基于挤压的食品3D打印中蛋白基墨水流压耦合动力学对几何保真度的影响分析

《Innovative Food Science & Emerging Technologies》：Analysis of geometric fidelity in protein-based 3D printing via coupled pressure-flow dynamics

　　

在挤出式食品3D打印中，几何保真度不仅取决于材料的流变学特性，还取决于沉积过程中压力-流动（pressure–flow）动力学的稳定性。本研究旨在通过耦合压力-流动动力学分析阐释米蛋白墨水（rice protein ink）的3D打印过程，并评估偏最小二乘（Partial Least Squares, PLS）与机器学习（Machine Learning, ML）模型预测几何保真度的能力。研究采用32全因子设计，结合实时挤出压力监测、流动、振荡及表观流变表征与图像分析。质量流速范围为9.23至66.64 mg/s，在50 mm/s下最大压力为227至237 kPa，在20 mm/s下喷嘴直径由0.85增至1.55 mm时曲线下面积（Area Under the Curve, AUC）降低达71.4%。结果表明，可打印性受两种独立机制支配：横向重分布（lateral redistribution）与垂直稳定性（vertical stability）。横向扩展在前视面积达+19.37%、顶视面积达+17.52%，最大高度缩减为?12.85%。1.55 mm喷嘴配50 mm/s速度组合获得最高全局保真度（Printing Fidelity Index, PFI >97%）。PLS模型预测能力有限（R2=0.21–0.33），而随机森林（Random Forest, RF）算法表现显著更优（R2=0.82–0.91），识别出打印速度、质量流速、表观粘度（apparent viscosity）与压力变异性为主导预测因子。上述发现证实几何保真度依赖于体积供给与压力稳定性之间的动态平衡，验证了ML作为解析食品3D打印多变量复杂性的工具价值。

研究背景与立项依据

挤出式食品3D打印在墨水配方与工艺参数优化上面临持续挑战，核心难题在于实现连续、可控且可重复的挤出。已有研究指出，不适当的挤出设置与模口膨胀（die swelling）会导致细丝欠挤或溢挤，损害尺寸精度；打印压力、喷嘴速度与喷嘴直径共同调控线宽与线高的一致性，但单一参数无法孤立优化，因其交互作用同时决定形状精度与质地属性。传统流变表征难以捕捉喷嘴内严重剪切历史、结构恢复及压力-流动波动的物理化学复杂性，而计算流体力学与幂律模型虽能建立挤出压力与体积流速的理论关系，仍难以准确预测几何保真度。在此背景下，数据驱动方法尤其是随机森林（RF）等机器学习算法，被证明比经典响应面法（Response Surface Methodology, RSM）更有效。然而，少有研究将实时动态压力与流动描述符（液压导纳、压力曲线参数、喷嘴处表观粘度）与机器学习框架集成以预测蛋白基墨水的几何保真度。为此，研究人员以米蛋白墨水为对象，通过打印参数与压力-流动动力学的耦合分析，评价PLS与ML模型对几何保真度的预测能力。

主要技术方法概述

研究人员采用32全因子实验设计，以打印速度（20、35、50 mm/s）与喷嘴直径（0.85、1.20、1.55 mm）为因子，分5个独立区组共45次观测；样本为按既定配方制备的米蛋白隔离物（85% Rice I850XF）基墨水（含可可脂、亚麻纤维、黄原胶与水），每区组250 g。关键技术包括：改装挤出式3D打印机配合实时压力传感与无纸记录仪获取压力-时间曲线；基于广义指数模型提取P?、P∞、k及AUC等描述符；以一阶水力电容模型推导液压导纳（α）与Q_in/Q_out相干比；在准稳态层流假设下以有效牛顿近似计算喷嘴剪切率（γ?）、壁面剪切应力（τ）与表观粘度（η_app）；打印前后用平行板流变仪做振荡扫描取G′、G″、η*与屈服应力（σ_y）；ImageJ处理正俯视图算宽高长宽面积变化率及绝对/相对打印保真度指数（PFI_A、PFI_R）；统计上用线性混合效应模型（Linear Mixed-Effects Models, LMM）检验固定效应，PCA与Spearman相关探索多变量结构，以200次重复随机留一验证训练随机森林（ntree=1000）与PLS回归预测相对PFI、顶面积、前面积。

研究结果

3.1 喷嘴直径与打印速度对压力-流动动力学及振荡与操作流变响应的影响

3.1.1 对压力剖面的影响

平均压力-时间曲线显示系统未达完全稳态，高速（50 mm/s）下T3/T6/T9呈持续升压，低速（20 mm/s）下T1/T4趋近准稳态。最大、范围与平均压力随打印速度显著上升，50 mm/s下达227–237 kPa；大喷嘴提高压力范围。AUC随喷嘴直径增大而降，20 mm/s下0.85→1.55 mm降低71.4%（3979 kPa·min），50 mm/s下降69.8%；压力标准差在高速配大喷嘴时放大，源于瞬态流动失稳与墨水内气泡/纤维团聚。指数模型参数中P?在低俗受直径主导、高速受流量主导；P∞随速度显著增大；速率常数k随速度与直径增大，小喷嘴低k慢稳、大喷嘴高速高k不稳；拟合优度R2=0.97–0.99（T1除外R2=0.751）。

3.1.2 对流速与流动行为的影响

质量流速（?）与出口体积流速（Q_out）随速度与直径显著增大，20 mm/s下直径0.85→1.55 mm时?由9.23升至30.84 mg/s（+234%），50 mm/s下1.55 mm达66.64 mg/s；活塞速度v_p同步由0.302升至2.183 mm/min。有效液压导纳α随直径与速度增大（20 mm/s下+300%），反映壁面剪切下降与剪切变稀；Q_in/Q_out始终近1（0.923–1.130）无显著差异，表明质量守恒在平均意义成立。

3.1.3 对振荡流变与喷嘴有效流动描述符的影响

振荡扫描示所有条件下G′>G″，呈固体主导与剪切变稀；最低速最小喷嘴（20 mm/s, ?0.85）G′、G″、η最高，提速至50 mm/s时0.85 mm喷嘴G′与η降20–42%，而1.55 mm喷嘴G′低频反升~38%。喷嘴内有效剪切率γ?随速度升、随直径降（R3效应），20→50 mm/s下?0.85由174升至353 s^?1；有效剪切应力τ随直径升（20 mm/s下?0.85→1.55由3.0升至5.4 Pa），不能仅由牛顿摩擦解释，含入口效应与结构重排贡献。表观粘度η_app作操作阻力指标而非本征属性。

形状变化与保真度

横向重分布使前视面积+19.37%、顶视面积+17.52%，垂直向最大高度缩减?12.85%；1.55 mm喷嘴配50 mm/s获全局PFI>97%。说明可打印性由横向扩展与垂直塌陷两独立机制竞争决定。

多变量与预测建模

PCA中质量流速、Q_out、α、压力AUC、P∞、η_app与PFI聚于同侧，Spearman相关印证打印速度、质量流速、表观粘度、压力变异性与几何保真度最相关。PLS模型R2仅0.21–0.33；随机森林R2达0.82–0.91，置换重要度指出打印速度、质量流速、η_app、压力标准差为优势预测因子，VIP亦佐证。

讨论与结论翻译

讨论指出，打印过程依水力载荷与结构恢复平衡不同分为多个工况，传统单点流变不足以代表真实挤出；将实时压力-流动描述符引入ML框架可解析非线性多变量耦合。结论确认：几何保真度由体积供给与压力稳定性动态平衡支配，横向重分布与垂直稳定性为两个独立控制机制；1.55 mm喷嘴–50 mm/s组合最优（PFI>97%）；随机森林较PLS显著提升预测力（R2=0.82–0.91 vs 0.21–0.33），主导变量为打印速度、质量流速、表观粘度与压力变异性；该研究为蛋白基食品3D打印的工艺诊断与数据驱动优化提供了过程级指标与建模范式。论文发表于《Innovative Food Science》。