Summary
Här presenterar vi intervallanalysmetoden för att optimera provpunkterna som genereras av en ortogonal experimentell design för att säkerställa att färsk mat kan förvaras i en ventilerad låda under lång tid genom att reglera luftflödesmönstret.
Abstract
Denna studie syftar till att lösa problemen med luftflödeskaos och dålig prestanda i en ventilerad låda orsakad av den heterogena fördelningen av luftflödet genom utformningen av den inre strukturen hos den ventilerade lådan med konstant energiförbrukning. Det slutliga målet är att jämnt fördela luftflödet inuti den ventilerade lådan. Känslighetsanalys utfördes för tre strukturella parametrar: antalet rör, antalet hål i mittröret och antalet för varje steg från insidan till utsidan. Totalt 16 slumpmässiga uppsättningar av tre strukturella parametrar med fyra nivåer bestämdes med hjälp av den ortogonala experimentella designen. Kommersiell programvara användes för konstruktion av en 3D-modell för de valda experimentpunkterna, och dessa data användes för att erhålla luftflödeshastigheterna, vilka sedan användes för att erhålla standardavvikelsen för varje experimentpunkt. Enligt intervallanalysen optimerades kombinationen av de tre strukturella parametrarna. Med andra ord etablerades en effektiv och ekonomisk optimeringsmetod med tanke på den ventilerade lådans prestanda, och den kan användas i stor utsträckning för att förlänga lagringstiden för färsk mat.
Introduction
Färska grönsaker och frukter upptar en hög andel av människors livsmedelskonsumtion, inte bara för att de har god smak och en attraktiv form, men också för att de är till stor nytta för människor att få näring och bibehålla hälsan1. Många studier har visat att färsk frukt och grönsaker spelar en unik roll för att förebygga många sjukdomar 2,3. I lagringsprocessen av färsk frukt och grönsaker är svampar, ljus, temperatur och relativ fuktighet de viktiga orsakerna till deras försämring 4,5,6,7,8. Dessa yttre förhållanden påverkar kvaliteten på lagrade färska frukter och grönsaker genom att påverka den interna ämnesomsättningen eller kemiska reaktioner9.
Vanliga behandlingstekniker för frukt och grönsaker inkluderar icke-termisk och termisk konservering. Bland dem har termisk förbehandling en positiv effekt på torkningsprocessen, men det kan också ha negativa effekter på produktkvaliteten, såsom förlust av näringsämnen, förändring av smak och lukt och färgförändring10,11. Därför har de senaste åren fått icke-termisk konservering av produkter uppmärksamhet ur forskningsperspektivet för att möta konsumenternas efterfrågan på färska produkter. För närvarande finns det främst strålbehandling, pulserande elektriskt fält, ozonbehandling, ätbara beläggningar, koldioxid i tät fas och annan icke-termisk konserveringsteknik för att lagra frukt och grönsaker, men dessa tekniker har ofta brister, såsom kravet på stor utrustning, högt pris och kostnaden för användning12. Därför är utformningen av en enkel struktur, låg kostnad och bekväm kontroll av konserveringsutrustningen mycket meningsfull för livsmedelsindustrin.
I lagringsmiljön för frukt och grönsaker hjälper ett ordentligt luftcirkulationssystem till att eliminera värmen som genereras av själva produkten, minska temperaturgradienten och bibehålla temperaturen och luftfuktigheten i utrymmet där den ligger. Korrekt luftcirkulation förhindrar också viktminskning på grund av andning och svampinfektioner13,14,15. Många studier har genomförts på luftflödet inom olika strukturer. Praeger et al.16,17 mätte vindhastigheten vid olika positioner under olika fläktdriftskrafter i ett lager genom sensorer och fann att det kunde vara så stor som en sjufaldig skillnad i lufthastighet på grund av olika vertikala höjder, och lufthastigheten vid varje position var positivt korrelerad med fläktens driftseffekt. Dessutom undersökte en studie effekten av lastarrangemang och antalet fläktar på luftflödet, och man drog slutsatsen att öka avståndet till vissa fläktpositioner och rationellt välja antalet fläktar var till hjälp för att förbättra effekten. Berry et al.18 studerade effekten av luftflöde i olika fruktlagringsmiljöer på stomatafördelning i förpackningslådor. Med hjälp av simuleringsprogramvara studerade Dehghannya et al.19,20 luftflödestillståndet för tvingad förkall luft i förpackningen med olika ventilationsområden, kvantiteter och fördelningspositioner på förpackningsväggen och erhöll den icke-linjära påverkan av varje parameter på luftflödestillståndet. Delele et al.21 tillämpade en beräkningsvätskedynamikmodell för att studera påverkan av produkter slumpmässigt fördelade i olika former av ventilationslådor på luftflödet. De fann att produktstorleken, porositeten och lådhålförhållandet hade större inverkan på luftflödet, medan slumpmässig fyllning hade en mindre inverkan. Ilangovan et al.22 studerade luftflödesmönster och termiskt beteende mellan de tre förpackningsstrukturerna och jämförde resultaten med referensstrukturmodeller. Resultaten visade att värmefördelningen i lådan inte var enhetlig på grund av ventilens olika placeringar och utformningar. Gong et al.23 optimerade bredden på gapet mellan brickans kant och behållarens vägg.
De tekniker som används i denna uppsats inkluderar simulerings- och optimeringsmetoder. Principen för den förra är att de styrande ekvationerna diskretiserades och löstes numeriskt med hjälp av ändlig volymmetod21. Optimeringsmetoden som används i denna uppsats kallas ortogonal optimering24. Det ortogonala testet är en typisk multifaktor- och flernivåanalysmetod. Det ortogonala bordet byggt med denna metod innehåller representativa punkter jämnt fördelade i designutrymmet, vilket visuellt kan beskriva hela designutrymmet och undersökas. Det vill säga färre poäng representerar hela faktortestet, vilket sparar tid, arbetskraft, material och ekonomiska resurser. Det ortogonala testet har använts i stor utsträckning vid utformningen av experiment inom kraftsystem, kemi, civilingenjör etc25.
Syftet med denna studie är att designa och optimera en högpresterande ventilerad låda. En ventilerad låda kan definieras som en originallåda inklusive en gaskontrollanordning som sprider gasen jämnt i lådan. Hastighetsenhetlighet avser hur jämnt luft strömmar genom den ventilerade lådan. Yun-De et al.26 har tidigare visat att egenskapen hos multiporöst material har en viktig effekt på hastigheten enhetlighet hos en färsk grönsakslåda. I vissa experiment lämnades en anslutningslåda eller modulerad kammare både på toppen och botten av testkammaren för att garantera en homogen fördelning av antingen forcerad eller inducerad luft27. Den ventilerade lådan utformad i detta papper innehåller uppsättningar av rör med sicksackhål. Att styra luftflödesfördelningen i den ventilerade lådan är den viktigaste bevarandestrategin. Det finns två luftinlopp av samma storlek parallellt på vänster och höger sida av den ventilerade lådan, och ett utlopp är inställt på lådans övre sida. Att utforma den inre strukturen hos en ventilerad låda är nyckeln till denna studie. Med andra ord är antalet rör och hål en viktig parameter för att ändra den ventilerade lådans inre struktur. Referensmodellen har 10 rör. De två mittrören har 10 hål vardera, som är förskjutna över rören. Antalet hål från mitten till ytterröret ökar med två åt gången.
Med andra ord, när vi håller färska grönsaker, frukter och andra produkter kan kontinuerligt och stabilt luftflöde minska andningen av produkter, minska eten och andra skadliga ämnen för produktkonservering och minska temperaturen som produceras av själva produkterna. På grund av de olika parametrarna i den ventilerade lådan är det inte lätt att erhålla det önskade luftflödestillståndet, vilket kommer att påverka den ventilerade lådans bevarandeegenskap. Därför tar projektet den interna luftflödeshastigheten enhetlighet hos den ventilerade lådan som kontrollmål. En känslighetsanalys utfördes för de strukturella parametrarna för den ventilerade lådan. Proverna valdes ut genom ortogonal experimentell design. Vi använde intervallanalys för att optimera kombinationen av de tre strukturella parametrarna. Under tiden verifierar vi önskvärdheten av optimeringsresultaten.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Bearbetning före simulering
OBS: Med tanke på rörmatriserna fastställs den tredimensionella nedre halvan och den övre halvan av de ventilerade lådmodellerna med hjälp av tredimensionell programvara och sparar dem som X_T filer, de övergripande dimensionerna visas i figur 1. Konfigurationer visas i materialtabellen.
- Kör simuleringsprogrammet och dra Mesh-komponenten från fönstret "Component Systems" till "Project Schematic". Namnge det "botten". Högerklicka på Geometri och klicka på Bläddra för att importera den nedre X_T filen.
- Högerklicka på Geometri, klicka på Ny DesignModeler-geometri för att öppna fönstret "Mesh-Designmodeler" och klicka på Generera för att visa den nedre modellen.
- Högerklicka på den övre ytan och klicka på Namngiven markering för att byta namn på den till "ventilerad box_upper". Välj Urvalsfilter: Kroppar. Högerklicka på den nedre modellen för att välja Namngiven markering och byt namn på den till "botten".
- Välj Urvalsfilter: Ansikten och växla "Välj läge" till Box Select. Markera alla inre ytor, högerklicka för att välja den namngivna markeringen och byt namn på den till "inre surfaces_external", definierad som mech-gränssnitt senare. Återgå till det ursprungliga fönstret.
- Dubbelklicka på det nedre nätet. Gå in i fönstret "Meshing". Ändra "Fysiska preferenser" från Mekanisk till CFD. Klicka på Uppdatera för att generera nätmodellen. Återgå till det ursprungliga fönstret.
- Dra Mesh-komponentenfrån "Component Systems" till fönstret "Project Schematic". Namnge det "topp". Högerklicka på Geometri och klicka på Bläddra för att importera den översta X_T filen.
- Högerklicka på Geometri och klicka på Ny DesignModeler-geometri för att komma in i fönstret "Mesh-Designmodeler". Klicka på Generera för att visa toppmodellen.
- Högerklicka på den nedre ytan och klicka på Namngiven markering för att byta namn på den till "ventilerad box_lower". Välj Urvalsfilter: Kroppar. Högerklicka på toppmodellen för att välja Namngiven markering och byt namn på den till "topp".
- Välj Urvalsfilter: Ansikten. Högerklicka på den övre ytan och klicka på Namngiven markering för att byta namn på den som uttag. Återgå till det ursprungliga fönstret.
- Dubbelklicka på den övre nätmaskan. Gå in i fönstret "Meshing". Ändra "Fysiska preferenser" från Mekanisk till CFD. Högerklicka på Mesh för att välja storlek i "Infoga". Välj Urvalsfilter: Kroppar. Välj toppmodellen och skriv 18 i "Elementstorlek". Klicka på Uppdatera. Återgå till det ursprungliga fönstret.
- Dra Mesh-komponenten från "Component Systems" till fönstret "Project Schematic". Namnge det som röret. Importera pipe X_T-filen genom att klicka på Geometri.
- Öppna fönstret "Mesh-Designmodeler". Klicka på Generera för att visa rörmodellens displayer igen.
- Välj rörets två ändytor och märk dem som "inlopp1" och "inlopp2", och röret genom att välja och märka som ett rör.
- Alla inre ytor efter att ha valt ruta är märkta som "inre surfaces_internal", definierade som mesh-gränssnitt senare. Återgå till det ursprungliga fönstret.
- Dubbelklicka på rörets nät. Gå in i fönstret "Meshing". Ändra "Fysiska preferenser" från Mekanisk till CFD. Mesh-modellen kan genereras genom att klicka på "Uppdatera". Återgå till det ursprungliga fönstret.
Figur 2A visar rutnätet i den nedre halvan av den ventilerade lådan, figur 2B visar gallret i den övre halvan av den ventilerade lådan och figur 2C visar rörets rutnät. Som visas i figur 3, med antalet rutnät som ökar från 4 137 724 till 5 490 081, är standardavvikelseändringarna mindre än 0,0008. Med tanke på beräkningsförmågan och noggrannheten baseras följande analys på en rutnätsmodell med 4 448 536 rutnät.
2. Simuleringsanalys
Följande åtgärder beskrivs baserat på den allmänna sekvensen för simuleringsanalys från installation till lösning till resultat.
- Dra simuleringskomponenten till fönstret "Projektschematisk". Länka tre Mesh-komponenter till simuleringskomponenten och uppdatera för att ange.
- Installationen
OBS: "Setup" består av fem steg: Allmänt, Modeller, Material, Cellzonsvillkor och Randvillkor.- Allmänt: Kontrollera nätmodellens giltighet. Kontrollera om nätet har negativ volym. Välj Fast sken. För avkopplings-, rest- och tidsskalningsfaktorerna väljer du standardvärdena. Om det finns något problem med det delade rutnätet eller modellinställningarna kommer ett felmeddelande att dyka upp.
- Modeller: Ange inställningsgränssnittet för "Viskös modell" för att välja K-epsilon-modellen.
- Material: Ställ in "luft" -materialet.
- Cellzonsförhållanden: Ändra typen av cellzon till Vätska.
- Randvillkor
- Konvertera typen av ventilerad box_upper, ventilerad box_lower, inre surfaces_external och inre surfaces_internal från standard "Wall" till "Interface".
OBS: Simuleringsprogramvaran genererar omedelbart "Mesh Interfaces" efter att ovanstående steg har avslutats. - Öppna Mesh-gränssnitt och öppna fönstret "Skapa / redigera nätgränssnitt". Matcha inre surfaces_external med inre surfaces_internal. Tändstickan ventilerade box_upper till ventilerad box_lower. Slutligen skapas de två mesh-gränssnitten i den ventilerade rutan och namnges interface1 respektive interface2.
- Ställ in luftflödeshastigheterna för alla inlopp som 8,9525 m/s i fönstret "Velocity Inlet" och mättrycket för utloppet som noll i fönstret "Pressure Outlet".
- Konvertera typen av ventilerad box_upper, ventilerad box_lower, inre surfaces_external och inre surfaces_internal från standard "Wall" till "Interface".
- Lösning
- Ange formatet för lösningsinitiering som Standardinitiering innan du initierar.
- Ange antalet iterationer till 2 000.
- Klicka på Beräkna för att starta simuleringen och återgå till det ursprungliga fönstret tills simuleringen avslutas.
- Resultat
- Klicka på Resultat. Gå in i fönstret "CFD Post" och klicka på strömlinjeikonen i verktygslådan.
- Välj uttag i "Börja från" och bakåt i "Riktning". Klicka på Använd för att generera det interna flödesschemat för den ventilerade lådan.
- Klicka på Plan i "Plats", välj ZX-plan i "Metod" och välj ingångsvärdet som 0,6. Klicka på Använd för att generera planet 0,6 m från bottenytan.
- Klicka på konturikonen i verktygslådan, välj plan 1 i "platser", välj hastighet i "variabel" och välj lokal i "intervall". Klicka på Använd för att generera hastighetskonturen.
- Exportera flödeshastighetsdata för planet som genereras ovan. Hämta standardavvikelsen för flödeshastigheten i kalkylprogram (t.ex. Excel).
OBS: Känslighetsanalys av tre strukturella variabler i den ventilerade lådan utfördes. Antalet rör har fyra nivåer: åtta, 10, 12 och 14. Antalet hål i mittrören har fyra nivåer: åtta, 10, 12 och 14. Antalet för varje steg från insidan till utsidan av röret har fyra nivåer: noll, två, fyra och sex. Ändra basmodellen enligt ändringar i dessa strukturella parametrar. Upprepa steg 1.1 till 2.5 10 gånger för att hämta data i tabell 1. Det framgår av tabellen att de tre strukturella parametrarna har vissa effekter på standardavvikelsen för flödeshastigheten.
3. Ortogonal experimentdesign och intervallanalys
- Kör programvaran för statistisk analys. Klicka på Data och generera i "Ortogonal design".
- Ange pipe_number i "Faktornamn" och A i "Faktoretikett". Klicka på Lägg till och definiera värden för att ange fyra nivåer för antalet rör. Klicka på Fortsätt och återgå till fönstret "Skapa ortogonal design".
- Ange whole_number i "Faktornamn" och B i "Faktoretikett". Klicka på Lägg till och definiera värden för att ange fyra nivåer för antalet hål. Klicka på Fortsätt och återgå till fönstret "Skapa ortogonal design".
- Ange cumulative_number i "Faktornamn" och C i "Faktoretikett". Klicka på Lägg till och definiera värden för att ange fyra nivåer för antalet steg. Klicka på Fortsätt och återgå till fönstret "Skapa ortogonal design".
- Klicka på Skapa ny datafil för att generera 16 matrisexempel. Klicka på Variabelvy för att välja Nominell i "Mått" och Inmatning i "Roll". Byt namn på den till "standard_deviation×100000".
- Upprepa steg 1.1 till 2.5 med exempelpunkterna ovan. De resulterande 16 standardavvikelserna multiplicerade med 100 000 fylls i provlistan för senare optimering.
- Klicka på Analysera och univariat i "Allmän linjär modell". Fyll i standard_deviation×100000 i "Beroende variabel" och pipe_number, hole_number, cumulative_number i "Fixed Factor (s)". Klicka på Modell- och byggtermer. Ändra interaktion till Huvudeffekter. Fyll A, B, C i "Modell". Klicka på Fortsätt och återgå till fönstret "Univariate".
- Klicka på EM-medel och fyll i A, B, C i "Display Means For". Klicka på Fortsätt och gå tillbaka till fönstret "Univariate".
- Klicka på OK och få optimeringsresultatet; Minimivärdet för kolumnen "Mean" i tabellen motsvarar den optimala variabeln. Dubbelklicka på tabellen, gå in i fönstret "Pivottabell", klicka på Redigera och klicka på Bar i "Skapa diagram" för att generera histogrammet.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Efter protokollet var de tre första delarna de viktigaste, som inkluderar modellering, meshing och simulering, allt för att erhålla standardavvikelsen för flödeshastigheten. Därefter slutförde vi strukturoptimeringen av den ventilerade lådan genom ortogonala experiment och intervallanalys. Modellen som används i protokollet är referensventilboxmodellen, som är den ursprungliga modellen som erhålls från referensen. Figur 4 visar resultatet av det strömlinjeformade flödet för den ventilerade referenslådmodellen och figur 5 visar resultatet av det strömlinjeformade flödet av den ventilerade lådan, som är en av de modeller som används för känslighetsanalys. Denna ventilerade lådmodell är modell nummer ett i tabell 1. Strömlinjeformade flöden är banorna för vätskerörelse för att visualisera vätskeflödet inuti den ventilerade lådan. Som visas i figur 4 och figur 5 är det strömlinjeformade flödet i den senare ventilerade lådan ännu rörigare än den förra på grund av den ventilerade lådans inre struktur. Figure 6 visar resultatet för flödeshastighetsfördelningen inuti referensventilboxmodellen och figur 7 visar resultatet för flödeshastighetsfördelningen inuti ventilboxmodellen, som är en av de modeller som används för känslighetsanalys. Som visas i figur 6 och figur 7 är flödeshastigheten inuti den ventilerade lådan, som är en av de modeller som används för känslighetsanalys, mer ojämn.
För att förstå den strömlinjeformade fördelningen inuti den ventilerade lådan mer intuitivt etablerade vi ett plan 0,6 m från botten av den ventilerade lådan. Flödeshastigheten för varje nod på utgångsplanet används för beräkningen av matematisk statistik. Standardavvikelsen beräknas av 
där xioch μ står för flödeshastigheten för varje nod respektive medelflödeshastigheten för alla noder. Tabell 1 visar standardavvikelserna för flödeshastigheter för de 10 grupperna i den ventilerade lådan som används för känslighetsanalys, inklusive referensmodellen. Det kan ses att de tre strukturella variablerna har en viss inverkan på standardavvikelsen för flödeshastigheten, och antalet rör har störst inverkan på standardavvikelsen för flödeshastigheten. En stor standardavvikelse representerar en stor skillnad mellan de flesta flöden och deras genomsnittliga flödeshastighet; En liten standardavvikelse innebär att dessa flöden ligger nära deras genomsnittliga flödeshastighet. Således kan man se att förändring av den ventilerade lådans inre struktur kan ändra dess interna flöde och göra strömlinjeformningen mer homogen.
Vid utformning av det ortogonala experimentet finns det tre designvariabler i den här artikeln: antalet rör, antalet hål i mittrören och antalet varje steg från insidan till utsidan. Var och en av dessa tre variabler har fyra nivåer. Som visas i tabell 2 erhölls 16 grupper av experimentella designpunkter genom ortogonal experimentell design. Standardavvikelserna beräknades med simuleringsprogram. Från antalet provpunkter som tagits ut kan man se att den ortogonala experimentella designen kan uppnå syftet att ge maximal parametervärdestäckning med minst antal testfall.
I slutändan används intervallanalysmetoden som optimeringsmetod för att hitta den optimala strukturparameterkombinationen. Figur 8 visar optimeringsresultatet för den strukturella parametern för antalet rör. Av detta kan vi se att minimivärdet erhålls när antalet rör är 14. Figur 9 visar optimeringsresultatet för konstruktionsparametern om antalet hål i mittrören. Av detta kan vi se att minimivärdet erhålls när antalet hål i mittrören är 14. Figur 10 visar optimeringsresultatet för konstruktionsparametern om antalet steg från insidan till utsidan. Av detta kan vi se att minimivärdet erhålls när antalet steg från insidan till utsidan är fyra. Ovanstående analys visar att den optimala kombinationen är "pipe_number 14, hole_number 14 cumulative_number 4". För att bekräfta noggrannheten analyserades det optimala fallet med simuleringsprogramvara. Figur 4 och figur 11 visar referensmodellens strömlinjeflöde jämfört med den optimerade modellen. Figur 6 och figur 12 visar flödeshastighetsfördelningen inuti referensmodellen jämfört med den optimerade modellen. Tabell 3 visar en jämförelse mellan optimeringsresultaten och resultaten från referensmodellen. Det kan ses att standardavvikelsen beräknad från den optimerade modellen är lägre jämfört med referensmodellens standardavvikelse. Tabell 4 visar ökningen av antalet hål från fyra till sex, med liten förändring i standardavvikelsen, och modell nummer tre är den optimerade modellen ur bearbetningskostnadsperspektiv. I detta dokument förbättras den inre miljön i den ventilerade lådan genom att optimera dess struktur, och kvaliteten på dess interna miljö mäts med standardavvikelse; Ju mindre standardavvikelsen desto mer homogent är luftflödet inuti den ventilerade lådan, vilket indikerar att optimeringsmetoden som antagits i detta arbete är effektiv och genomförbar.
Tabell över material. Tabellen visar de grundläggande konfigurationerna för denna studie, som inkluderar den nödvändiga datorn med en högpresterande grafikbehandlingsenhet (GPU) och tre program från SolidWorks, Ansys-Workbench och SPSS.
Tabell 1: Analys av parameterkänslighet. Tabellen visar standardavvikelserna för flödeshastigheter för de 10 grupperna i den ventilerade lådan som används för känslighetsanalys. Klicka här för att ladda ner denna tabell.
Tabell 2: Experimentella designpunkter. Klicka här för att ladda ner denna tabell.
Tabell 3: Jämförelse mellan optimeringsresultaten och resultaten från referensmodellen. Klicka här för att ladda ner denna tabell.
Tabell 4: Jämförelse av det kumulativa antalet 14 rör och 14 hål. Klicka här för att ladda ner denna tabell.
Figur 1: 3D-modell av den ventilerade lådan. Klicka här för att se en större version av denna figur.
Figur 2: Rutnätsdiagram . (A) Gallret i den nedre halvan av den ventilerade lådan, (B) gallret på den övre halvan av den ventilerade lådan, och (C) rörets galler. Klicka här för att se en större version av denna figur.
Figur 3: Test av nätoberoende. X-axeln är det olika totala antalet rutnät i nätmodellen och Y-axeln är standardavvikelsen. Klicka här för att se en större version av denna figur.
Bild 4: Effektivisera flödet för den referensventilerade lådmodellen. Klicka här för att se en större version av denna figur.
Figur 5: Effektivisera flödet för den ventilerade lådmodellen. Figuren visar resultatet av strömlinjeformningen av den ventilerade lådan, som är en modell som används för känslighetsanalys. Klicka här för att se en större version av denna figur.
Figur 6: Flödeshastighetsfördelning inuti den ventilerade lådmodellen. Klicka här för att se en större version av denna figur.
Figur 7: Flödeshastighetsfördelning inuti modellen med ventilerad låda. Figuren visar resultatet för flödeshastighetsfördelningen inuti den ventilerade lådan, som är en modell som används för känslighetsanalys. Klicka här för att se en större version av denna figur.
Figur 8: Optimeringsresultat för antalet rör. Klicka här för att se en större version av denna figur.
Figur 9: Optimeringsresultat för antalet hål i mittrören. Klicka här för att se en större version av denna figur.
Figur 10: Optimeringsresultat av antalet steg från insidan till utsidan. Klicka här för att se en större version av denna figur.
Figur 11: Effektivisera flödet för den optimerade ventilerade lådmodellen. Klicka här för att se en större version av denna figur.
Figur 12: Flödeshastighetsfördelning inuti den optimerade ventilerade lådmodellen. Klicka här för att se en större version av denna figur.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
På grund av dess höga prestanda och komplexa struktur byggde vi i denna studie en ventilerad låda baserad på modelleringsprogramvara. Vi analyserade det interna flödet med simuleringsprogram. Simuleringsprogramvara är känd för sina avancerade fysikmodelleringsfunktioner, som inkluderar turbulensmodellering, en- och flerfasflöden, förbränning, batterimodellering, vätskestrukturinteraktion och mycket mer. Provvalsmetoden som används i detta dokument är den ortogonala experimentella designmetoden, som är lämplig för mekanisk produktion och andra områden på grund av dess vetenskapliga metod, enkel användning, kostnadsbesparande fördel och anmärkningsvärd effekt. Intervallanalysmetoden kan erhålla de primära och sekundära faktorerna och den optimala kombinationen av experimentet genom en enkel beräkning.
Resultaten är beroende av vissa kritiska komponenter i den här konfigurationen i protokollet. För det första, när du skapar 3D-modellen av batteripaketet, är det ett viktigt steg att ge varje kropp och yta i modellen ett lätt igenkännligt namn för att senare lägga till material, skapa ett mesh-gränssnitt och ställa in gränsvillkor. För det andra, innan viktiga strukturella parametrar bestäms, måste parameterkänslighetsanalys utföras för att välja de viktigare strukturella parametrarna. För det tredje, när du använder varje programvara, är det nödvändigt att ställa in varje parameter exakt, särskilt parameterns enhet.
Efter att ha importerat rutnätsmodellen bör man felsöka nätmodellen och klicka på Kontrollera för att kontrollera om nätet har en negativ volym. Om det finns något problem med det delade rutnätet eller modellinställningarna kommer ett felmeddelande att dyka upp. Den huvudsakliga begränsningen med denna studie är att den 3D-modell som används är byggd efter att ha förenklat den verkliga ventilerade lådan. Det inre flödet av den simulerade ventilerade lådan kommer att skilja sig något från den verkliga. Resultatet kan vara nära verkligheten, men inte exakt. Denna optimeringsmetod gäller för strukturella parametrar av heltalstyp, såsom antalet rör och hål. Jämfört med genetisk algoritm och glödgningsalgoritmoptimering är optimeringsresultaten i detta dokument sämre än resultaten av algoritmoptimering; Men i teknik är parameterstrukturen av aspektheltal mer lämplig för produktion av produkter.
Denna teknik kan inte bara få högkvalitativa och tillförlitliga testdata och testprodukter, utan också hjälpa oss att behärska det interna förhållandet mellan testpersoner i analysen av testdata. Detta protokoll hjälper till att skapa en optimeringsmetod samtidigt som man tar hänsyn till den ventilerade lådans energiförbrukning och prestanda, och den kan användas i stor utsträckning för att förlänga lagringstiden för färsk mat. Denna teknik kan också användas inom mekanisk design, arkitektonisk design och andra områden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inget att avslöja.
Acknowledgments
Denna forskning stöds av Wenzhou Science and Technology Bureau of China (Wenzhou stora vetenskapliga och tekniska innovationsprojekt under bidrag nr. ZG2020029). Forskningen finansieras av Wenzhou Association for Science and Technology med anslag nr. KJFW09. Denna forskning stöddes av Wenzhou Municipal Key Science and Research Program (ZN2022001).
Materials
| Name | Company | Catalog Number | Comments |
| Hardware | |||
| NVIDIA GPU | NVIDIA | N/A | An NVIDIA GPU is needed as some of the software frameworks below will not work otherwise. https://www.nvidia.com |
| Software | |||
| Ansys-Workbench | ANSYS | N/A | Multi-purpose finite element method computer design program software.https://www.ansys.com |
| SOLIDWORKS | Dassault Systemes | N/A | SolidWorks provides different design solutions, reduces errors in the design process, and improves product quality www.solidworks.com |
| SPSS | IBM | N/A | Software products for statistical analytical operations, data mining, predictive analysis, and decision support tasks software.https://www.ibm.com |
References
- Villa-Rodriguez, J. A., et al. Maintaining antioxidant potential of fresh fruits and vegetables after harvest. Critical Reviews in Food Science and Nutrition. 55 (6), 806-822 (2015).
- Mozaffari, H., Lafrenière, J., Conklin, A. Does eating more variety of fruits and vegetables reduce risk of cancer? Findings from a systematic review and meta-analysis. Current Developments in Nutrition. 4, 339-339 (2020).
- Wu, S., Fisher-Hoch, S. P., Reininger, B. M., Lee, M., McCormick, J. B. Fruit and vegetable intake is inversely associated with cancer risk in Mexican-Americans. Nutrition and Cancer. 71 (8), 1254-1262 (2019).
- Nan, M., Xue, H., Bi, Y. Contamination, detection and control of mycotoxins in fruits and vegetables. Toxins. 14 (5), 309 (2022).
- Alothman, M., Bhat, R., Karim, A. A. Effects of radiation processing on phytochemicals and antioxidants in plant produce. Trends in Food Science & Technology. 20 (5), 201-212 (2009).
- Ayala-Zavala, J. F., Wang, S. Y., Wang, C. Y., González-Aguilar, G. A. Effect of storage temperatures on antioxidant capacity and aroma compounds in strawberry fruit. LWT-Food Science and Technology. 37 (7), 687-695 (2004).
- Piljac-Žegarac, J., Šamec, D. Antioxidant stability of small fruits in postharvest storage at room and refrigerator temperatures. Food Research International. 44 (1), 345-350 (2011).
- Lal Basediya, A., Samuel, D. V. K., Beera, V. Evaporative cooling system for storage of fruits and vegetables - a review. Journal of Food Science and Technology. 50 (3), 429-442 (2013).
- Sandhya, Modified atmosphere packaging of fresh produce: Current status and future needs. LWT-Food Science and Technology. 43 (3), 381-392 (2010).
- Bassey, E. J., Cheng, J. H., Sun, D. W. Novel nonthermal and thermal pretreatments for enhancing drying performance and improving quality of fruits and vegetables. Trends in Food Science & Technology. 112, 137-148 (2021).
- Mieszczakowska-Frąc, M., Celejewska, K., Płocharski, W. Impact of innovative technologies on the content of vitamin C and its bioavailability from processed fruit and vegetable products. Antioxidants. 10 (1), 54 (2021).
- Xue, Z., Li, J., Yu, W., Lu, X., Kou, X. Effects of nonthermal preservation technologies on antioxidant activity of fruits and vegetables: A review. Food Science and Technology International. 22 (5), 440-458 (2016).
- Olaimat, A. N., Holley, R. A. Factors influencing the microbial safety of fresh produce: a review. Food Microbiology. 32 (1), 1-19 (2012).
- Caleb, O. J., Mahajan, P. V., Al-Said, F. A. J., Opara, U. L. Modified atmosphere packaging technology of fresh and fresh-cut produce and the microbial consequences-a review. Food and Bioprocess Technology. 6 (2), 303-329 (2013).
- Waghmare, R. B., Mahajan, P. V., Annapure, U. S. Modelling the effect of time and temperature on respiration rate of selected fresh-cut produce. Postharvest Biology and Technology. 80, 25-30 (2013).
- Praeger, U., et al. Airflow distribution in an apple storage room. Journal of Food Engineering. 269, 109746 (2020).
- Praeger, U., et al. Influence of room layout on airflow distribution in an industrial fruit store. International Journal of Refrigeration. 131, 714-722 (2021).
- Berry, T. M., Delele, M. A., Griessel, H., Opara, U. L. Geometric design characterisation of ventilated multi-scale packaging used in the South African pome fruit industry. Agricultural Mechanization in Asia, Africa, and Latin America. 46 (3), 34-42 (2015).
- Dehghannya, J., Ngadi, M., Vigneault, C. Mathematical modeling of airflow and heat transfer during forced convection cooling of produce considering various package vent areas. Food Control. 22 (8), 1393-1399 (2011).
- Dehghannya, J., Ngadi, M., Vigneault, C. Transport phenomena modelling during produce cooling for optimal package design: thermal sensitivity analysis. Biosystems Engineering. 111 (3), 315-324 (2012).
- Delele, M. A., et al. Combined discrete element and CFD modelling of airflow through random stacking of horticultural products in vented boxes. Journal of Food Engineering. 89 (1), 33-41 (2008).
- Ilangovan, A., Curto, J., Gaspar, P. D., Silva, P. D., Alves, N. CFD modelling of the thermal performance of fruit packaging boxes-influence of vent-holes design. Energies. 14 (23), 7990 (2021).
- Gong, Y. F., Cao, Y., Zhang, X. R. Forced-air precooling of apples: Airflow distribution and precooling effectiveness in relation to the gap width between tray edge and box wall. Postharvest Biology and Technology. 177, 111523 (2021).
- Guo, R., Li, L. Heat dissipation analysis and optimization of lithium-ion batteries with a novel parallel-spiral serpentine channel liquid cooling plate. International Journal of Heat and Mass Transfer. 189, 122706 (2022).
- Chen, J., et al. Optimization of geometric parameters of hydraulic turbine runner in turbine mode based on the orthogonal test method and CFD. Energy Reports. 8, 14476-14487 (2022).
- Yun-De, S., Hai-Dong, Q., Sun, B., Li, Z. Z., Cao, K. B. Flow analysis of fresh vegetable box based on multiporosity material. International Journal of Education and Management Engineering. 2 (1), 29 (2012).
- Elansari, A. M., Mostafa, Y. S. Vertical forced air pre-cooling of orange fruits on bin: Effect of fruit size, air direction, and air velocity. Journal of the Saudi Society of Agricultural Sciences. 19 (1), 92-98 (2020).
