芬兰Kibron专注表面张力仪测量技术,快速精准测量动静态表面张力

热线:021-66110810,56056830,66110819,66110690,13564362870 Email: info@vizai.cn

合作客户/

拜耳公司.jpg

拜耳公司

同济大学

同济大学

联合大学.jpg

联合大学

宝洁公司

美国保洁

强生=

美国强生

瑞士罗氏

瑞士罗氏

当前位置首页 > 新闻中心

基于深度神经网络模型分析明胶溶液荷电量与表面张力之间的关系(二)

来源:包装工程 浏览 444 次 发布时间:2024-08-19

2、结果与分析


2.1不同外加电压条件下膜液荷质比变化


液体的荷电一般分为接触荷电、电晕荷电和感应荷电3种方式,其中感应荷电具有安全易控等优点,因此本实验采用该方式为液滴荷电[11]。电极环所带电压直接影响微量进样针针尖处电场场强大小,进而影响液体所带电荷量。本实验去离子水和明胶液滴感应荷电所产生的荷质比如表2所示。由表2可知,随着电源电压升高,去离子水和明胶液滴的荷质比均显著升高(<0.05),外加电压7 kV时去离子水荷质比相较于1 kV升高了6倍,而明胶溶液则升高了8~16倍。李金等[12]探究环形电极对喷雾感应荷电的影响时发现,外加电源电压从0 kV升高至15 kV时,液滴的荷质比会呈现先上升后下降的结果。这是由于当外加电压足够高时会击穿空气,产生与电源带相同电荷的离子,而带相反电荷的液滴与空气中的击穿离子结合则使液滴荷质比下降。本研究电源区间属于感应荷电区,且7 kV电压无法击穿空气。


随着膜液中吐温20的减少和司盘20的增多,明胶液滴荷质比亦呈增高趋势(<0.05)。张建桃等[13]研究表明,介质的电导率改变会引起其荷电性能的改变。相同质量浓度下司盘20的物质的量浓度更高,导致溶液电导率及液滴荷质比增加更为明显。然而,与只添加吐温20的明胶溶液(tw100)相比,少量司盘20的添加(tw80)还会引起荷质比的显著减少(<0.05),推测这是由于溶液中吐温20与司盘20分子通过“经典疏水作用”在水溶液中优先结合,从而使溶液中总溶质相对浓度下降导致[14]。


2.2不同外加电压条件下膜液表面张力变化


表面张力是反应液体润湿性能的重要指标。一般来说,表面活性剂作为双亲分子能够使气-液、液-固间的表面张力显著降低[5]。表面张力越小的液体越容易黏附在物体表面,呈现出更小的接触角和更优的润湿性能[15]。通过改变外加电压,去离子水和明胶液滴的表面张力如表3所示。无论是去离子水还是明胶溶液,电源电压的升高均使液滴表面张力显著降低(<0.05)。相较于未施加电压膜液,当电压在7 kV时明胶液滴表面张力下降超10%,其中tw0组在7 kV时拥有最小的表面张力(31.38 mN/m)。安建鹏[16]研究了含有不同表面活性剂液滴在荷电之后的表面张力,发现表面活性剂的亲水基团会与水分子间形成氢键,从而影响液滴在静电场中的表面活性,使表面张力保持较高水平。本实验中所有表面张力数值均随电压的增大而减小,表明溶液中的氢键已达饱和,电压越高,明胶溶液表面活性越强,表面张力越小。相较于吐温20,司盘20分子含有更少的亲水基团、不易与水分子结合[17],且在水溶液表面排列更为紧密(排列密度约为吐温20的3倍)[18],这导致明胶液滴的表面张力随着司盘20占比的升高下降更为明显。


2.3不同外加电压条件下膜液接触角变化


为了形成具有良好黏附性和均匀性的可食性膜,成膜溶液对产品的润湿性尤为重要。表4展示了溶液在不同电压下荷电后滴落在石蜡表面的接触角。由表4可知,无外加电压作用下,tw100的接触角为79.74°,随着司盘20的增多,接触角首先减小,在二者浓度相等时降至71.00°。此后,接触角随着司盘20占比增加反而上升。理论上,表面张力越小的液滴接触角越小[15],但本实验现象与前述规律不符。先前研究发现,疏水性司盘表面活性剂分子在液滴中倾向于向上迁移,导致其不能有效降低液滴下表面接触角;而适量吐温表面活性剂的加入能够促进司盘在液滴中的均匀分布,从而减小接触角[10]。


荷电使得液滴的接触角显著降低(<0.05),其中7 kV的电压能够使去离子水液滴的接触角降低约10°,明胶液滴接触角下降约6°~9°。茹煜等[19]建立了荷电雾滴的三维运动模型,发现在20 kV的电压下荧光液滴的接触角能够降低46°。本研究发现,当表面活性剂吐温20与司盘20的浓度比为1∶1(tw50),外加电压为7 kV时,明胶液滴在石蜡表面具有最好的润湿性,接触角为64.99°。


2.4机器学习分析


液滴的荷质比为荷电后的本质特性,而表面张力和接触角则为荷电液滴表现的外在特性。为了训练机器学习模型,以荷质比作为输入特征,将表面张力、接触角测量值转化为神经网络可以处理的张量后进行训练,使模型预测值尽可能地接近实际测量值,实验结果如表5所示。无论是表面张力还是接触角,SVM-linear的2最低,为0.938 4和0.943 6,表明该模型预测效果最差。SVM-linear作为一种基于线性核函数的支持向量机模型,对噪声和异常值非常敏感,且参数调优较为困难[20]。DNN的2最接近1,且MSE值和MAE值最小(表面张力的MSE值和MAE值分别为0.014 5和0.081 3,接触角的MSE值和MAE值分别为0.037 4和0.151 0),表明该模型预测性能最好。DNN具有非线性特征学习、自动特征提取和分层特征学习等优势,能够适应大规模数据并进行调优[21]。Pfisterer等[22]通过DNN建立评估商业果泥食品的营养密度,其平均准确率达92.2%。荷质比与表面张力、接触角的模型预测如图2、图3所示,可以发现模型对实际数据具有良好的拟合效果。通过模型曲线可以确定,在任意荷质比下,去离子水液滴与明胶液滴的表面张力及其在石蜡表面的接触角,为预测可食性膜液在食品表面的润湿黏附性提供了思路和手段。

图2通过深度神经网络建立荷质比与表面张力之间的模型预测

图3通过深度神经网络建立荷质比与接触角之间的模型预测


3、结语


本文探究了在不同电源电压下通过感应荷电的方式对明胶液滴荷质比、表面张力及接触角的影响,并通过深度神经网络建立模型预测。结果发现,静电荷电能有效提高明胶液滴的润湿性能,当外加电压为7 kV时,明胶成膜液滴的表面张力可以下降9%~14%,接触角能够下降8%~12%。从而为形成更均匀、更完整的可食性涂膜提供新的手段。在明胶的质量分数为3%、表面活性剂的质量分数为0.05%、吐温20与司盘20浓度比为1∶1、电压为0~7 kV时,深度神经网络模型对膜液荷质比与表面张力或接触角的关系具有良好的预测作用,可用于指导实践操作。


基于深度神经网络模型分析明胶溶液荷电量与表面张力之间的关系(一)

基于深度神经网络模型分析明胶溶液荷电量与表面张力之间的关系(二)