小米面团3D打印工艺参数的多目标优化研究：基于响应面法与神经网络模型的性能预测与调控中文标题

本研究针对小米基面团3D打印过程中工艺参数调控难题，通过响应面法（RSM）和人工神经网络（ANN）建模，结合遗传算法（GA）多目标优化，实现了打印高度比、质量流速和弯曲角度的精准预测。结果表明ANN-GA模型预测误差更低（RMSE≤0.202）、精度更高（R2≥0.97），为食品打印工艺智能化调控提供新范式。

　　

三维（3D）食品打印技术能够实现对食品材料的精确定制和复杂造型构建，但打印机控制参数对小米基面团打印性能的影响机制尚未明确。本研究旨在探究不同控制参数（包括喷嘴直径(ND)、打印速度(PS)、层高(LH)和填充密度(ID)）对小米面团打印性能的影响，并通过高度比、质量流速和弯曲角度等指标评估打印精度。

采用经优化的面团配方（复合面粉40?g、起酥油30?g、粗糖22?g、水25?g），系统调整ND（1.2–2?mm）、PS（20–30?mm/s）、LH（ND的35–65%）和ID（40–80%）参数组合。通过响应面法（RSM）和人工神经网络（ANN）建立预测模型，并对比其统计性能。采用响应面法期望函数（RSMDF）和神经网络遗传算法（ANNGA）进行多目标优化，最终通过实验验证最优参数组合。

研究结果显示：ID和ND对高度比影响显著；LH和ND主导质量流速变化；ID和LH是弯曲角度的关键调控因子。ANN模型在预测精度上优于RSM，其均方根误差（RMSE）值更低（高度比：0.0013；质量流速：0.0336；弯曲角度：0.202），决定系数（R²）更高（分别为0.97、0.99和0.98）。在多目标优化中，ANNGA对高度比和质量流速的预测误差更低（0.006和0.063），准确率更高（99.993%和99.936%）。

通过ANNGA优化获得的最优参数为：ND 2?mm、PS 27.75?mm/s、LH 64.98%、ID 67.80%，此时高度比达5.633，质量流速为5.633?g/min，弯曲角度仅1°。本研究为食品3D打印的智能参数调控提供了理论依据和技术支撑。

（利益冲突声明：作者声明无已知竞争性利益或人际关系影响本研究结果。）