优化了辐照工艺参数的60Co-γ射线辐照白酒方法技术

优化了辐照工艺参数的60Co-γ射线辐照白酒方法。目前60Co-γ射线辐照加速白酒陈化的研究已有很多成果，但60Co-γ射线辐照加速白酒陈化和对机理影响的因素较多。本发明专利技术方法包括:步骤1：选择150公斤52度液态酿造的白酒作为照射样本；步骤2：取500毫升塑料瓶50个作为辐照样品的封装工具；步骤3：将白酒分别倒入塑料瓶中封装好作为辐照样本；步骤4：利用Unidos.E通用剂量仪进行辐照场剂量测定，确定不同辐照空间场的剂量粗略分布情况；步骤5：将5个编号的辐照样本作为一组，在每个样本表面放置重铬酸银进行剂量跟踪，放置不同剂量率的辐照场上。本发明专利技术用于工厂化60Co-γ射线提升白酒品质的生产加工。

【技术实现步骤摘要】
优化了辐照工艺参数的60Co-γ射线辐照白酒方法
：本专利技术涉及一种优化了辐照工艺参数的60Co-γ射线辐照白酒方法。
技术介绍
：白酒香味成分主要有酯类、酸类化合物等。酯类是具有芳香的化合物，在各种香型白酒中起着重要作用，酯是白酒中含量最多的香味成分之一。酸对各香味成分起协调、平衡作用，增加醇厚感，是味觉改变剂。目前60Co-γ射线辐照加速白酒陈化的研究已有很多成果，但目前60Co-γ射线辐照加速白酒陈化和对机理影响的因素较多，温度和60Co-γ射线辐射处理的参数（辐照剂量、辐照剂量率等）等均与陈化效果有关，所以靠实验不断摸索出一套完整的60Co-γ射线辐照催陈白酒最佳工艺不太现实，并且靠传统数学方法解决这种多输入多输出的非线性复杂系统模型非常困难。在辐照工艺加工中常用回归法进行建模，但是需要一定的前提条件，如建模的数据满足独立、线性、正态、方差齐的条件。回归效果直接依赖模型是否合适，因此模型建立后，需要对模型基本假设的合理性加以检验。当应用非线性回归时，模型选择、预备分析、参数变换、初始值设定、参数求解，还有模型修正、比较与检验、收敛性与拟合的评估，都存在着很多难点和问题，直接影响到对非线性数据拟合的效果，甚至会影响到模型的建立。大量的研究表明，在60Co-γ射线辐照加速白酒陈化的辐照工艺参数和白酒品质的主要参数之间存在着复杂的非线性关系，对于这种非线性关系目前尚无合适的模型可以借鉴，就使得应用传统非线性回归等方法建模时，在模型选择、初始值确定、参数变换求解、模型检验等方面存在确定困难，从而影响到非线性建模的效果。现在辐照加工工艺参数优化大多使用的是遗传算法，但是遗传算法的编程实现比较复杂，首先需要对问题进行编码，找到最优解之后还需要对问题进行解码，另外三个算子的实现也有许多参数，如交叉率和变异率，并且这些参数的选择严重影响解的品质，而目前这些参数的选择大部分是依靠经验。
技术实现思路
：本专利技术的目的是提供一种优化了辐照工艺参数的60Co-γ射线辐照白酒方法。上述的目的通过以下的技术方案实现：一种优化了辐照工艺参数的60Co-γ射线辐照白酒方法，该方法包括如下步骤：步骤1：选择150公斤52度液态酿造的白酒作为照射样本；步骤2：取500毫升塑料瓶50个作为辐照样品的封装工具；步骤3：将白酒分别倒入塑料瓶中封装好作为辐照样本；步骤4：利用Unidos.E通用剂量仪进行辐照场剂量测定，确定不同辐照空间场的剂量粗略分布情况；步骤5：将5个编号的辐照样本作为一组，在每个样本表面放置重铬酸银进行剂量跟踪，放置不同剂量率的辐照场上，记下此时的辐照场的辐照环境温度；所采用的辐照场是环形放射源，辐照场呈圆形分布，在辐照场中剂量率在50Gy/h~100Gy/h分布，且分布均匀；辐照场中环境温度范围在15℃~22℃范围内，辐照剂量是10KGy以下；步骤6：按照实验步骤5中相同的实验方法将剩下的45个未辐照的白酒样本分成9组，每组5个编号的辐照样本进行辐照，同时记录温度；步骤7：利用紫外可见分光光度计GS54检测每组辐照样本的重铬酸银，进行辐照剂量检测；步骤8：检测50个辐照样本的总酸、总酯指标；步骤9：利用辐照后的样本进行数据分析，选取白酒理化指标变好的样本数据作为下一次白酒辐照的参考值；步骤10：重复步骤2至步骤9；步骤11：将实验步骤10得到的样本数据作为基础数据，选取其中的45组数据作为数学模型的训练数据，通过MATLAB软件，利用贝叶斯正则化BP神经网络算法，建立不同剂量60Co-γ射线对白酒品质的影响规律模型；步骤12：选取剩下的五组数据作为检验数据，输入到训练好的数学模型中去，检验利用贝叶斯正则化BP神经网络算法建立不同剂量60Co-γ射线对白酒品质的影响规律模型的实际误差大小；步骤13：将实验步骤12得到的样本数据作为基础数据，选取其中的4组数据作为辐照工艺参数优化检验数据，通过MATLAB软件，利用粒子群算法对相应辐照工艺参数进行优化，通过Labview软件实现可视化；步骤14：将优化后的4组数据做为辐照工艺参数进行白酒辐照，利用7、8步骤的检测方法得到4组白酒理化指标实际的数据，将仿真优化的4组辐照数据与实际得到4组白酒理化指标对比，检验误差大小；步骤15：通过步骤14得到的4组数据误差结果得到，辐照后检测白酒中总酸、总酯为理化指标数据与仿真预测数据比较，精确度可达到0.001，表明通过此模型可确定60Co-γ射线提升白酒品质的最佳辐照工艺。所述的优化了辐照工艺参数的60Co-γ射线辐照白酒方法，进行辐照剂量检测时，选用重铬酸银剂量计作为样品辐照时的跟踪剂量计，重铬酸银剂量使用紫外可见分光光度计GS54检测，使用过程中分光光度计K值易发生变化，对其必须标定，标定方法为选用低量程剂量计刻度紫外线分光光度计K值，与计算得到的理论值比较，进行K值校正，数据如下表1所示：表1时间（分钟）分光光度计的吸光度7.151.000414.280.94328.570.825142.850.708357.150.5942所述的优化了辐照工艺参数的60Co-γ射线辐照白酒方法，所述的利用贝叶斯正则化BP神经网络算法如下：BP神经网络模型参数的设定：针对辐照工艺参数和白酒品质有一定规律的研究，为建立彼此之间非线性映射模型，对网路的参数设置如下：（1）样本的选取和预处理：样本的选取：从辐照工艺参数和白酒品质关系上研究实际辐照中能够考虑的辐照参数和白酒检验的国家标准规定的理化指标的需要，选定辐照工艺参数为剂量、剂量率、温度和白酒中总酸、总酯为理化指标，故选取剂量、剂量率、温度作为输入层神经元；选择白酒中总酸、总酯理化指标作为输出神经元，建立输出神经元数为2的神经网络模型；样本的规范化处理：由于衡量的指标各不相同，原始样本各个分量数量级有很大的差异，这就需要对样本进行规范化处理；对于数据处理应用规格化函数，使所有输入、输出样本规范到[-1，1]的范围内；（2）权和阈值初始值域的确定较小的初始值域更有利于权值均匀地随机初始，因而权的初值域取（-0.05，0.05），对初始权值在上述范围内采用重复试验的方法，通过比较拟合效果，确定最佳初始权值；（3）网络拓扑结构的确定隐层数目的确定：确定应用1个隐层的网络；隐层单元数目的确定：采用“试错法”进行确定，并确定为6个；（4）迭代停止标准模型建立时，设置最大的循环迭代为5000；循环次数超过5000次仍未达到迭代停止标准，则表明实验失败，收敛目标允许有误差，在网络输出和样本之间的差小于给定的误差范围，则停止对网络权值的修正；采用对网络学习宽容的做法，可加快网络的学习速度；采用自适应的方法，在允许误差在训练开始时取大点，然后随着训练逐渐减少，设定收敛误差为0.001；辐照工艺参数和与白酒品质参数之间建立BP神经网络模型：网络中各参数的设定为：输入层单元数目为3，输出层单元数目为2，隐层单元数目1，学习算法选择“用贝叶斯正则化BP人工神经网络算法”，网络收敛目标设定为10-3。有益效果：1.本专利技术解决了现有60Co-γ射线辐照白酒的提升品质中存在的辐照工艺参数与白酒品质参数之间不能建立准确的对应关系和辐照过程中参数优化不理想的问题。在实验数据的基础上，利用贝叶斯正则化BP神经网络算法，本文档来自技高网...

【技术保护点】
一种优化了辐照工艺参数的60Co‑γ射线辐照白酒方法，其特征是: 该方法包括如下步骤：步骤1：选择150公斤52度液态酿造的白酒作为照射样本；步骤2：取500毫升塑料瓶50个作为辐照样品的封装工具；步骤3：将白酒分别倒入塑料瓶中封装好作为辐照样本；步骤4：利用Unidos.E通用剂量仪进行辐照场剂量测定，确定不同辐照空间场的剂量粗略分布情况；步骤5：将5个编号的辐照样本作为一组，在每个样本表面放置重铬酸银进行剂量跟踪，放置不同剂量率的辐照场上，记下此时的辐照场的辐照环境温度；所采用的辐照场是环形放射源，辐照场呈圆形分布，在辐照场中剂量率在50Gy/h~100Gy/h分布，且分布均匀；辐照场中环境温度范围在15℃~22℃范围内，辐照剂量是10KGy以下；步骤6：按照实验步骤5中相同的实验方法将剩下的45个未辐照的白酒样本分成9组，每组5个编号的辐照样本进行辐照，同时记录温度；步骤7：利用紫外可见分光光度计GS54检测每组辐照样本的重铬酸银，进行辐照剂量检测；步骤8：检测50个辐照样本的总酸、总酯指标； 步骤9：利用辐照后的样本进行数据分析，选取白酒理化指标变好的样本数据作为下一次白酒辐照的参考值；步骤10：重复步骤2至步骤9；步骤11：将实验步骤10得到的样本数据作为基础数据，选取其中的45组数据作为数学模型的训练数据，通过MATLAB软件，利用贝叶斯正则化BP神经网络算法，建立不同剂量60Co‑γ射线对白酒品质的影响规律模型；步骤12：选取剩下的五组数据作为检验数据，输入到训练好的数学模型中去，检验利用贝叶斯正则化BP神经网络算法建立不同剂量60Co‑γ射线对白酒品质的影响规律模型的实际误差大小；步骤13：将实验步骤12得到的样本数据作为基础数据，选取其中的4组数据作为辐照工艺参数优化检验数据，通过MATLAB软件，利用粒子群算法对相应辐照工艺参数进行优化，通过Labview软件实现可视化；步骤14：将优化后的4组数据做为辐照工艺参数进行白酒辐照，利用7、8步骤的检测方法得到4组白酒理化指标实际的数据，将仿真优化的4组辐照数据与实际得到4组白酒理化指标对比，检验误差大小；步骤15：通过步骤14得到的4组数据误差结果得到，辐照后检测白酒中总酸、总酯为理化指标数据与仿真预测数据比较，精确度可达到0.001，表明通过此模型可确定60Co‑γ射线提升白酒品质的最佳辐照工艺。...

【技术特征摘要】
1.一种优化了辐照工艺参数的60Co-γ射线辐照白酒方法，其特征是：该方法包括如下步骤：步骤1：选择150公斤52度液态酿造的白酒作为照射样本；步骤2：取500毫升塑料瓶50个作为辐照样品的封装工具；步骤3：将白酒分别倒入塑料瓶中封装好作为辐照样本；步骤4：利用Unidos.E通用剂量仪进行辐照场剂量测定，确定不同辐照空间场的剂量粗略分布情况；步骤5：将5个编号的辐照样本作为一组，在每个样本表面放置重铬酸银进行剂量跟踪，放置不同剂量率的辐照场上，记下此时的辐照场的辐照环境温度；所采用的辐照场是环形放射源，辐照场呈圆形分布，在辐照场中剂量率在50Gy/h~100Gy/h分布，且分布均匀；辐照场中环境温度范围在15℃~22℃范围内，辐照剂量是10KGy以下；步骤6：按照实验步骤5中相同的实验方法将剩下的45个未辐照的白酒样本分成9组，每组5个编号的辐照样本进行辐照，同时记录温度；步骤7：利用紫外可见分光光度计GS54检测每组辐照样本的重铬酸银，进行辐照剂量检测；步骤8：检测50个辐照样本的总酸、总酯指标；步骤9：利用辐照后的样本进行数据分析，选取白酒理化指标变好的样本数据作为下一次白酒辐照的参考值；步骤10：重复步骤2至步骤9；步骤11：将实验步骤10得到的样本数据作为基础数据，选取其中的45组数据作为数学模型的训练数据，通过MATLAB软件，利用贝叶斯正则化BP神经网络算法，建立不同剂量60Co-γ射线对白酒品质的影响规律模型；步骤12：选取剩下的五组数据作为检验数据，输入到训练好的数学模型中去，检验利用贝叶斯正则化BP神经网络算法建立不同剂量60Co-γ射线对白酒品质的影响规律模型的实际误差大小；步骤13：将实验步骤12得到的样本数据作为基础数据，选取其中的4组数据作为辐照工艺参数优化检验数据，通过MATLAB软件，利用粒子群算法对相应辐照工艺参数进行优化，通过Labview软件实现可视化；步骤14：将优化后的4组数据做为辐照工艺参数进行白酒辐照，利用7、8步骤的检测方法得到4组白酒理化指标实际的数据，将仿真优化的4组辐照数据与实际得到4组白酒理化指标对比，检验误差大小；步骤15：通过步骤14得到的4组数据误差结果得到，辐照后检测白酒中总酸、总酯为理化指标数据与仿真预测数据比较，精确度可达到0.001，表明通过此模型可确定60Co-γ射线提升白酒品质的最佳辐照工艺。2.根据权利要求...

【专利技术属性】
技术研发人员：蒋继成，张丽芳，张晓东，李志超，王世刚，卫光，苗静，纪东清，王强，梁爽，张楠，李志刚，
申请(专利权)人：黑龙江省科学院技术物理研究所，
类型：发明
国别省市：黑龙江;23