北京pk10开奖直播

电话:0519-86056765
当前地位:北京pk10开奖直播 / 消息中心 / 技巧中心

技巧中心

粮食干燥过程的先进把持(1)

2015-11-24 | 浏览量: 2059 常州市安力干燥设备有限公司
文章标签:粮食干燥,粮食干燥过程把持

李国昉1,2 毛志怀2
(1 河北科技师范学院机电系,秦皇岛 066600  2 中国农业大学工学院,北京 100083)
摘 要: 在分析先进把持特点的基础上,总结了粮食干燥过程中先进把持方法的发展与现状,指出了干燥过程把持中的存在问题,并提出了粮食干燥过程把持的发展方向。
要害词:干燥;先进把持;自适应把持;模型预测把持;^把持;含混把持;神经网络把持
  粮食干燥的基础目标是保持干燥过程牢固的前提下,以^低的干燥成本和能耗得到谷物^优的烘干品德。粮食干燥过程是范例的非线性、多变量、大滞后、参数关联耦合的非稳态传热传质过程,粮食本身又是一种复杂的生物化学物质,为达到上述目标,在干燥过程中必须不断地调剂干燥参数,对干燥机工作过程进行把持。干燥过程的主动把持是实现干燥机优质、高效、低耗、安全作业的有效手段。实现干燥过程的主动把持,实现粮食干燥机的主动把持,对保证出机粮食水分均匀一致、干后粮食品德、减轻操作人员劳动强度及充分施展干燥机生产能力等具有重要意义。根据国家粮食局在《“十五”粮食行业科技发展方案》[1] 中制定的发展目标,粮食烘干过程的在线监测和主动把持已成为进步我国粮食干燥处理工艺效率的要害问题和实现“十五”方案的重要道路。随着我国对粮库建设投入力度的加大,粮食加工业与国际日益接轨,粮食干燥的主动化将为我国的粮食参加国际流通大市场奠定基础。
1 先进把持的特点
  粮食干燥过程主动把持问题的研究开端于20世纪60年代。当时利用前馈把持、反馈把持、反馈-前馈把持和自适应把持等传统把持方法。传统把持理论采用差分方程或传递函数,把干燥过程系统的知识和已有的信息表达成解析式。但是在利用和设计采用上述把持方法的谷物干燥机把持系统时会遇到很多艰苦,原因是:(1)谷物干燥过程是复杂的、时变的和非线性的;(2)某些干燥过程变量(如谷物品德和色泽)是不能直接测量的,有些变量(例如谷物水分含量)的测量可能是不持续、不^、不完整或不可靠的;(3)干燥机的过程模型是对实际过程的近似,而且需要大批的打算时间;(4)几乎不可能用一个适当的模型来表现像干燥过程这样一个非线性、滞后、时变的复杂系统;(5)谷物干燥机的被控变量和把持变量之间存在交互效应;(6)谷物干燥机的作业条件复杂,扰动变量的领域宽,难以调控。
  显然,要克服上述艰苦需要对谷物干燥机的传统把持方法不断改良,同时要摸索新的、更有效的把持方法。20世纪70 年代,电子行业的进步,尤其是打算机技巧的发展使得现在所谓的先进把持的思想得以广泛的流传。先进把持的目标就是为懂得决那些采用惯例把持效果不佳,甚至无法把持的复杂工业过程把持问题。近年来,现代把持和人工智能取得了长足的发展,为先进把持系统的履行奠定了壮大的理论基础;而把持打算机是集散把持系统(DCS)的普及,打算机网络技巧的突飞猛进,则为先进把持的利用供给了强有力的硬件和软件平台。总之,工业发展的需要、把持理论和打算机及网络技巧的发展强有力地推动了先进把持的发展。
  打算机技巧飞速发展,人工智能把持理论开端在千燥机把持中得到利用,明显改良了千燥机把持系统的性能。传统把持方法由于大滞后和对粮食干燥过程的非线性接洽,不适于把持粮食干燥机。人工智能技巧进步在工程领域中广泛利用,先进把持理论和把持方法利用到谷物干燥过程的主动化把持中,把持方法不断改良,把持效果进步。90年代后,过程把持己经开端向智能化发展,智能把持理论日益与干燥技巧联合在一起,利用人工神经网络对干燥过程进行模型模仿和把持;^系统利用于谷物品德预测、干燥过程把持和管理咨询等方面。
  与把持理论、仪表、打算机、打算机通信与网络等技巧密切相干的先进把持系统,具有以下特点:
(1)先进把持系统的理论基础重要是基于模型的把持策略,如:模型预测把持,这些把持策略充分利用工业过程输入输出有关信息建立系统模型,而不必依附对反响机理的深入研究。日前,基于知识的把持,如^把持和含混逻辑把持正成为先进把持的一个重要发展方向。
(2)先进把持系统通常用于处理复杂的多变是过程把持问题,如大时滞、多变量耦合、被控变^与把持变量存在着各种束缚等。采用的先进把持策略是建立在惯例单回路把持基础之上的动态和谐束缚把持,可使把持系统适应实际工业生产过程动态特点和操作恳求。
(3)先进把持系统的实现需要较高性能的打算机作为支撑平台.由于先进把持器把持算法的复杂性和打算机硬件两方面因素的影响,复杂系统的先进把持算法通常是在上位机上履行的。随着DCS功效的不断加强和先进把持技巧的发展,部分先进把持策略可以与基础把持回路一在DCS上实现。后一种方法可有效她加强先进把持的可靠性、可操作性和可掩护性。
2 干燥过程先进把持发展现状
  先进控例策路是先进把持系统的核心内容,目前先进把持策略种类繁多,干燥过程中重要的先进把持策略有:预测把持、含混逻辑把持、神经把持、自适应把持、^系统。
2.1 基于模型的把持
2.1.1 自适应把持
  自适应把持的基础原理是根据干燥过程参数的变更和外界干扰随时调剂把持参数,使干燥机处于^佳的工作状态。自适应把持具有实用多种粮食干燥机、无须任何关于干燥机自己特点的数据、对环境条件和粮食状态无特别恳求、把持器对干扰的响应速度较快、把持模型中的参数能随外界条件的变更进行主动调节等优点。瑞典Nybrant(1985)把自校订技巧利用到横流谷物干燥机把持。干燥机排气温度作为输出变量,谷物排粮速率用作被控变量,并选择主动回归移动平均(ARMA)模型表现横流干燥机的动态特点。在实验室横流干燥机上进行了验证性实验,把持误差的标准差在后50个样本期间是0.13℃。成果表明,自适应把持器能够比较正确的把持排气温度。刘建军[5](2003年)对HTJ-200型烘干机进行研究,通过在线样本的采集和智能优化算法对系统进行定量分析,建立由实时检测数据所断定的过程智能模型,再通过智能优化算法调用人工智能模型,获取系统的把持规矩,由把持程序给出把持量经D/A转换后输出给履行部件。李晓斌等[3](1998)研究真空冷冻干燥设备的先进把持系统,针对不同冻干物料的工艺恳求,采用DRA算法和临界比例法两种自适应、自整定把持方法,解决了被控对象主控参数--温度的滞后问题。
2.1.2 模型预测把持
  过程把持理论的^新研究领域是模型预测把持,是基于模型、滚动履行并联合反馈校订的优化把持算法,它对于把持非线性和大滞后过程尤其有效。
Forbes,Jacobson,Rhodes,和Sullivan[24](1984)和Eltigani设计了基于模型的干燥把持器,其把持举动基于一个过程模型和一个所谓的假冒的入口谷物水分含量。干燥速率参数根据模型预测值和传感器出口实测的水分含量之差间歇式更新。Forbes和Eltigani把持器的不同在于把持算法中所用的过程模型的种类不同。密执安大学的刘强[25](2001)提出了横流干燥机的模型预测把持器。仿真测试在一台Zimmerman VT-1210塔式横流谷物干燥机上进行,利用Labview建立的把持器能够成功运作,并实现出口处玉米含水率把持在设定点的0.7%以内。把持器对进入干燥机的入口谷物含水率相当大领域的变更,以及热风温度的大阶跃变更都能进行良好补偿。
  对模型预测把持研究中,较多工作集中于过程模型的的建立和求解,且在模型中考虑干燥品德问题。法国的P.Dufour [31]等人(2003)借助偏微分方程(PDES),将模型预测把持拓展到系统模型,从而使PDES方程能够大规模利用。他们提出了一个全局模型,旨在减少由于基于^优化任务解决方案的PDE模型所带来的在线打算时间。开发出与实际中大批利用的IMC结构相联合的一个通用的MPC框架。在IMC- MPC结构中用到了两个反馈环,以校订过程性能和基于模型的在线优化器中所引起的模仿误差。丹麦的Helge Didriksen[29](2002)开发了一个滚筒干燥机的描写质量、能量和动量转换的动态一次法则模型,并利用到糖厂干燥甜菜中的预测把持。成果表明,随着操作变量和干扰变更,该模型具有较好的预测能力。通过模仿比较了带有模型预测把持和传统的反馈把持,模型预测把持表现出了更优的性能。法国的I.C.Trelea,G.Trystram 和 F.Courtois[27]于1997年设计了用于批式干燥过程的非线性预测优化把持算法,在中试规模的干燥机上进行了测试。实验表明,算法可处理重要的干扰和失效该把持算法可方便地用于其它批式过程,如冷冻、杀菌或发酵。有些学者将神经网络用于模型预测把持过程建模。Jay[32](1996)初次将神经网络模型用于干燥过程预测把持。法国的J.A. Hernandez-Perez等 [33](2004)提出了基于人工神经网络的传质传热预测模型,该模型将产品压缩作为水分的函数,利用了带有一个暗藏层的两个独立的前馈网络,暗藏层中带有三个神经细胞,可^预测传质传热。在数据装置校验中,模仿和实验运动学测试相一致。开发的模型可用于干燥过程的在线状态估计和把持。
2.2 智能把持
  智能把持是一门新兴的理论和技巧,它是传统把持发展的高级阶段。这是以无模型为特点的更接近于人脑思维方法的一种把持理论,重要用来解决那些用传统方法难以解决的复杂系统的把持,其把持器的设计摆脱了系统模型的束缚,算法简略、鲁棒性强。目前,^把持、神经把持和含混把持等智能把持技巧正成为先进把持的一个重要发展方向。
2.2.1 ^把持
  ^系统技巧能把数学算法和把持工程师的操作经验融合到一起,^大限度的利用已有知识,达到传统把持方法难以取得的把持效果。^把持系统运行在持续的实时环境中,利用实时信息处理的方法来监控系统的动态特点, 并给出适当的把持作用。将^系统技巧与粮食干燥过程把持相联合,用于粮食的生产、管理和监控,可进步粮食的生产效率及生产效益。刘明山[12](2001)研制了一种粮食干燥含混把持^系统,将仿真成果与实测数据进行对照,两者基础一致。刘淑荣[13](2001)将^系统技巧与干燥过程把持相联合,设计了一个高水分粮烘干过程把持的含混^系统。何玉春[14](2001)通过^智能把持在干燥过程中把烘干参数优化,在烘干设备的设计和干燥过程中求出能耗、效率、品德的共利点,使干燥机沿着共利线对谷物进行烘干,使设备在干燥过程中始终处于^佳操作;同时,将温度测控技巧与网络技巧互联,建立一套简略而有效的基于温度的网络测控系统。
2.2.2 神经网络把持
  神经网络可为复杂非线性过程的建模供给有效的方法,进而可用于过程软测量和把持系统的设计上。神经网络在干燥过程中的利用重要有两个:干燥过程建模和把持。
  法国的J.-L.Dirion(1996)[6]等人开发了一个神经把持器,用于调剂半批式实验反响器的温度,基础实验形成了神经网络的学习数据库,该神经把持器可以供给非常好的设定点跟踪和干扰排除。刘亚秋[9](2000)开发了基于单神经元的自适应PID把持器,设计了木材干燥窑神经网络模型,用BP算法对干燥窑的输入输出特点进行描写并对模型学习与训练,通过实验与仿真证明所得的结论满足误差指标的恳求。张吉礼[10](2003)将含混把持技巧与神经网络技巧相联合,设计出了谷物干燥过程参数在线检测与智能预测把持系统。智能把持下的干燥机出口粮食含水量变更领域比手动把持的小,前者为13.6%~14.4%,后者为12.4%~14.2%;智能把持下的出口粮食含水量波动频率比手动把持的小,前者波动周期约为20h,后者周期约为8h。王品[11](2003)用改良的BP网络算法建立烘干塔的神经网络模型,通过神经网络模型建立了神经网络把持器,实现了拱干塔系统粮食水分烘干的智能把持,进步了粮食烘干的质量和效率。
  刘永忠[8](1999)利用人工神经网络系统理论预测冷冻干燥过程特点,以干燥时间、升华干燥时间的份额、干燥制品生产率和升华界面温度等干燥过程特点参数作为网络模型的输出参数,将网络的预测成果与数学模型的打算进行比较,预测成果与打算成果符合较好。郑文利[7](2000)采用人工神经网络对冷冻干燥过程中的冻干物料重量变更进行智能模仿:对冻干工艺条件正交实验成果进行学习,利用学习后的网络对工艺条件进行预测及优化。
2.2.3 含混把持
  含混把持是一种基于规矩的把持,直接采用语言型把持规矩,其根据是现场操作人员的把持经验或相干^的知识,在设计中不需要建立被控对象的^数学模型,所以把持机理和策略易于吸收和懂得。
  目前,国内外干燥过程把郑重要利用的是含混把持方法。Zhang Qin[15]等(1994)对持续式横流谷物干燥机进行了含混把持的研究,通过调剂加热器的功率和卸粮搅龙的转速来把持干燥机的操作,验证实验把持成功率达86.4%。李俊明[16]等(1996)以干燥塔热风温度为根据,将玉米干燥生产中一名熟练的操作者通过感官系统的视察和经验制定了含混把持规矩,利用含混把持实现了排量电机的转速调节,并提出横流玉米干燥机的自组织含混把持器应采用开环式含混把持系统,以解决玉米干燥过程中的大滞后问题。李业德、李业刚[17](2001)设计了一种以89c51单片机为核心的含混智能把持器,在顺流式烘干机上通过对小麦的在线烘干实验,证明该系统响应时间短、超调量小、把持精度高,但入口谷物水分波动会对干燥过程产生影响。
  国内许多研究生从事粮食干燥机含混把持的研究工作。东北大学的孟宪沛[18](2003)在粮食干燥塔的智能建模与智能把持中,利用含混集合理论和优化算法,建立粮食烘干系统的智能模型和含混把持系统的含混规矩,设计出系统的含混把持器。哈尔滨工业大学的唐晓健[20](2003)研究基于TS模型的混流式粮食烘干塔多变量含混把持方法,对该系统进行把持仿真,并与手动把持方法和传统的含混把持方法进行比较。华南农大的曹艳明[21](2000)针对高湿稻谷循环式缓苏干燥工艺特点,利用含混把持模仿人类思维方法的设计方法,开发稻谷循环干燥机主动把持系统。西北轻工业学院的苏宇锋[23](2002)采用基于工人实际操作经验的含混算法,利用单片机对冷冻干燥系统进行把持,进步了设备的主动化程度。

相干文章
相干产品
  • XSG系列旋转闪蒸干燥机

  • GZQ系列振动流化床干燥机

  • SZG系列双锥回转真空干燥机

  • FZG方形静态真空干燥机

  • YZG圆形静态真空干燥机

  • LPG系列高速离心喷雾干燥机

Top
北京pk10开奖网址 北京pk10开奖网 北京pk10开奖结果 北京pk10开奖官网 北京pk10开奖 北京pk10计划群 北京pk10官方网站 北京pk10 北京pk10注册平台 北京pk10彩票