一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法技术

本发明专利技术提供了一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法。本发明专利技术通过特征提取，多变量分析，深度学习，建立预处理效果特征量和低共熔溶剂物化性质的智能反演模型，根据遗传算法对最优函数形式进行搜索，将智能反演问题变为函数求最优解的问题。通过数学模型，运算实现对关键变量的定性和定量确定，提高了低共熔溶剂制备的针对性和目的性。避免了实验方法设计筛选制备低共熔溶剂的耗时耗力的缺点，为低共熔溶剂预处理工业化应用提供了指导。指导。

【技术实现步骤摘要】
一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法


[0001]本专利技术涉及一种设计筛选制备绿色溶剂的方法，尤其是一种基于智能反演来设计筛选制备木质纤维预处理所需要的低共熔溶剂的方法。

技术介绍

[0002]低共熔溶剂是一种类离子液体的绿色溶剂，其具有易制备、纯度高、低毒性、易生物降解、低熔点、高热稳定性、低挥发性、不可燃性等诸多优点。低共熔溶剂作为一种新型合成的绿色溶剂，能够满足绿色化学的十二原则，其是通过一定比例的氢键受体(如季铵盐类、甜菜碱类)和氢键供体(如酰胺类、羧酸类和多元醇类)以双组分、三组分或者多组分制备而成，并且由于将多组分混合制备后的溶剂的熔点明显低于单个纯组分的熔点，因此称为低共熔溶剂。
[0003]低共熔溶剂是在2003年首次被报道成功制备，在2012年首次被报道将其用作木质纤维素类生物质的预处理试剂，低共熔溶剂表现出良好的预处理效果。低共熔溶剂具有帮助将木质纤维素类生物质转化为可发酵的还原糖的能力，为生物燃料的制备奠定基础。低共熔溶剂在打破生物质纤维素、半纤维素和木质素的顽固性和破坏结构结晶度等的方面表现出了良好的潜力。低共熔溶剂表现出在诸多种类的木质纤维素类生物质中能够有效去除木质素，再加上其制备过程的绿色无污染，原子利用率百分百无浪费，低共熔溶剂预处理成为研究的热点。
[0004]低共熔溶剂是一种设计型的溶剂。其组成是由氢键供体和氢键受体按照一定的摩尔比在合适的温度下搅拌混合后形成的均相溶液。目前，为木质纤维预处理过程设计和筛选效果较佳的低共熔溶剂基本采用的是实验方法，或者试错方法。实验方法或者试错的方法主要是制备一系列不同的低共熔溶剂，将每一种溶剂对应不同的反应时间反应温度等预处理条件进行木质纤维的预处理实验，通过实验结果得出该种溶剂是否对木质纤维预处理过程有效。这种方法的结果比较准确；但是缺点也是非常明显，需要消耗大量的时间和试剂，筛选的周期较长，成本较高。因此，需要研究一种新型的设计筛选制备方法，能够快速高效地为木质纤维预处理制备低共熔溶剂，避免传统实验方法的不足。

技术实现思路

[0005]针对上述现有技术中存在的问题，本专利技术提供了一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法。本专利技术可以深入地剖析低共熔溶剂预处理机理，并通过机理提供的氢键供体和氢键受体的信息来设计筛选低共熔溶剂。实现快速准确设计筛选制备低共熔溶剂的目的。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法，具体包括一下步骤：
[0008](1)木质纤维低共熔溶剂预处理数据库的构建。基于低共熔溶剂预处理的机理，建
立木质纤维低共熔溶剂预处理数据库。并确定关键变量之间的相互关系。预处理过程的关键变量包括但不限于氢键供体的物化性质、氢键受体的物化性质、氢键供体和氢键受体的摩尔比、低共熔溶剂和木质纤维素类生物质的固液比、预处理时间、预处理温度、预处理剧烈程度因子、预处理后的固体回收率、预处理后的木质素脱出率、预处理后的纤维素回收率、预处理后的半纤维素回收率等。
[0009](2)数据的特征提取和深度学习及智能反演模型的建立。根据数据库进行木质纤维素类生物质预处理过程的特征提取，由于低相关性意味着变量之间的影响较弱，因此本专利技术仅考虑具有高相关性的变量。建立预处理效果特征量和低共熔溶剂物化性质的智能反演模型，根据遗传算法对最优函数形式进行搜索，将智能反演问题变为函数求最优解的问题。
[0010](3)低共熔溶剂的设计筛选制备。最终通过相关性，基于智能反演，通过预处理效果定性和定量地反推低共熔溶剂的物化性质和结构组成参数。
[0011](4)对低共熔溶剂性能进行判断。对设计筛选制备的低共熔溶剂的性能进行验证，对其进行木质纤维素类生物质的预处理实验，判断其效果。
[0012]本专利技术的有益效果如下：
[0013](1)能够避免传统实验方法试错方法进行筛选低共熔溶剂的费事费力的缺陷，使得对用于木质纤维预处理过程的低共熔溶剂的选择更加方便快捷高效。
[0014](2)为低共熔溶剂预处理的大规模工业化生产提供了计算依据。
[0015](3)将人工智能机器学习用于了生物燃料领域，实现了在交叉学科中人工智能的指导意义。
附图说明
[0016]图1相关性分析图
[0017]图2低共熔溶剂组分的特征图
具体实施方式
[0018]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本专利技术使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0019]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0020]下面结合具体的实施例，对本专利技术做进一步的说明，但本专利技术并不限于此。
[0021]实施例1
[0022](1)选择玉米秸秆作为木质纤维素类生物质的原料，选择氯化胆碱基的低共熔溶剂作为低共熔溶剂的研究对象。建立木质纤维低共熔溶剂预处理数据库。并确定关键变量之间的相互关系。玉米秸秆的氯化胆碱基低共熔溶剂预处理过程的关键变量包括但不限于氢键供体的偶极矩、极化率、碳链长度、官能团的种类、官能团的个数、沸点、熔点、粘度、氢
键供体和氢键受体的摩尔比、低共熔溶剂和木质纤维素类生物质的固液比、预处理时间、预处理温度、预处理剧烈程度因子、预处理后的固体回收率、预处理后的木质素脱出率、预处理后的纤维素回收率、预处理后的半纤维素回收率等、纤维素的结晶度、木质素的结构、半纤维素的主要成分。
[0023](2)数据的特征提取和深度学习及智能反演模型的建立。如图1，求解得到各主要变量之间的关系，如图2所示特征提取获得主要的氢键供体物化性质的关键参数。建立预处理效果特征量和低共熔溶剂物化性质的智能反演模型，根据遗传算法求最优解。
[0024](3)低共熔溶剂的设计筛选制备。最终通过相关性，基于智能反演，通过预处理效果定性和定量地反推低共熔溶剂的物化性质和结构组成参数。根据木质素的脱出率进行最优解计算，获得氯化胆碱：乳酸＝1:11时的玉米秸秆预处理效果较好。
[0025](4)对低共熔溶剂性能进行判断。对设计筛选制备的低共熔溶剂的性能进行验证，对其进行木质纤维素类生物质的预处理实验，判断其效果。将氯化胆碱：乳酸＝1:11的低共熔溶剂在固液比为1:10，温度为120℃，时间为120min的条件下，对20目玉米秸秆进行预处理，结果显示木质素脱出率在80％。
[0026]实施例2
[0027](1)选择柳枝稷作为木质纤维素类生物质的原料，选择氯化胆碱基的低共熔溶剂作为低共熔溶剂的研究对象。建立木质纤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能反演的木质纤维预处理低共熔溶剂的制备方法，具体包括一下步骤：(1)木质纤维低共熔溶剂预处理数据库的构建；(2)数据的特征提取和深度学习及智能反演模型的建立；(3)低共熔溶剂的设计筛选制备；(4)对低共熔溶剂性能进行判断。2.根据权利要求1中所述的，(1)木质纤维低共熔溶剂预处理数据库的构建是指基于低共熔溶剂预处理的机理，建立木质纤维低共熔溶剂预处理数据库；并确定关键变量之间的相互关系；预处理过程的关键变量包括但不限于氢键供体的物化性质、氢键受体的物化性质、氢键供体和氢键受体的摩尔比、低共熔溶剂和木质纤维素类生物质的固液比、预处理时间、预处理温度、预处理剧烈程度因子、预处理后的固体回收率、预处理后的木质素脱出率、预处理后的纤维素回收率、预处理后的半纤维素回收率等。3.根据权利要求1中所述的，(2)数据的特征提取和深度学习及智能反演模型的建立是指根据数据库...

【专利技术属性】
技术研发人员：徐环斐，彭建军，王唯先，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：