乳油乳液中的液滴尺寸分布：通过基于涡流的流体动力空化装置实现连续乳化

《ACS Omega》：Droplet Size Distribution of Oil-in-Milk Emulsions: Continuous Emulsification via a Vortex-Based Hydrodynamic Cavitation Device

　　首次利用涡旋水力空化装置（VD）循环系统连续制备亚麻籽油-牛奶乳液，探究油体积分数（0.05-0.45）、压力降（100-200 kPa）和流量比（Q/q=1-100）对乳滴尺寸分布（DSD）的影响。发现DSD呈现双峰分布，Sauter平均直径随压力降和流量比增加而减小（<5 μm），并建立基于人工神经网络的在线DSD预测模型，验证其与马尔文粒度仪测量结果高度吻合（R2≥0.96），能效比达<10 kJ/kg，为食品连续乳化工艺优化提供新方法。

　　### 连续生产油-乳液在食品工业中的重要性

在食品工业中，连续生成油-乳液正受到越来越多的关注。这种技术不仅能够提高生产效率，还能满足现代食品工业对产品定制化和分布式生产的需求。油-乳液是一种常见的食品乳化体系，其中油相作为分散相悬浮于乳液的连续相中。为了确保这种乳液的稳定性和功能性，研究者们一直在探索新的方法来控制乳液的粒径分布（DSD）。在这一研究中，首次使用基于涡旋的水动力空化装置（VD）连续生产亚麻籽油-乳液，并且通过实验探讨了油体积分数（α_o）、压力降（ΔP）以及流经VD的流量与乳液流量的比率（Q/q）对DSD的影响。

研究发现，乳液的DSD具有双峰特性，这表明在乳液生成过程中存在两种不同的破碎机制，如剪切力和空化作用。这种双峰特性为乳液的形成机制提供了重要的信息，有助于更好地理解乳液的稳定性。此外，研究还开发了一个新的经验公式，用于预测Sauter平均直径（d₃₂），并展示了使用电压传感器和人工神经网络（ANN）模型进行在线乳液DSD表征的方法。该方法不仅成本低廉，而且操作简便，能够快速获取数据。

### 油-乳液的制备与表征

为了制备油-乳液，研究者采用了一种特殊的连续实验装置。该装置包括两个独立的储液罐，分别用于储存牛奶和亚麻籽油。使用专用的蠕动泵，分别控制牛奶和亚麻籽油的流速，并将两者在T型接头处混合。混合后的液体进入一个包含VD的循环回路中，通过一个独立的蠕动泵维持回路中的循环流动。为防止气体的干扰，装置中还包括一个气体分离系统。在实验过程中，一部分产物流被分流到一个独立的测量罐中，用于进行在线表征。

在测量过程中，使用了一种基于电压的传感器来测量乳液的浊度，并通过数据采集系统将电压数据转换为NTU（浊度单位）数据。这些数据随后被用于训练和验证ANN模型，以预测乳液的DSD。研究者还使用了非线性优化工具来拟合DSD数据，提取出描述DSD的八个参数。通过这些参数，可以构建一个能够反映乳液特性、预测其DSD的模型。这种方法为连续生产过程中乳液的实时监控和控制提供了一种实用且经济的手段。

### 油体积分数与DSD的关系

油体积分数（α_o）是影响DSD的关键参数之一。研究发现，随着α_o的增加，Sauter平均直径（d₃₂）也随之增加。这意味着，油体积分数的增加可能会降低乳液的稳定性。然而，研究者还发现，在α_o较低时，DSD的两个峰值之间的差异较小，而在α_o较高时，这种差异变得更加明显。这表明，当油体积分数较高时，乳液的粒径分布更加分散，可能更容易发生聚并和上浮现象。

此外，研究还发现，当油体积分数增加时，DSD的双峰特性变得更加显著。这可能是因为在高油体积分数下，油滴之间的相互作用更加复杂，导致不同的破碎机制同时发生。研究者通过调整α_o，成功地控制了乳液的粒径分布，从而实现了乳液的稳定性和功能性的优化。

### 压力降对DSD的影响

压力降（ΔP）是影响乳液生成过程的重要因素之一。随着ΔP的增加，乳液的粒径整体减小，这可能是因为更高的压力降增强了空化效应，从而促进了油滴的破碎。研究者通过调整ΔP，观察到了乳液粒径的变化趋势。在ΔP为200 kPa时，乳液的粒径分布最为细小，而当ΔP降低时，粒径则逐渐增大。

值得注意的是，ΔP的增加不仅影响了乳液的粒径，还显著影响了其DSD的宽度。随着ΔP的增加，DSD的跨度（Span）减小，表明粒径分布更加集中。这种现象对于乳液的稳定性和功能特性具有重要意义。更窄的DSD意味着乳液具有更好的流变性能，更少的粗粒滴，从而提升了乳液的感官品质和应用潜力。

### 流量比（Q/q）对DSD的影响

流量比（Q/q）是另一个重要的操作参数，它影响着乳液的粒径分布。研究发现，随着Q/q的增加，乳液的DSD向更小的粒径方向移动。这意味着，更高的流量比能够增强剪切力和空化作用，从而生成更细的油滴。然而，这种影响并非线性关系，而是在一定范围内表现出复杂的变化趋势。

在Q/q较低时，乳液的粒径变化较为显著，而在Q/q较高时，这种变化趋于平缓。这种现象可能与剪切力和空化作用的相互作用有关。当Q/q增加时，剪切力增强，导致油滴的破碎更加均匀。同时，空化作用的增强也促进了油滴的进一步细化。因此，研究者发现，在较低的Q/q条件下，乳液的粒径分布更窄，而在较高的Q/q条件下，粒径分布则更宽。

### 特征粒径与乳液稳定性

除了DSD外，研究者还关注了乳液的特征粒径，包括Sauter平均直径（d₃₂）、D₁₀、D₅₀和D₉₀。这些特征粒径能够提供乳液稳定性的关键信息。研究发现，随着Q/q和ΔP的增加，d₃₂和D₁₀、D₅₀、D₉₀均减小，表明乳液的粒径更加细小且分布更集中。相反，随着α_o的增加，这些特征粒径均增大，说明油体积分数的增加会降低乳液的稳定性。

这种现象在食品工业中具有重要意义。细小且均匀的粒径分布能够提升乳液的稳定性，减少油滴的聚并和上浮现象，从而提高乳液的质量和功能性。此外，研究还发现，通过调整操作参数，可以有效控制乳液的粒径分布，使其符合特定的生产需求。这种控制能力对于开发和推广连续乳液生产技术至关重要。

### 乳液与已有研究的对比

为了验证所提出方法的有效性，研究者还比较了亚麻籽油-乳液的DSD与已有研究中的菜籽油-水乳液的DSD。结果显示，亚麻籽油-乳液在较低的α_o下表现出更细的粒径分布，而在较高的α_o下，两者的差异减小。这可能是因为菜籽油和亚麻籽油在物理性质上的差异，如粘度、密度和界面张力。此外，乳液中天然存在的蛋白质作为稳定剂，可能对乳液的稳定性产生影响。

通过比较这些数据，研究者发现，使用VD生成的亚麻籽油-乳液在特定的操作条件下能够达到更细的粒径分布，这表明VD在乳液生产中具有显著的优势。同时，这种方法也适用于其他类型的油-乳液，如菜籽油-水乳液，说明其具有一定的通用性。

### ANN模型的应用与验证

研究者还利用ANN模型对乳液的DSD进行了预测，并通过实验数据进行了验证。结果显示，ANN模型能够准确预测乳液的DSD，其预测结果与实验数据的吻合度较高。这表明，ANN模型可以作为一种有效的工具，用于乳液生产的在线监测和控制。

此外，研究者还探讨了不同操作参数对DSD预测精度的影响。例如，S参数的微小变化对预测结果的影响不大，说明该方法具有一定的鲁棒性。同时，油体积分数的变化对预测结果的影响也较小，表明该方法能够在较宽的范围内提供可靠的预测。

### 研究的局限性与未来方向

尽管研究取得了显著的成果，但仍存在一些局限性。例如，研究主要集中在亚麻籽油-乳液上，对于其他类型的油-乳液或不同的乳化体系，其适用性尚未完全验证。此外，研究中的参数范围可能有限，无法覆盖所有可能的操作条件。因此，未来的研究可以进一步扩展这些参数的范围，并探索更多类型的油-乳液体系。

同时，研究者还指出，该方法在食品工业中的应用潜力。通过使用基于电压的传感器和ANN模型，可以实现乳液生产的实时监控和控制，这对于提高生产效率和产品质量具有重要意义。此外，该方法还可以推广到其他食品乳化体系，如坚果油-乳液、植物油-乳液等，从而为食品工业提供更多的技术选择。

### 总结

综上所述，本研究首次使用基于涡旋的水动力空化装置（VD）连续生产亚麻籽油-乳液，并探讨了油体积分数（α_o）、压力降（ΔP）和流量比（Q/q）对DSD的影响。研究发现，乳液的DSD具有双峰特性，表明存在两种不同的破碎机制。通过调整操作参数，可以有效控制乳液的粒径分布，从而提升其稳定性和功能性。此外，研究还开发了一个新的经验公式，用于预测Sauter平均直径（d₃₂），并展示了使用电压传感器和ANN模型进行在线表征的方法。这些成果为食品工业中连续乳液生产技术的发展提供了重要的参考。