩散阻力与传质系数作为输入特征张量，输出最优泵送变频步长；

4、将乳化液输入喷雾干燥系统的进料管道，由物理边界自适应前馈路由模型中的植物根系生长仿生特征自适应筛选算法对进料压力、流量及管道非线性压力波动数据进行核心特征筛选，并调用经典图论最大网络流资源动态分配算法对计算线程与内存缓冲区进行实时调度，输出稳定的变频泵送控制指令；

5、乳化液经雾化器雾化为微观液滴，控制进风温度、出风温度与进料流量，微观液滴在干燥塔内完成干燥；

6、干燥后粉末在干燥塔底部经二次团聚抑制处理，物理边界自适应前馈路由模型将底部流场的稀疏邻接传导矩阵作为输入，实时输出最优气流扰动强度调节指令；完成成品制备。

7、进一步的，还包括：收集粉末香精成品，经包埋率检测与粒径分布检测后，将检测数据反馈至物理边界自适应前馈路由模型，触发动态回溯机制更新掩码权重，完成闭环工艺优化。

8、其中，所述物理边界自适应前馈路由模型的结构具体是：网络输入层接收经植物根系生长仿生特征自适应筛选算法筛选后的正交解耦维度特征张量，所述特征张量包含微观液滴扩散阻力与传质系数，以及由非线性压力波动经高维数据无损降维处理后得到的低维压缩张量。

9、其中，所述物理边界自适应前馈路由模型的前向传播机制具体是：每个前馈传播层内部设计一个可学习的二值化掩码算子，所述二值化掩码算子与香精挥发的热力学边界条件函数直接关联；若当前隐层激活值与热力学边界约束的内积小于误差容忍度阈值，激活门控单元触发条件分支跳转，信息流经长跨度残差密集跳转矩阵直接传递至下一层。

10、其中，所述动态回溯机制具体是：若实时预测错误率超出误差容忍度阈值，触发隐藏层的动态回溯机制，调用局部非对称门控循环单元，通过前向传播速率快、反馈更新速率慢的非对称流向，重新计算各层二值化掩码算子的权重。

11、其中，层间张量维度由自适应低秩分解矩阵进行动态对齐，维持在固定维度上；网络输出层输出包埋率预测值、泵送变频步长调节指令及底部气流扰动强度调节指令；自适应低秩分解矩阵的秩取值范围为4～32。

12、其中，所述经典图论最大网络流资源动态分配算法具体是：将每个计算线程、内存缓冲区及隐藏层处理单元抽象为拓扑图中的节点，将各通路的数据吞吐速率作为边容量，构建从数据源到最终输出的最大流数学模型，利用增广路径算法寻找当前拓扑下的最大数据流分配方案，实时动态调整各多路异构计算管道的动态阈值与线程阻塞挂起状态。

13、其中，所述植物根系生长仿生特征自适应筛选算法具体是：初始化一组特征选择节点作为根尖，根尖的空间坐标代表工艺参数的特征权重，以喷雾干燥能量利用率和香精留存率为综合营养浓度函数，根尖节点沿营养梯度方向进行分支伸展与局部激活算子动态重构，若某特征分支的综合营养浓度函数值持续低于枯死剪枝阈值，则实施顶端枯死剪枝，最终保留的根系拓扑结构即为核心特征组合。

14、其中，所述综合营养浓度函数的加权系数中，喷雾干燥能量利用率与香精留存率的权重比范围为3：7至7：3；枯死剪枝阈值取综合营养浓度函数均值的20%～35%。

15、其中，所述物理边界自适应前馈路由模型的训练具体是：以包埋率预测误差为主损失函数，以泵送变频步长调节误差和气流扰动强度调节误差为辅助损失函数，采用加权求和方式构建联合损失函数；二值化掩码算子的权重通过梯度下降与局部非对称门控循环单元的动态回溯机制协同更新。

16、其中，所述物理边界自适应前馈路由模型的训练数据集建立具体是：采集多批次喷雾干燥实验中的微观液滴扩散阻力、传质系数、进料管道压力波动序列、干燥塔底部流场分布数据及对应的包埋率检测值，将上述数据经高维数据无损降维处理后形成低维压缩张量，再经植物根系生长仿生特征自适应筛选算法筛选后，构建带标注的训练样本对。

17、其中，所述变频步长调节函数以实时压力波动均方差、当前乳化液黏度与目标流量偏差为输入，计算综合调节指数，其中、、为量纲协调系数，使为无量纲综合调节指数。

18、其中，综合调节指数的分段策略具体是：当小于第一综合调节指数阈值时，采用小步长线性递增策略；当处于第一综合调节指数阈值与第二综合调节指数阈值之间时，采用中步长自适应调节策略；当不小于第二综合调节指数阈值时，采用大步长动态回溯策略，并同步触发物理边界自适应前馈路由模型的动态回溯机制。

19、其中，第一综合调节指数阈值为0.3，第二综合调节指数阈值为0.7的取值范围为0.1～5.0，的取值范围为0.01～1.0，的取值范围为1.0～50。

20、其中，所述稀疏邻接传导矩阵指的是将干燥塔底部连续态流场信息转化为稀疏图结构表示后得到的邻接矩阵，矩阵以节点间的传导强度为边权，用于降低三维流体动力学行为的多维特征计算负担。

21、其中，还包括：将优化后的工艺参数存入工艺参数库，用于下一批次生产的物理边界自适应前馈路由模型的输入特征张量初始化；误差容忍度阈值的初始设定范围为0.05～0.20，具体数值通过多轮训练迭代实验分析后确定。

22、本发明通过构建物理边界自适应前馈路由模型，将乳化液黏度、微观液滴扩散阻力与传质系数作为输入特征张量，利用植物根系生长仿生特征自适应筛选算法从高维工艺参数中自适应保留对包埋率贡献最大的核心特征，降低了输入张量的冗余维度，使模型能够在非线性压力波动工况下精准预测最优泵送变频步长。网络内部的二值化掩码算子与香精挥发热力学边界条件函数直接关联，使前向推理路径能够随实时工况动态调整，避免了传统固定结构网络在边界工况下的激活失效问题。动态回溯机制在预测错误率超出误差容忍度阈值时触发局部非对称门控循环单元，快速修正掩码权重，保证了控制指令的实时性与稳定性。经典图论最大网络流资源动态分配算法消除了多线程高频采样数据在隐藏层间的传导滞留，使非线性压力波动信号能够无延迟地传入模型并输出稳定的变频控制指令。综上所述，本发明解决了背景技术中提到的高黏度乳化液在进料管道中产生非线性压力波动时泵送控制失稳、导致包埋率下降的技术问题。