一種新型澱粉含水量監測方法與流程

2023-07-18 06:10:06

本發明屬於智能系統領域，尤其涉及一種新型澱粉含水量監測方法。

背景技術：

澱粉很容易吸收空氣中的水分，為了能夠更好的貯藏和運輸，國家規定澱粉的含水量不應超過14%。當然，水分的含量是越少越好，但是站在生產商的利益角度上，在國標的硬性條件下，含水量越高，則生產商的利潤就越大。澱粉含水量的測量方法主要是使用離線測量的方法，即在物料出口處進行採樣，然後將這些樣本送入到實驗室進行測量，這種測量方法周期長且精度低，並且很容易收到外部環境的影響。在線測量儀器精度高並且能夠實現在線實時測量，但是價錢確是十分昂貴，另一方面生產現場往往是有很多條生產線，不可能每條生產線都能夠配備這種昂貴的儀器，因此澱粉行業很少使用在線測量儀器對出料含水量進行測量。

技術實現要素：

本發明提供一種一種新型澱粉含水量監測方法，以解決上述背景技術中提出的問題。

本發明所解決的技術問題採用以下技術方案來實現：本發明提供一種新型澱粉含水量監測方法,包括線下算法與線上運算兩部分組成。所述的線下算法使用的是bp神經網絡智能算法。所述的線上運算使用的是plc或者wincc軟體對現場的數據進行實時採集，使用matlab軟體進行實時運算。

所述的一種新型澱粉含水量監測方法中線下算法，是指神經網絡需要使用現有的數據進行訓練，其過程如下：a、使用測量儀器對出料澱粉的含水量進行測量，同時使用溫度與溼度傳感器對出料的溫溼度進行測量，並且使含水量的測量值與當前溫溼度的測量值一一對應。b、篩選數據，在線測量儀能夠採集到大量的數據，設置採樣周期不僅可以減少數量，還可以提升精度。離線測量周期長，應適當的增加樣本數據。由於生產現場環境過於複雜，有些數據具有明顯的錯誤，可以將這些錯誤的數據刪除。c、bp神經網絡的設計包括輸入輸出節點的設計、隱層層數及節點的設計、樣本容量等設計。根據神經網絡研究者的經驗，對不同數量的隱層節點進行試驗，通過比較不同節點之間的誤差來得到最優神經網絡結構。d、數據樣本隨機分為兩部分，一部分用來訓練神經網絡，找出輸入與輸出之間的關係；另一部分用來測試神經網絡，如果誤差在允許的範圍內，則證明這個網絡是可行的。

所述的一種新型澱粉含水量監測方法中線上運算，是指把實時採集到的數據帶入到線下訓練好的神經網絡中，然後可以實時得到含水量的預測值，其過程如下：a、在物料出口處安裝溫度、溼度測量儀器，通過plc將這些實時的數據在wincc組態軟體上顯示出來。b、plc或者是wincc可以通過opc協議與matlab軟體進行實時通信，將plc採集到的溫度與溼度送入到matlab中進行計算，而溫度與溼度則是作為神經網絡的輸入。c、通過matlab計算得到數值，這個數值就是神經網絡的輸出，即當前澱粉含水量的預測值。然後將得到的結果送回到plc中，通過wincc組態軟體繪製出料含水量預測值的變化曲線。

本發明的有益效果為：1.能夠準確的對當前澱粉出料含水量進行預測，通過預測值可以及時地對系統做出控制調節。2.通過bp神經網絡智能算法代替儀器，可以節省額外的費用。3.可以自動對出料含水量進行實時計算，從而避免了工作人員對儀器的操作不熟練帶來的損失以及儀器的維護費用。4.plc或者wincc與matlab之間可以進行通訊，通過plc對數據進行採集，送入到matlab中進行計算，從而實現實時測量的作用。

附圖說明

圖1出料含水量新型測量方案結構圖。

圖2bp神經網絡算法流程。

圖3網絡測試結果。

具體實施方式

參照附圖，一種新型澱粉含水量監測方法，包括線下算法與線上運算兩部分組成。

所述的一種新型澱粉含水量監測方法中線下算法，包括對數據的採集、數據的篩選、神經網絡結構的設計以及神經網絡的訓練，最後通過對網絡進行測試，來驗證其可行性。其過程如下：a、使用測量儀器對出料澱粉的含水量進行測量，同時使用溫度與溼度傳感器對出料的溫溼度進行測量，並且使含水量的測量值與當前溫溼度的測量值一一對應。b、篩選數據，在線測量儀能夠採集到大量的數據，設置採樣周期不僅可以減少數量，還可以提升精度。離線測量周期長，應適當的增加樣本數據。由於生產現場環境過於複雜，有些數據具有明顯的錯誤，可以將這些數據刪除。c、bp神經網絡的設計包括輸入輸出節點的設計、隱層層數及節點的設計、樣本容量等設計。根據神經網絡研究者的經驗，對不同數量的隱層節點進行試驗，通過比較不同節點之間的誤差來得到最優神經網絡結構。d、數據樣本隨機分為兩部分，一部分用來訓練神經網絡，找出輸入與輸出之間的關係；另一部分用來測試神經網絡，如果誤差在允許的範圍內，則證明這個網絡是可行的。

所述的一種新型澱粉含水量監測方法中線上運算，包括使用溫度傳感器、溼度傳感器來對現場進行實時的數據採集，plc與wincc組態軟體和matlab之間的通訊。其過程如下：在物料出口處安裝溫度、溼度測量儀器，通過plc將這些實時的數據在wincc組態軟體上顯示出來。b、plc或者是wincc可以通過opc協議與matlab軟體進行實時通信，將plc採集到的溫度與溼度送入到matlab中進行計算，而溫度與溼度則是作為神經網絡的輸入。c、通過matlab計算得到數值，這個數值就是神經網絡的輸出，即當前澱粉含水量的預測值。然後將得到的結果送回到plc中，通過wincc組態軟體繪製出料含水量預測值的變化曲線。

參照圖1，圖1所示的是出料含水量新型測量方案結構圖。虛線框內的是bp神經網絡結構圖，雙輸入單輸出結構，用神經網絡智能算法來代替儀器對出料含水量進行預測。系統將採集到的溫度與溼度數值送入到算法中進行計算，因此圖1所示的出料含水量新型測量方案結構圖中既包含了線下算法部分與線上運算部分，線框內的算法需要在線下完成訓練，然後把這個訓練好的網絡運用到線上實時運算。得出實際數據後，如果在理想的範圍內，則只需要等待下一個採樣周期把溫度與溼度送入到計算機中進行計算即可；如果不在理想的範圍內，則需要手動（或自動）對系統進行控制，等到下個周期來驗證是否通過調節後，能夠使含水量在要求的範圍內。

參照圖2，圖2所示的bp算法流程，即線下算法部分，包括：樣本的選擇、神經網絡隱層層數及節點數量的設計，網絡的訓練等過程。

參照圖3，圖3所示的是將測試數據帶入到訓練好的網絡中，黑色的實線代表測量值，黑色的虛線代表網絡輸出的實際值，圖中所示二者之間的誤差很小，圖足以證明該種方法的可行性。

利用本發明所述的技術方案，或本領域的技術人員在本發明技術方案的啟發下，設計出類似的技術方案，而達到上述技術效果的，均是落入本發明的保護範圍。