基于PCA-RSM超临界萃取工艺的优化

本文以丙烯酸甲酯萃取为研究对象,通过主成分分析(PCA)和响应面优化(RSM)为数学建模基础探索超临界萃取工艺参数的优化结构,克服了传统的分析方法中各个因素之间相互影响,通过PCA降维的方法,分析主要的影响因素,消除非相关因素的相互影响,然后将PCA提取后的数据作为输入变量建立超临界萃取的工艺参数模型,通过RSM对数学模型进行分析优化得到最优的工艺参数。并且与以往模糊PID、正交设计方法、PSO(粒子群)算法进行对比,克服了传统方法中收敛速度快,易陷入局部最优的缺陷。仿真结果表明,在有效信息量损失最小的状态下,在保证物料的纯度状态下,超临界萃取工艺中温度83℃,压强为320.75k Pa,醇酸比为0.7时的工艺最优,能够达到95.423%的萃取率,进而验证了算法的准确性和有效性。