安霆，江用文，梁高震，胡斌，董春旺*

基于CFD和RSM的红茶萎凋机性能参数优化

安霆1,2，江用文2，梁高震1,2，胡斌1*，董春旺2*

1. 石河子大学机械电气工程学院，新疆 石河子 832000；2. 中国农业科学院茶叶研究所，浙江 杭州 310008

为探明萎凋机结构参数对萎凋性能的影响特性，通过流体力学软件进行萎凋环境的数值模拟分析，以无量纲化后的温度场综合指标作为萎凋性能优劣的评判指标，并采用响应面法（RSM）对影响萎凋性能的3个因素（萎凋机层高1、萎凋机与萎凋房空间距2、气路位置3）进行优化。结果表明，各因素对萎凋品质的影响重要性顺序依次为：气路位置＞萎凋机层高＞空间距；当萎凋机层高、空间距、气路位置分别为0.1、0.1、1.496 m时，红茶萎凋机温度场性能最优，所建模型决定系数为0.968 3，调整后的决定系数为0.927 5，标准偏差为0.061，最优方案理论值和实际值分别为：0.951 9和0.909 6。CFD和RSM融合分析方法，适用于红茶萎凋机的性能参数优化。

红茶；萎凋；CFD；RSM；参数优化

萎凋是红茶加工的基础工序，直接影响后续加工及成品茶质量，温度是影响萎凋叶水分散失的关键因子[1]。现有萎凋设备主要分为萎凋槽、萎凋房和多层连续萎凋机，其中萎凋槽、萎凋室多用于单机作业，而多层连续萎凋机、萎凋房嵌套萎凋机用于连续化生产线作业，生产线加工是红茶加工业发展的趋势[2]。近年来，中国农业科学院茶叶研究所、安徽农业大学等科研院所联合湘丰、佳友、绿峰等茶叶机械公司研制出多层连续萎凋机、萎凋房嵌套式萎凋机等萎凋装置，并将其应用于红茶连续生产线作业中[3-4]。但多层连续萎凋机均采用框架式多层结构设计，由于热空气密度较小，进入萎凋机后迅速向上部运动，易造成层间温差，致使萎凋叶失水程度不均，产生红叶、焦叶或萎凋不足等现象，难以满足高品质工夫红茶的工艺要求。

计算流体力学（Computational fluid dynamics，CFD）是一种基于计算机与相应软件的仿真模拟技术，可直观揭示设备结构对性能的影响，与传统测点试验研究方法相比，能够大幅度提高试验研究效率和精度，是现代产品开发中的重要手段[5]。刘素惠[6]采用CFD技术对闽南乌龙茶做青间的“温、湿、风”环境进行数值模拟，并对乌龙茶做青环境进行优化设计，证实该技术在茶叶加工环境模拟应用中的可行性。陈霖熙[7]采用Fluent软件对白茶加温萎凋环境进行仿真模拟，探明白茶加温萎凋间内的气流组织与温、湿度分布情况和加温设备配置的合理性。赵爱凤[8]将空调萎凋技术应用于白茶加工中，对自然、复式、加温、空调4种萎凋方式的萎凋环境以及样品的生化变化、色泽变换进行测定比较，并用CFD技术对萎凋间的环境进行模拟，从理论上探讨了空调萎凋的合理性。王钦明[9]通过Fluent对茶叶风选机的流场进行仿真模拟，并运用计算机辅助分析技术对茶叶风选机进行改进研制，从而在降低设计成本的同时，为后续茶叶风选机的改进与研制奠定基础。

响应面（Response surface methodology，RSM）是一种综合试验设计和数学建模的优化方法[10]，一般用于因素参数优选、解决非线性数据处理等相关问题[11-15]。董春旺等[16]以综合评分作为衡量指标，通过RSM法对影响红茶发酵品质的工艺参数进行优化，得出当发酵温度为25℃，发酵时间为150 min，翻拌时间为20 min时发酵品质综合评分最高。滑金杰等[17]通过RSM法对萎凋机萎凋时的温度、相对湿度、光照强度进行优化，得出萎凋时最佳的温度为27~29℃，相对湿度为69%~72%，光照度为5 700~6 400 lx。

综上，国内学者已采用CFD和RSM方法，对萎凋环境和加工工艺进行了研究，但针对多层式连续萎凋机的研究较少，尤其是整机结构参数和风路布设对萎凋温度场空间分布的影响规律尚未明确，萎凋设备风路仍靠人工经验布设，缺乏针对性和科学性。本文针对上述问题，从工程设备研发角度去解析萎凋质量不均匀的成因，探明设备结构对萎凋性能的影响，以市场通用的多层式连续萎凋机为研究对象，采用CFD和RSM技术相融合的方法，研究萎凋机层高、空间距和气路位置对红茶萎凋机性能的影响特性，以期为自动化生产线中萎凋设备的集成优化设计，提供理论依据和数据支撑。

1 材料与方法

1.1 萎凋机模型建立与边界条件

在Dassault公司的Flow Simulation环境下进行流场的试验分析计算。以长沙湘丰智能装备股份有限公司为湖南茶叶研究所高桥实验基地研发的红茶生产线中萎凋机为研究对象，通过SolidWorks软件建立萎凋机装配体模型，其结构示意图如图1所示。该设备主要由2个通风入口、萎凋房气路、通气圆孔、萎凋房、机架、排气口、萎凋网带、调整螺杆以及网带压条组成。其特点为萎凋房气路为2个，均呈“L”形，其中每个“L”形管路有8个通气圆孔，较窄的壁面有3个，较长的壁面有5个。

茶叶样品分别位于4层萎凋网带上，萎凋网带设为多孔介质，其孔隙率为0.73，孔径大小为0.003 m。茶鲜叶设为多孔介质[18-22]，其空隙度为0.73，密度为385 kg·m-3，比热容为3 200 J·kg-1·K-1，传导类型为各项同性，热导率为0.175 W·m-1·K-1，水分蒸发速率为0.087 kg·s-1。2个通风口位于萎凋房侧壁，在通风口通入30℃的热风，流速为2 m·s-1，干热空气相对湿度为20%。热风通过“L”形的气路，在通气圆孔处通入萎凋房内部，气体在萎凋房内部循环，对萎凋机上的茶鲜叶进行通风、加热处理，从而加速萎凋水分均匀散失。最后气体通过萎凋房最上方的排气口排出萎凋房，排气口压力为101 325 Pa，温度为20℃，相对湿度为60%。网格精度设为3级，共划分四面体网格数为187 061个，其余边界条件设为默认，以全局平均温度、流速和相对湿度为求解收敛目标。

注：1. 通风口1，2. 萎凋房气路，3. 通气圆孔，4. 萎凋房，5. 机架，6. 排气口，7. 萎凋网带，8. 调整螺杆，9. 通风口2，10. 网带压条

1.2 试验设计与方法

1.2.1 响应面设计

由萎凋机结构组成可知，空间结构参数与性能间的关系是1个多因素多指标的优化设计问题，为此采用CFD数值模拟与响应面试验的方法对其进行分析研究。在单因素试验基础上，根据中心组合理论（CCD）[23]，以萎凋机层高、气路位置、空间距等3个因素作为自变量，萎凋品质综合加权评分值为响应值，做3因素3水平的响应面分析试验，各因素的水平值与编码值对应关系见表1。

1.2.2 萎凋性能无量纲化评价指标建立

为实现萎凋房3个参数的优化，本研究采用萎凋机每层萎凋叶温度极差的总和、萎凋机4层萎凋叶的平均温度与其平均温度极差的比值、萎凋叶的平均温度以及极差4个参数作为萎凋性能的评价目标，分别记为1、2、34。1为每层萎凋叶温度极差的总和，表示每层萎凋叶的温度差，该值越小说明受热越均匀。3为4层萎凋叶的平均温度，该值越大表示所通气流在萎凋房内循环越好。4为4层萎凋叶平均温度的极差值，该值越小表示层间温差越小，受热越均匀。2表示3与4的比值，当该值越大时表示热风在萎凋房中传热传质的热交换越好，萎凋叶水分散失越均匀。

m

表1 试验因素与编码

由于1、2、3、4各代表不同的温度场性能指标，虽然具有客观性，但单一指标无法发映出整体空间的流场性能。因此，将1、2、3、4这4个变量通过极差归一化法进行无量纲化处理[24]，再根据主控目标重要程度赋予权重系数形成综合评分，其将更好地表征萎凋流场性能。由于4个主控目标并不都是越大越好，所以在归一化时进行区别处理。将1和4视为望小型（每列主控目标中最小值得分为0，最大值得分为1），将2、3视为望大型（每列主控目标中最大值得分为1，最小值得分0），望大型无量纲值转换公式：

望小型无量纲值转换公式：

式中i为试验值，i为无量纲值，i为最大试验值，i为最小试验值，n为试验数。

本研究将萎凋机每一层萎凋叶温度极差总和Y的权重定为0.3，萎凋机4层萎凋叶温度的平均值与平均温度极差的比值Y权重定为0.1，萎凋叶平均温度Y的权重定为0.3，4层萎凋叶温度的极差值Y权重定为0.3，萎凋性能的无量纲化综合评分公式为：

式中为综合评分，1为每层萎凋叶温度极差的总和，2为4层萎凋叶的平均温度与其平均温度极差的比值，3为4层萎凋叶的平均温度，4为4层萎凋叶平均温度的极差值。

2 结果与分析

2.1 响应面试验方案

根据CCD试验方案进行3因素3水平响应面分析试验，共17个试验点，其中包括14个分析因子，3个零点估计误差。通过Flow Simulation仿真软件，对每组情况进行3次重复仿真，每次仿真结束将每一层茶叶（共4层）温度的最大值、最小值和平均值分别记录，以便于计算主控目标1、2、3、4。取3次重复仿真结果的平均值作为响应值，表2为试验设计方案与结果。

2.2 响应面模型及显著性检验

根据表2中的数据，通过Design Expert 10.0.7进行回归拟合，得到综合评分与3个影响因素：层高、空间距、气路位置（分别记为1、2、3）的回归方程，其二次多项式如下：

由表3可得，回归方程的模型项极显著，失拟项不显著，说明回归方程在实际拟合中具有较好的拟合度；所得模型决定系数2为0.968 3，调整后的R为0.925 7，变异系数为11.2%，说明回归方程可以解释92%以上的主控目标变化，仅有7.43%的总变异不能用此回归方程解释。

2.3 因素影响效应分析

表2 试验设计方案及响应值结果

表3 响应面方差分析结果

在所选定的3个因素参数范围内，对萎凋品质的总体影响趋势为：层间距越小、空间距越小、气路位置居中，萎凋品质综合评分越高。这可能是因为在所选定的参数范围内空间距越小，热空气的循环空间减小，便于热空气与萎凋网带上的萎凋叶充分进行热传递，而当层高一定，气路位置居中时，层与层间距越小，每层网带上的萎凋叶越靠近中间的出风位置，则越有利于茶样充分受热散失水分。

双因素交互效应分析：通过任意将某一个因素设为确定值，对剩余两个因素的交互作用进行分析，得出的响应面曲面图。气路位置（3）与层高（1）的交互作用见图2。

由图2可以得出萎凋品质综合评分随着气路位置的上移呈现先增大后减小的趋势，当气路处于中间位置（距地面约1.452 m）时，萎凋品质综合评分最高；当气路位置不变时，随着层高的逐渐增加，萎凋品质综合评分总体呈下降趋势，当层高从0.1 m升高至0.2 m时，萎凋品质综合评分的下降趋势要比层高从0.2 m升高至0.3 m时更加明显，但是就层高与气路位置因素而言，气路位置对于萎凋品质综合评分的影响更为显著。

气路位置（3）与空间距（2）交互作用所产生的响应面如图3所示。当气路位置不变时，萎凋性能综合评分随着空间距的增大呈现先降后增的趋势，空间距约为0.6 m时，综合评分达到最低值；当空间距一定时，随着气路位置的上移，萎凋品质综合评分呈现先增后降的趋势，气路位置距离地面约为1.5 m时，综合评分最高。

如图4所示，在3个参数所选定范围内，当空间距不变时，萎凋品质综合评分随着层高的增加而逐渐降低，层高为0.1 m时，萎凋品质最优。当层高不变时萎凋品质综合评分随着空间距的增大而逐渐减小，空间距最小为0.1 m时，萎凋品质综合评分最高。

2.4 各因素最优参数组合及验证

理想的参数优化结果是在约束条件范围内尽可能提高综合评分的数值[16]，因此将综合评分作为评价指标，通过优化对建立的全因子二次回归模型进行优化求解，优化约束条件为：

目标函数：Max(x、x、x)

变量区间：0.1≤1≤0.3，0.1≤2≤1，0.25≤3≤2.654

优化所得到的最优参数组合为：萎凋机层高为0.1 m，空间距为0.1 m，气路位置为1.496 m（距离地面高度）。优化后的萎凋性能综合评分理论值为0.951 9，高于表2中试验序号11的0.83。

由于萎凋质量的不均匀，主要是流场（风）不均造成传热传质特性的差异，最终导致温度场、湿度场的不均。因此本研究在考虑到萎凋叶蒸发形成的湿度因素的同时，根据最优参数组合重建模型，进行独立的数值模拟分析，经501次迭代运行后，得到萎凋空间3个截面（前视图、上视图、右视图）上的平均温度为26.1℃，平均相对湿度为61.4%，平均流速为0.068 m·s-1，其分布场如图5所示。

由图5-a和5-b可知，温度场、湿度场分布相对均匀，中上部温度略高于底层温度，湿度场呈“高®低®高”的分布趋势。图5-c可知，风速流场分布较为复杂，以顶部两侧流速最小，中间层流速相对较高，也影响中间层湿度分布较低。图5-d可知，4层萎凋叶受热相对均匀，以流经第3层萎凋叶的风速流线为例，虽然层间距较小，但在X、Y、Z空间方向均有气流流动，可及时交换出萎凋叶蒸发湿气。这同时也表明：在兼顾萎凋机流量、摊叶厚度等工艺需求前提下，应尽量保持较小和适量的层间距。

图2 气路位置与层高交互作用响应曲面

图3 气路位置与空间距交互作用响应曲面

取3次重复试验验证结果的平均值作为目标值，得到最优组合下萎凋性能的综合评分为0.909 6，依然高于表2中综合评分Y的最高值0.83，而且实际值与理论值之间的误差为4%（<5%），所得仿真值与RSM预测值之间差异较小。

3 结论

萎凋是红茶加工的基础工序，直接影响后续加工及成品茶质量。本文通过流体力学软件进行萎凋环境的数值模拟分析，提出了一种评价红茶萎凋机性能的无量纲化方法，通过CFD与RSM实验方法相结合，发现气路位置、层高、空间距对萎凋品质综合评分的影响均为显著，并明确了各因素对于萎凋机性能的影响重要性排序为：气路位置、层高、空间距。通过CCD中心试验确定本机型最优性能参数：萎凋机层高为0.1 m，空间距为0.1 m，气路位置距离地面高度为1.496 m。最优性能参数组合的RSM萎凋性能综合评分为0.951 9，经CFD仿真验证实际值为0.909 6，所得实际值与预测值之间差异较小，模型性能可靠。本研究通过数值模拟技术优化萎凋机结构，可有效避免温度场、湿度场和流场性能缺陷，是一种快捷、直观的设计方法，与传统测点试验研究方法相比，能够大幅度提高试验研究效率和精度。

图4 空间距与层高交互作用响应曲面

图5 CFD流场仿真分析云图

[1] Liang G Z, Dong C W, Hu B, et al. Prediction of moisture content for congou black tea withering leaves using image features and nonlinear method [J]. Scientific Reports, 2018, 8(1): 7854. DOI: 10.1038/s41598-018-26165-2.

[2] 黄藩, 董春旺, 朱宏凯, 等. 红茶萎凋中鲜叶理化变化及工艺技术研究进展[J]. 中国农学通报, 2014, 30(27): 275-281.

[3] 覃事永, 安霆, 董春旺. 工夫红茶加工装备研究现状[J]. 中国茶叶加工, 2018(4): 43-47.

[4] 江用文, 滑金杰, 袁海波. 我国红茶产业现状分析与前景展望[J]. 中国茶叶加工, 2018(4): 5-10.

[5] 张起勋, 于海业, 张忠元, 等. 利用CFD模型研究日光温室内的空气流动[J]. 农业工程学报, 2012, 28(16): 166-171.

[6] 刘素惠. 基于CFD的乌龙茶做青环境模拟与优化探讨[D]. 福州: 福建农林大学, 2012.

[7] 陈霖熙. 白茶连续化生产线建立及关键工艺试验研究[D]. 福州: 福建农林大学, 2014.

[8] 赵爱凤. 萎凋环境因子对白茶品质形成的影响及控制技术探讨[D]. 福州: 福建农林大学, 2008.

[9] 王钦明. 基于FLUENT的茶叶风选机流场模拟及结构改进研究[D]. 昆明: 昆明理工大学, 2017.

[10] Box G，Wilson K B. On the experimental attainment of optimum conditions [J]. Journal of the Royal Statistical Society Series B:Statistical Methodology, 1951(1): 1-45.

[11] Chen W C, Kurniawan D. Process parameters optimization for multiple quality characteristics in plastic injection molding using Taguchi method, BPNN, GA, and hybrid PSO-GA [J]. International Journal of Precision Engineering and Manufacturing, 2014, 15(8): 1583-1593.

[12] Desai K M, Survase S A, Saudagar P S, et al. Comparison of artificial neural network (ANN) and response surface methodology (RSM) in fermentation media optimization: Case study of fermentative production of scleroglucan [J]. Biochemical Engineering Journal, 2008, 41(3): 266-273.

[13] Guo W L, Zhang Y B, Lu J H, et al. Optimization of fermentation medium for nisin production fromsubsp.using response surface methodology (RSM) combined with artificial neural network-genetic algorithm (ANN-GA) [J]. African Journal of Biotechnology, 2010, 9(38): 6264-6272.

[14] Pilkington J L, Preston C, Gomes R L. Comparison of response surface methodology (RSM) and artificial neural networks (ANN) towards efficient extraction of artemisinin from[J]. Industrial Crops and Products, 2014, 58: 15-24. DOI: 10.1016/j.indcrop.2014.03.016.

[15] 文鹏程, 王军, 任发政, 等. 牧区奶干渣组合式发酵剂响应面法优化[J]. 农业机械学报, 2014, 45(8): 241-247.

[16] 董春旺, 赵杰文, 朱宏凯, 等. 基于RSM和BP-AdaBoost-GA的红茶发酵性能参数优化[J]. 农业机械学报, 2017, 48(5): 335-342.

[17] 滑金杰, 袁海波, 江用文, 等. 响应面设计优化工夫红茶萎凋工艺参数[J]. 江苏农业科学, 2015, 43(10): 362-366.

[18] 滑金杰. 工夫红茶萎凋工序中鲜叶呼吸作用及理化特性的基础研究[D]. 北京: 中国农业科学院, 2014.

[19] 冯呈艳. 茶鲜叶原料的主要物料学特性的研究及应用[D]. 武汉: 华中农业大学, 2013.

[20] 张哲. 茶叶物理特性及吸湿解吸平衡规律研究[D]. 武汉: 华中农业大学, 2012.

[21] 殷鸿范. 茶叶的热物理特性[J]. 茶叶科学, 1985, 5(1): 1-6.

[22] 石贤权. 茶叶的热力学特性分析[J]. 茶叶, 1984(3): 32-35.

[23] 董春旺, 叶阳, 江用文, 等. 工夫红茶可视化富氧发酵机设计及试验研究[J]. 茶叶科学, 2015, 35(4): 370-376.

[24] 何昌德, 董春旺, 吴锋. 基于虚拟正交试验的汽车转向盘骨架优化设计的研究[J]. 汽车工程, 2013, 35(4): 326-330.

Optimization of Performance Parameters of Black Tea Withering Machine Based on CFD and RSM

AN Ting1,2, JIANG Yongwen2, LIANG Gaozhen1,2, HU Bin1*, DONG Chunwang2*

1. Machinery and Electricity Engineering College, Shihezi University, Shihezi 832000, China;2. Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China

In order to ascertain the influence of the structural parameters of the withering machine on withering performance, the numerical simulation analysis of withering environment was carried out by the fluid mechanics software. The temperature-integrated index after the dimensionless was used as the evaluation index of the withering performance and the response surface methodology (RSM) was used to optimize the three factors (the withering layer height1, the withering machine and the withering room space2, and the gas position3) that affect withering quality. The result shows that the order of importance of each factor on the withering quality was as follows: gas path position, withering machine layer height, space distance. The best set for temperature field performance of the black tea withering machine were1=10 cm,2=10 cm,3=149.6 cm. The model’s2=0.968 3, adj2=0.927 5, the standard deviation was 0.061. The theoretical and actual values of the optimal scheme were: 0.951 9 and 0.909 6, respectively. The CFD and RSM fusion analysis method was suitable for optimizing the performance parameters of the black tea withering machine.

black tea, withering, CFD, RSM, parameter optimization

TS272.3

A

1000-369X(2019)05-547-08

2019-01-24

2019-02-27

国家重点研发项目（2017YFD0400802）、中央级院所基本科研业务专项（1610212018005）

安霆，男，硕士研究生，主要从事茶叶机械方面的研究。通信作者：hb_mac@sina.com，dongchunwang@tricaas.com