面向批量巧克力精炼的混合灰箱数字孪生与蜜蜂算法优化：保持窗口鲁棒性下的工业级校准与验证

《EUROPEAN FOOD RESEARCH AND TECHNOLOGY》：Hybrid grey-box digital twin and the Bees Algorithm optimization for batch chocolate conching: industrial-scale calibration and validation under hold-window robustness

　　本文开发了一套用于批式巧克力调温（conching）工艺的数字孪生工作流，通过将有监督混合灰箱动态模型与蜜蜂算法（Bees Algorithm, BA）相结合，生成满足约束条件的操作策略和添加剂添加计划。该研究的建模贡献在于构建了一种紧凑的、基于方程的描述方法，将以下三个方面耦合在一起：（i）事件驱动的相变过程（干态—塑态—液态），（ii）温度—搅拌—通气加速下的水分及挥发性物质脱除，以及（iii）基于结构的Herschel-Bulkley流变学模型，该模型通过一个可解释的闭合关系将潜在的包覆/分散指数与屈服应力及稠度演化联系起来。该研究的优化贡献在于提出了一种带约束的优化框架，该框架在确保工业流变学区间约束的同时，还对残余水分/挥发性物质设定了严格限值，并对最高温度和比能耗设定了上限，同时允许在满足可行性条件且持续覆盖出料相关保持窗口时提前终止。本研究在MEMAK的2.5吨仪表化调温机上完成了工业规模实验，共使用三批次样品，其中两批次用于参数标定，一批次保留用于独立交叉验证。所测量的温度轨迹以及功率/能耗轨迹，结合离散的流变学、水分和挥发性标记物测量数据，被用于估计不确定的模型参数，并对所研究的配方和操作条件下的预测性能进行了初步评估。仿真与实验的一致性通过轨迹级误差指标和出料相关保持窗口对比进行量化。优化策略实现了η_ref = 3.229 Pa·s（处于规定的3–5 Pa·s区间内）和τ_y = 7.165 Pa（处于7–9 Pa区间内），同时满足水分、挥发性物质、温度和比能耗约束条件，并在451.7分钟时实现了提前终止。鉴于仅使用三批次的有限数据集，这些结果应被理解为初步的工业规模标定与交叉验证，而非证明工厂整体稳健性的决定性证据。