CN109658991A - 一种窖池固态发酵性能预测方法及预测系统 - Google Patents
一种窖池固态发酵性能预测方法及预测系统 Download PDFInfo
- Publication number
- CN109658991A CN109658991A CN201811503736.5A CN201811503736A CN109658991A CN 109658991 A CN109658991 A CN 109658991A CN 201811503736 A CN201811503736 A CN 201811503736A CN 109658991 A CN109658991 A CN 109658991A
- Authority
- CN
- China
- Prior art keywords
- value
- temperature
- fermentation time
- parameter
- alcohol concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010563 solid-state fermentation Methods 0.000 title claims abstract description 26
- 238000000855 fermentation Methods 0.000 claims description 68
- 230000004151 fermentation Effects 0.000 claims description 68
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 38
- 235000015096 spirit Nutrition 0.000 claims description 29
- 230000001476 alcoholic effect Effects 0.000 claims description 23
- 238000012884 algebraic function Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000004821 distillation Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12G—WINE; PREPARATION THEREOF; ALCOHOLIC BEVERAGES; PREPARATION OF ALCOHOLIC BEVERAGES NOT PROVIDED FOR IN SUBCLASSES C12C OR C12H
- C12G3/00—Preparation of other alcoholic beverages
- C12G3/02—Preparation of other alcoholic beverages by fermentation
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Computing Systems (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Alcoholic Beverages (AREA)
Abstract
本发明提出了一种窖池固态发酵性能预测方法及预测系统,属于窑池酿造技术领域。所述方法包括Zigbee节点窑池相关参数,Zigbee网关将参数发至云服务器,云服务器利用参数处理算法进行参数处理获取折合分数和出酒率等级折合分数;所述系统包括Zigbee节点、Zigbee网关、云服务器和无线传输系统。所述方法及系统能够完全避免了由操作人员执行出窖操作的主观性强,随意性大,一致性差等问题。
Description
技术领域
本发明涉及一种窖池固态发酵性能预测方法及预测系统,属于窑池酿造技术领域。
背景技术
曲坯经过微生物的发酵变为含有酒精的酒醅。曲坯入池后,发酵车间中的温度、酸度等因素会直接影响曲坯发酵成型。对于什么时候可以出窖,酒厂往往根据有经验的操作人员进行判断,主观性比较强;如果出现经验丰富的操作人员辞职流失、生病等情况,往往就对于出窖时间、糟醅品质等不能进行很好的掌控。进而严重影响出酒品质和出酒率,导致耗费人力物力,造成成本增加。
发明内容
本发明为了解决现有技术中通过人工判断窑池发酵情况而导致无法精确掌控出窖时间、糟醅品质等参数指标的问题,提出了一种窖池固态发酵性能预测方法及预测系统。
一种窖池固态发酵性能预测方法,所采取的技术方案如下,所述预测方法包括:
步骤一、将Zigbee节点分别设置在窑池用于检测温度、酒精度和PH值的位置上,并利用Zigbee节点获取窑池当前的发酵时间、温度、酒精浓度和PH值参数;
步骤二、将所述窑池当前的发酵时间、温度、酒精浓度和PH值参数上传至Zigbee网关;
步骤三、在Zigbee网关硬件平台上移植linux操作系统,Zigbee网关通过Internet与云服务器相连,并将检测到的所述发酵时间、温度、酒精浓度和PH值参数上传至云服务器中;
步骤四、所述云服务器将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述窑池当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;
步骤五、通过如下公式:
计算当前参数下酒厂成本折合分数;
其中S2为酒厂成本折合分数,为根据历史数据所得到的本品种酒窖池固态发酵所消耗的平均成本;C为当前窖池固态发酵所产生的成本;
使用该公式较好地反映了当前成本与历史平均成本的关系,并将关系在酒厂成本折合分数中体现出来。
步骤六、通过发酵性能分数模型计算发酵性能参数,所述发酵性能分数模型为:
其中,a1,a2,为常数系数;
当发酵性能分数大于设定的阈值时,执行出窖操作;否则不出窖。
进一步地,步骤四所述获取品质等级折合分数的具体过程包括:
第一步、建立窖池发酵参数向量x=(x(1),x(2),x(3),x(4)),其中,x(1)为发酵时间,x(2)为PH值,x(3)为酒精度,x(4)为温度;
第二步、根据窖池发酵参数向量并结合概率函数,获取y为第r个类别的概率,所述概率函数为:
其中,wr,br分别为第r个类别对应的权重向量和偏移向量;k表示出窖糟醅品质等级类别的个数,所述等级类别包括优、良、中和差,并且等级类别优、良、中和差与k取值的对应关系为:等级优对应k=4;等级良对应k=3;等级中对应k=2;等级差对应k=1;
第三步、针对wr,br计算对数似然代数函数,所述对数似然代数函数如下:
其中,m为数据样本数,所述对数似然代数函数即为损失函数;
第四步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的wr进行迭代:
重复计算R次,最终获得wr的最优值;其中,α表示步长;
迭代的初值设为:w1=1.5,w2=2,w3=0.5,w4=1;
迭代中参数的以上预设初值有利于提高避免局部极值,得到全局最优解的机会。
第五步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的b进行迭代:
重复计算R次,最终获得b的最优值;
第六步、根据所述窖池当前的发酵时间、温度、酒精浓度和PH值参数预测糟醅品质等级,获得品质等级折合分数。
进一步地,第二步中所述wr表示为wr=(wr (1),wr (2),wr (3),wr (4)),
其中,wr (1)表示发酵时间权重系数,wr (2)表示PH值权重系数;wr (3)表示酒精度权重系数;wr (4)表示温度权重系数;wr即为所述历史数据中的最佳系数。
进一步地,第五步中所述计算次数R和α的参数设置为:R=800,α=0.002。该步长保持了适中的迭代速度;既不会出现迭代过快而可能错过最优解。也不会出现迭代速度太慢而造成迭代不能结束。
进一步地,第六步中所述预测糟醅品质等级,获得品质等级折合分数的过程包括:
步骤1、判断1至k类别的概率函数为:
其中,k个中的最大值,即为对当前参数下糟醅品质等级的分类结果;
步骤2、将分类结果将优良中差分别对应转化为分数4、3、2、1。
进一步地,步骤六中所述的a1的取值范围在0.5-2之间,对于比较高端的酒类,通过调整α1来改变品质等级所占的权重;a2的取值范围在0.3-3之间,对于比较低端的价格敏感型酒类,通过调整a2来改变成本所占的权重。
以上参数的取值在如上范围进行调整,可以较好并较全面地根据酒品种的市场定位调整品质因素和成本因素占发酵性能的权重。并且以上范围在图形化操作界面中非常易于调整。
一种用于实现权利要求1所述窖池固态发酵性能预测方法的预测系统,所采取的技术方案如下,所述系统包括:
多个Zigbee节点,用于采集当前发酵时间、温度、酒精浓度和PH值参数并输出所述参数;
Zigbee网关,接收所述多个Zigbee节点输出的当前发酵时间、温度、酒精浓度和PH值参数,并通过无线网络输出所述当前发酵时间、温度、酒精浓度和PH值参数;
云服务器,接收所述Zigbee网关输出的当前发酵时间、温度、酒精浓度和PH值参数,将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;并将参数结果传送回Zigbee网关;
无线传输系统,用于建立Zigbee节点与Zigbee网关,Zigbee网关与云服务器之间的数据传输连接。
进一步地,所述Zigbee网关上移植有linux操作系统。
本发明有益效果:
针对现有酒厂窑池发酵什么时候可以出窖,酒厂往往根据有经验的操作人员进行判断,主观性比较强;如果出现经验丰富的操作人员辞职流失、生病等情况,往往就对于出窖时间、糟醅品质等不能进行很好的掌控的问题,本发明提出的一种窖池固态发酵性能预测方法及预测系统。本发明提出的一种窖池固态发酵性能预测方法及预测系统,根据发酵时间、PH值、酒精度、温度的相应历史数据情况下,糟醅品质、出酒率的历史数据,采用相应算法,得出在当前发酵时间、PH值、酒精度、温度条件下的发酵性能,当发酵性能满足设定的条件时,执行出窖操作。避免了由操作人员执行出窖操作的主观性强,随意性大,一致性差等缺点。
附图说明
图1为本发明所述预测系统结构图。
具体实施方式
下面结合具体实施例对本发明做进一步说明,但本发明不受实施例的限制。
实施例1:
一种窖池固态发酵性能预测方法,所采取的技术方案如下,所述预测方法包括:
步骤一、将Zigbee节点分别设置在窑池用于检测温度、酒精度和PH值的位置上,并利用Zigbee节点获取窑池当前的发酵时间、温度、酒精浓度和PH值参数;
步骤二、将所述窑池当前的发酵时间、温度、酒精浓度和PH值参数上传至Zigbee网关;
步骤三、在Zigbee网关硬件平台上移植linux操作系统,Zigbee网关通过Internet与云服务器相连,并将检测到的所述发酵时间、温度、酒精浓度和PH值参数上传至云服务器中;
步骤四、所述云服务器将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述窑池当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;
步骤五、通过如下公式:
计算当前参数下酒厂成本折合分数;
其中S2为酒厂成本折合分数,为根据历史数据所得到的本品种酒窖池固态发酵所消耗的平均成本;C为当前窖池固态发酵所产生的成本;
使用该公式较好地反映了当前成本与历史平均成本的关系,并将关系在酒厂成本折合分数中体现出来。
步骤六、通过发酵性能分数模型计算发酵性能参数,所述发酵性能分数模型为:
其中,a1,a2,为常数系数;
当发酵性能分数大于设定的阈值时,执行出窖操作;否则不出窖。
进一步地,步骤四所述获取品质等级折合分数的具体过程包括:
第一步、建立窖池发酵参数向量x=(x(1),x(2),x(3),x(4)),其中,x(1)为发酵时间,x(2)为PH值,x(3)为酒精度,x(4)为温度;
第二步、根据窖池发酵参数向量并结合概率函数,获取y为第r个类别的概率,所述概率函数为:
其中,wr,br分别为第r个类别对应的权重向量和偏移向量;k表示出窖糟醅品质等级类别的个数,所述等级类别包括优、良、中和差,并且等级类别优、良、中和差与k取值的对应关系为:等级优对应k=4;等级良对应k=3;等级中对应k=2;等级差对应k=1;
第三步、针对wr,br计算对数似然代数函数,所述对数似然代数函数如下:
其中,m为数据样本数,所述对数似然代数函数即为损失函数;
第四步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的wr进行迭代:
重复计算R次,最终获得wr的最优值;其中,α表示步长;
迭代的初值设为:w1=1.5,w2=2,w3=0.5,w4=1;
迭代中参数的以上预设初值有利于提高避免局部极值,得到全局最优解的机会。
第五步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的b进行迭代:
重复计算R次,最终获得b的最优值;
第六步、根据所述窖池当前的发酵时间、温度、酒精浓度和PH值参数预测糟醅品质等级,获得品质等级折合分数。
进一步地,第二步中所述wr表示为wr=(wr (1),wr (2),wr (3),wr (4)),
其中,wr (1)表示发酵时间权重系数,wr (2)表示PH值权重系数;wr (3)表示酒精度权重系数;wr (4)表示温度权重系数;wr即为所述历史数据中的最佳系数。
进一步地,第五步中所述计算次数R和α的参数设置为:R=800,α=0.002。该步长保持了适中的迭代速度;既不会出现迭代过快而可能错过最优解。也不会出现迭代速度太慢而造成迭代不能结束。
进一步地,第六步中所述预测糟醅品质等级,获得品质等级折合分数的过程包括:
步骤1、判断1至k类别的概率函数为:
其中,k个中的最大值,即为对当前参数下糟醅品质等级的分类结果;
步骤2、将分类结果将优良中差分别对应转化为分数4、3、2、1。
进一步地,步骤六中所述的α1的取值范围在0.5-2之间,对于比较高端的酒类,通过调整α1来改变品质等级所占的权重;a2的取值范围在0.3-3之间,对于比较低端的价格敏感型酒类,通过调整a2来改变成本所占的权重。
以上参数的取值在如上范围进行调整,可以较好并较全面地根据酒品种的市场定位调整品质因素和成本因素占发酵性能的权重。并且以上范围在图形化操作界面中非常易于调整。
实施例2
一种用于实现权利要求1所述窖池固态发酵性能预测方法的预测系统,如图1所示,所采取的技术方案如下,所述系统包括:
多个Zigbee节点,用于采集当前发酵时间、温度、酒精浓度和PH值参数并输出所述参数;
Zigbee网关,接收所述多个Zigbee节点输出的当前发酵时间、温度、酒精浓度和PH值参数,并通过无线网络输出所述当前发酵时间、温度、酒精浓度和PH值参数;
云服务器,接收所述Zigbee网关输出的当前发酵时间、温度、酒精浓度和PH值参数,将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;并将参数结果传送回Zigbee网关;
无线传输系统,用于建立Zigbee节点与Zigbee网关,Zigbee网关与云服务器之间的数据传输连接。
其中,所述Zigbee网关上移植有linux操作系统。
本发明提出的一种窖池固态发酵性能预测方法及预测系统。本发明提出的一种窖池固态发酵性能预测方法及预测系统,根据发酵时间、PH值、酒精度、温度的相应历史数据情况下,糟醅品质、出酒率的历史数据,采用相应算法,得出在当前发酵时间、PH值、酒精度、温度条件下的发酵性能,当发酵性能满足设定的条件时,执行出窖操作。避免了由操作人员执行出窖操作的主观性强,随意性大,一致性差等缺点。
虽然本发明已以较佳的实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的人,在不脱离本发明的精神和范围内,都可以做各种改动和修饰,因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (7)
1.一种窖池固态发酵性能预测方法,其特征在于,所述预测方法包括:
步骤一、将Zigbee节点分别设置在窑池用于检测温度、酒精度和PH值的位置上,并利用Zigbee节点获取窑池当前的发酵时间、温度、酒精浓度和PH值参数;
步骤二、将所述窑池当前的发酵时间、温度、酒精浓度和PH值参数上传至Zigbee网关;
步骤三、在Zigbee网关硬件平台上移植linux操作系统,Zigbee网关通过Internet与云服务器相连,并将检测到的所述发酵时间、温度、酒精浓度和PH值参数上传至云服务器中;
步骤四、所述云服务器将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述窑池当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;
步骤五、通过如下公式:
计算当前参数下酒厂成本折合分数;
其中S2为酒厂成本折合分数,为根据历史数据所得到的本品种酒窖池固态发酵所消耗的平均成本;C为当前窖池固态发酵所产生的成本;
使用该公式较好地反映了当前成本与历史平均成本的关系,并将关系在酒厂成本折合分数中体现出来。
步骤六、通过发酵性能分数模型计算发酵性能参数,所述发酵性能分数模型为:
其中,a1,a2,为常数系数;
当发酵性能分数大于设定的阈值时,执行出窖操作;否则不出窖。
2.根据权利要求1所述窖池固态发酵性能预测方法,其特征在于,步骤四所述获取品质等级折合分数的具体过程包括:
第一步、建立窖池发酵参数向量x=(x(1),x(2),x(3),x(4)),其中,x(1)为发酵时间,x(2)为PH值,x(3)为酒精度,x(4)为温度;
第二步、根据窖池发酵参数向量并结合概率函数,获取y为第r个类别的概率,所述概率函数为:
其中,wr,br分别为第r个类别对应的权重向量和偏移向量;k表示出窖糟醅品质等级类别的个数,所述等级类别包括优、良、中和差,并且等级类别优、良、中和差与k取值的对应关系为:等级优对应k=4;等级良对应k=3;等级中对应k=2;等级差对应k=1;
第三步、针对wr,br计算对数似然代数函数,所述对数似然代数函数如下:
其中,m为数据样本数,所述对数似然代数函数即为损失函数;
第四步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的wr进行迭代:
重复计算R次,最终获得wr的最优值;其中,α表示步长;
迭代的初值设为:w1=1.5,w2=2,w3=0.5,w4=1;
第五步、利用梯度下降法最小化损失函数对所述对数似然代数函数中的b进行迭代:
重复计算R次,最终获得b的最优值;
第六步、根据所述窖池当前的发酵时间、温度、酒精浓度和PH值参数预测糟醅品质等级,获得品质等级折合分数。
3.根据权利要求2所述窖池固态发酵性能预测方法,其特征在于,第二步中所述wr表示为
wr=(wr (1),wr (2),wr (3),wr (4)),
其中,wr (1)表示发酵时间权重系数,wr (2)表示PH值权重系数;wr (3)表示酒精度权重系数;wr (4)表示温度权重系数;wr即为所述历史数据中的最佳系数。
4.根据权利要求2所述窖池固态发酵性能预测方法,其特征在于,第五步中所述计算次数R和α的参数设置为:R=800,α=0.002。
5.根据权利要求2所述窖池固态发酵性能预测方法,其特征在于,第六步中所述预测糟醅品质等级,获得品质等级折合分数的过程包括:
步骤1、判断1至k类别的概率函数为:
其中,k个中的最大值,即为对当前参数下糟醅品质等级的分类结果;
步骤2、将分类结果将优良中差分别对应转化为分数4、3、2、1。
6.根据权利要求1所述窖池固态发酵性能预测方法,其特征在于,步骤六中所述的a1的取值范围在0.5-2之间,对于比较高端的酒类,通过调整a1来改变品质等级所占的权重;
a2的取值范围在0.3-3之间,对于低端的价格敏感型酒类,通过调整a2来改变成本所占的权重。
7.一种用于实现权利要求1所述窖池固态发酵性能预测方法的预测系统,其特征在于,所述系统包括:
多个Zigbee节点,用于采集当前发酵时间、温度、酒精浓度和PH值参数并输出所述参数;
Zigbee网关,接收所述多个Zigbee节点输出的当前发酵时间、温度、酒精浓度和PH值参数,并通过无线网络输出所述当前发酵时间、温度、酒精浓度和PH值参数;
云服务器,接收所述Zigbee网关输出的当前发酵时间、温度、酒精浓度和PH值参数,将已存有的发酵时间、温度、酒精浓度和PH值的历史数据与所述当前的发酵时间、温度、酒精浓度和PH值参数相结合,利用参数处理算法进行处理获得发酵时间、PH值、酒精度、温度决定糟醅品质的关系,并根据所述发酵时间、PH值、酒精度、温度决定糟醅品质的关系获取品质等级折合分数;并将参数结果传送回Zigbee网关;
无线传输系统,用于建立Zigbee节点与Zigbee网关,Zigbee网关与云服务器之间的数据传输连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503736.5A CN109658991B (zh) | 2018-12-10 | 一种窖池固态发酵性能预测方法及预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503736.5A CN109658991B (zh) | 2018-12-10 | 一种窖池固态发酵性能预测方法及预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658991A true CN109658991A (zh) | 2019-04-19 |
CN109658991B CN109658991B (zh) | 2024-05-31 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348253A (zh) * | 2020-11-06 | 2021-02-09 | 中国石油大学(华东) | 一种基于全连接神经网络的固态发酵效用预测方法 |
CN116187371A (zh) * | 2023-05-05 | 2023-05-30 | 四川省分析测试服务中心 | 白酒踩窖过程均匀性判断系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080108048A1 (en) * | 2006-10-31 | 2008-05-08 | Bartee James F | Model predictive control of fermentation temperature in biofuel production |
WO2009129655A1 (zh) * | 2008-04-23 | 2009-10-29 | 西门子公司 | 发酵控制方法及发酵控制系统 |
CN102279567A (zh) * | 2011-06-24 | 2011-12-14 | 泸州品创科技有限公司 | 白酒发酵周期的控制方法 |
CN104678937A (zh) * | 2013-11-30 | 2015-06-03 | 西安众智惠泽光电科技有限公司 | 一种啤酒发酵罐无线监控系统 |
CN107037748A (zh) * | 2016-11-22 | 2017-08-11 | 安徽聚力机械制造有限公司 | 基于互联网监控的智控秸秆发酵制备多效复合肥系统 |
CN107222571A (zh) * | 2017-07-10 | 2017-09-29 | 河北工业大学 | 一种多信号多终端远程监测系统 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080108048A1 (en) * | 2006-10-31 | 2008-05-08 | Bartee James F | Model predictive control of fermentation temperature in biofuel production |
WO2009129655A1 (zh) * | 2008-04-23 | 2009-10-29 | 西门子公司 | 发酵控制方法及发酵控制系统 |
CN102279567A (zh) * | 2011-06-24 | 2011-12-14 | 泸州品创科技有限公司 | 白酒发酵周期的控制方法 |
CN104678937A (zh) * | 2013-11-30 | 2015-06-03 | 西安众智惠泽光电科技有限公司 | 一种啤酒发酵罐无线监控系统 |
CN107037748A (zh) * | 2016-11-22 | 2017-08-11 | 安徽聚力机械制造有限公司 | 基于互联网监控的智控秸秆发酵制备多效复合肥系统 |
CN107222571A (zh) * | 2017-07-10 | 2017-09-29 | 河北工业大学 | 一种多信号多终端远程监测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348253A (zh) * | 2020-11-06 | 2021-02-09 | 中国石油大学(华东) | 一种基于全连接神经网络的固态发酵效用预测方法 |
CN112348253B (zh) * | 2020-11-06 | 2023-04-07 | 中国石油大学(华东) | 一种基于全连接神经网络的固态发酵效用预测方法 |
CN116187371A (zh) * | 2023-05-05 | 2023-05-30 | 四川省分析测试服务中心 | 白酒踩窖过程均匀性判断系统及方法 |
CN116187371B (zh) * | 2023-05-05 | 2023-07-14 | 四川省分析测试服务中心 | 白酒踩窖过程均匀性判断系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bokulich et al. | Microbial biogeography of wine grapes is conditioned by cultivar, vintage, and climate | |
CN105259827B (zh) | 一种固态发酵过程状况的实时监控系统与监控方法 | |
CN106598917B (zh) | 一种基于深度信念网络的上层海洋热结构预测方法 | |
Albertin et al. | Population size drives industrial Saccharomyces cerevisiae alcoholic fermentation and is under genetic control | |
Becker et al. | Dynamic neural networks as a tool for the online optimization of industrial fermentation | |
CN102495068A (zh) | 大米垩白米在线检测方法和系统 | |
CN112182961B (zh) | 一种换流站无线网络信道大尺度衰落建模预测方法 | |
CN109919356A (zh) | 一种基于bp神经网络区间需水预测方法 | |
Speers et al. | Non‐linear modelling of industrial brewing fermentations | |
Coloretti et al. | Characterization of flocculent Saccharomyces interspecific hybrids for the production of sparkling wines | |
CN109658991A (zh) | 一种窖池固态发酵性能预测方法及预测系统 | |
CN111967181A (zh) | 一种基于apso-elm和模糊逻辑的灌溉时间计算方法 | |
CN113473580B (zh) | 异构网络中基于深度学习的用户关联联合功率分配方法 | |
CN109783774A (zh) | 一种温度集合预报方法及系统 | |
CN110059423B (zh) | 基于多因子广义线性模型的热带气旋客观定强方法 | |
Schnapp et al. | Estimation of growth yield and maintenance coefficient of plant cell suspensions | |
CN103874224B (zh) | 一种基于信息时效性分析方法的信息收发方法 | |
CN109658991B (zh) | 一种窖池固态发酵性能预测方法及预测系统 | |
Converti et al. | Simplified modeling of fed‐batch alcoholic fermentation of sugarcane blackstrap molasses | |
CN114705156B (zh) | 北斗短报文传输差分数据的电力塔筒沉降监测方法 | |
CN113890633B (zh) | 一种基于深度神经网络的水声通信体制自适应选取方法 | |
CN102392068A (zh) | 一种在线原位监测固态发酵真菌生物量的方法 | |
CN105511269B (zh) | 一种基因调节非线性动力系统控制模型 | |
CN104450499A (zh) | 一种基于支持向量机的毕赤酵母发酵过程预警方法 | |
CN209015407U (zh) | 一种窖池固态发酵性能监控装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |