本研究以木质纤维为研究对象,围绕脉冲-旋流气流干燥的数学预测模型建立与干燥装置脉冲管过渡角优化仿真进行研究。使用RSM响应曲面软件设计实验方案考查了杨木纤维脉冲-旋流气流干燥过程中主要工艺参数对终含水率的影响,借助Python编程语言搭建BP神经网络预测模型,并将BP神经网络和RSM两种模型完成的映射关系加以比较;通过Fluent软件对脉冲-旋流干燥装置脉冲管过渡角进行优化,准确掌握干燥过程中装置内部流动及传热传质规律的同时完成对脉冲-旋流气流干燥装置中脉冲管过渡角优化的探索。BP神经网络和RSM的研究对比结果为木质纤维脉冲-旋流气流干燥过程中工艺参数与终含水率映射关系的确定提供新思路,高效智能地对木质纤维终含水率结果进行预测,干燥装置脉冲管过渡角的仿真优化可以帮助相关生产企业提高物料干燥效率,降低设备发生损坏的风险,为干燥设备生产的企业带来隐形的经济效益,研究结果旨在为丰富木质纤维气流干燥理论体系及其工业化应用提供技术支持和理论依据。主要研究内容及结论如下:(1)通过对脉冲-旋流气流干燥工艺进行响应面优化,选用Design Expert软件分析了脉冲-旋流气流干燥工艺参数与杨木纤维终含水率之间的关系,得到了多元回归模型方差分析。结果显示:回归模型的工艺因素与杨木纤维终含水率之间呈高度显著的关系,模型预测值与试验实际值之间误差很小,模型适应性较好,可以很好地用于探讨脉冲-旋流气流干燥工艺对木质纤维终含水率的影响。模型中4个影响因素有3个是显著因素,显著程度顺序为:初含水率>进风温度>进料速度>进风速度,并通过软件拟合得到了响应曲面的二次回归方程。(2)通过对脉冲-旋流气流干燥工艺进行神经网络建模,选用TensorFlow框架借助Python编程语言建构BP神经网络,搭建杨木纤维脉冲-旋流气流干燥过程中纤维初含水率、干燥装置进风温度、进风速度和进料速度四个工艺参数与终含水率映射关系的数学预测模型。使用RSM试验时用到过的样本数据共29组,抽取其中21组作为训练数据,8组作为测试数据构造第一个神经网络。扩充样本数据至92组,再次通过训练构建神经网络模型,得到的拟合效果图,两个神经网络迭代结果阐明,扩充样本数据容量,足够的样本数据反映出规律特征后,预测模型的优化效果得以改善。将RSM和BP神经网络模型优化效果实行对照,RSM的均方根误差低于神经网络模型,R2值比神经网络模型高,这表明在样本数据量有限的情况下,RSM的优化水平更好。(3)通过Fluent软件对脉冲-旋流气流干燥装置进行气固两相流的流动特性分析,实验通过更改干燥装置中管道气流部分脉冲管管径大小,比较21°和30°过渡角干燥装置内部的速度场、压力场和墙面剪切情况,分析比较干燥过程中流场状态的分布,高效准确地掌握干燥过程中装置内部的运行变化状况,完成对脉冲-旋流气流干燥装置脉冲管过渡角优化的探索。仿真结果显示:30°过渡角干燥装置的脉冲管与窄直管交界处不会出现高速流动区域,脉冲管整体速度场分布均匀,有利于干燥颗粒的平稳运动;30°过渡角干燥装置内部所产生的的壁面剪切压力比原干燥装置低了一个数量级,有利于降低管道内部的冲蚀现象,极大程度地降低设备损坏风险;对比21°和30°过渡角干燥装置内部的压力场分布,30°过渡角的设计使脉冲管过渡段内壁附近形成小范围扰动气流,产生能耗代价,导致干燥过程无用能耗的增加。30°过渡角干燥装置工作产生的扰动气流在接受范围内,综合全部仿真结果得出30°过渡角干燥装置整体干燥效果更好。