来源：期刊VIP网 时间：
作者：陈星;郭建章;王威强;刘国祎;
单位：青岛科技大学机电工程学院;山东大学机械工程学院,山东大学可持续制造研究中心;
摘要：以葡萄籽油萃取率为指标，通过响应面法(Response surface methodology, RSM)和人工神经网络(Artificial neural network, ANN)对亚临界CO2等压萃取葡萄籽油工艺进行建模和优化，研究主要工艺参数(萃取压力、分离温度、萃取时间)对葡萄籽油萃取率的影响，且通过RSM和人工神经网络耦合遗传算法(Artificial neural network coupled genetic algorithm, ANN-GA)2种方法优化其最佳工艺条件并验证。在萃取过程中，通过不同萃取压力和不同萃取时间条件下葡萄籽油萃取率的变化，拟合出最佳的葡萄籽油萃取动力学模型并验证。结果表明：RSM与ANN这2种方法均能较为精准地预测，得出RSM模型(R~2=0.9940)的预测效果优于ANN(R~2=0.9879)模型。且RSM和ANN-GA优化最佳萃取条件及萃取率分别为：萃取压力16.13 MPa、分离温度59.55℃、萃取时间100.6 min，萃取率11.36%；萃取压力16.5 MPa、分离温度60.95℃、萃取时间87.3 min，萃取率11.32%。经实验验证，2种方法预测值与实验值基本一致，另外Logistic模型能够很好地拟合亚临界CO_2等压萃取葡萄籽油动力学过程(R~2≥0.9990)，模型验证值与预测值拟合度较高(R~2≥0.9443)，该研究结果可为葡萄籽油的资源开发利用提供理论和技术参考。
关键词：响应面法;;人工神经网络;;亚临界CO_2等压萃取;;葡萄籽油;;动力学
