CN111766910A - 一种基于人工智能的烘干机控制方法及控制系统 - Google Patents

Abstract

本发明涉及饲料机械领域。一种基于人工智能的烘干机控制方法：获取烘干机的运行数据，运行数据用于表征烘干机的烘干性能；获取烘干前、后的产品状态参数数据；获取烘干产品目标参数数据；根据获取的数据，通过人工智能算法，计算得到烘干机的控制目标参数；根据烘干机的控制目标参数，控制调整烘干机内部各温区的运行参数达到控制目标参数。以解决现有技术中人工调试烘干机所有参数操作复杂、效率低的技术问题。本发明还公开了一种基于人工智能的烘干机控制系统，以解决现有技术中调试烘干机所有参数，操作复杂，对工人依赖程度高的技术问题。

Description

一种基于人工智能的烘干机控制方法及控制系统

技术领域

本发明涉及饲料机械领域，主要涉及一种基于人工智能控制烘干方法及控制系统。

背景技术

目前，市面上用于饲料、食品烘干的连续型烘干机需要操作人员根据经验设定烘干机内部各分区目标温度、风扇转速、排湿风机转速、排湿风门开合度、传送带转速等参数。这些参数都在影响产品的烘干速率，并最终影响到成品的水分含量。为了使烘干机在最好的状态下工作，操作人员需要根据经验调试所有参数，使得操作烘干机变的极为复杂。

授权公告号CN2482040、公告日2002年3月13日的中国实用新型专利说明书公开了一种热风烘干机多功能监控仪，该监控仪可分为粮食水分自控、温度报警、烘干产量记录三个系统，采用上述技术方案，只能对温度和粮食水分进行监测，进行简单地逻辑判断，无法实现大数据分析与直接控制。公开号为CN107940981A、公布日为2018年04月20日的中国发明专利申请说明书公开了一种人工智能烘干装置，包括放置于烘干室内的烘干器和与其相连的供电模块，供电模块为烘干器供电，还包括定时模块、图像采集模块、多功能监测模块、语音识别模块、控制模块、语音播报模块、音频模块、报警模块和无线通信模块。采用上述技术方案，仅仅通过客户端实时接收烘干室内的数据信息，便于工作人员及做出响应，并不能对烘干机实现智能控制。

公开号为CN106857910A、公布日为2017年06月20日的中国发明专利申请说明书公开了一种方便筛选的人工智能用茶叶烘干装置，仅仅公开了茶叶烘干装置的机械结构，并没有公开人工智能方案。

公开号为CN107467181A、公布日为2017年12月25日的中国发明专利申请说明书公开了一种粮食烘干机智能控制方法和粮食智能烘干方法，将自动模式划分为进粮模式、智能烘干模式、定时烘干模式和出粮模式，利用模式选择按键选择工作模式和利用软件界面显示采集的数据并设置工作模式所需的目标参数，但是上述方案只是进行简单地逻辑判断，无法实现大数据分析与直接控制。

发明内容

本发明的第一个目的是提供一种基于人工智能的烘干机控制方法，以解决现有技术中调试烘干机所有参数操作复杂、效率低的技术问题。

为了解决第一个技术问题，本发明采用以下技术方案，一种基于人工智能的烘干机控制方法：获取烘干机的运行数据，运行数据用于表征烘干机的烘干性能；

获取烘干前、后的产品状态参数数据；

获取烘干产品目标参数数据；

根据获取的数据，通过人工智能算法，计算得到烘干机的控制目标参数；

根据烘干机的控制目标参数，控制调整烘干机内部各温区的运行参数达到控制目标参数。

本发明融合了人工智能技术，通过人工智能算法对监测到的烘干机运行状态和产品状态信息进行分析处理，分析处理完成后直接对烘干机进行控制，取消了参数调试环节，极大地降低了烘干机的操作难度，并且避免了在调试环节浪费大量的物料。

作为本发明控制方法的进一步改进，上述控制方法还包括：

计算烘干后的产品水份含量数据、烘干产品目标水份含量数据之间的偏差；

如果偏差在设定阈值内，烘干机内部各温区的运行参数无需改变；

如果偏差大于设定值，人工智能单元采集更新后的烘干前、后的产品水份含量数据、烘干机运行数据、产品目标水分含量数据，并根据采集的数据，通过人工智能算法，计算得到新的烘干机的控制目标参数；根据新的烘干机的控制目标参数，控制调整烘干机内部各温区的运行参数达到新的控制目标参数。

本发明通过监测烘干机入料口和出料口产品的主要成分变化，如果出料口产品水分值过高或过低时，本发明可通过人工智能算法进行信息分析，并直接对烘干机进行实时或近实时的参数调整，从而提高了烘干产品的水分稳定度，避免了产品过烘干的情况，降低了烘干机的能量消耗，并且提高了产量。

作为本发明控制方法的进一步改进，所述通过人工智能算法，计算得到烘干机的控制目标参数，具体为：

对获取的数据进行数据清洗和整合，

整合后的数据进行标准化处理后，

标准化处理后的数据进行人工智能分析，

之后经过数据转换，得到烘干机的控制目标参数；

所述数据清洗是将无效数据、噪音过大的数据从原始数据中心删除；

所述数据整合是将时间序列的烘干机状态数据、产品状态数据，组合成以物料单元为索引的数据结构。

作为本发明控制方法的进一步改进，所述整合后的数据进行标准化处理的转化函数为：

其中y为原始数据，包括烘干机的运行数据、烘干前、后的产品状态参数数据，y^*为标准化处理后的数据，μ为用于人工智能模型训练的历史数据的均值，σ为用于人工智能模型训练的历史数据的标准差。

为为标准化处理后的数据，为用于

作为本发明控制方法的进一步改进，，所述数据转换的转换函数为：

其中x^*为烘干机的控制目标参数；x为所述标准化处理后的数据y^*经人工智能模型分析得到的训练数据；

为x最大值和最小值；x_Max，x_Min为对应用于控制调整烘干机的控制装置输出指令的最大值及最小值。

作为本发明控制方法的进一步改进，本发明收集的数据传输经人工智能单元进行计算从而导出控制参数；控制各温区的风扇转速、传送带电机转速以及排湿风门开度，从而控制烘干机内部各温区的温湿度达到目标值。

本发明的第二个目的是提供一种基于人工智能的烘干机控制系统，以解决现有技术中调试烘干机所有参数，操作复杂的技术问题。

为解决第二个技术问题，本发明采用以下技术方案，一种基于人工智能的烘干机控制系统，其特征是，包括：

烘干机状态监测单元，设置在烘干机内，用于获取烘干机的运行数据；

信息输入单元，用于输入烘干产品目标参数数据，例如产品目标水份值、产品表面积；

产品状态监测单元，设置在烘干机内，用于获取烘干前、后的产品状态参数数据，并判断烘干后的产品状态参数数据是否达到烘干产品目标参数数据；

人工智能单元，接收烘干机状态监测单元、信息输入单元、产品状态监测单元获取的数据，通过人工智能算法，计算得到烘干机运行的控制目标参数；

烘干机控制单元，接收人工智能单元输出的烘干机目标控制参数，控制调整烘干机内部各温区的运行参数达到控制目标参数。

本发明智能化烘干机控制系统，融合人工智能单元，通过人工智能单元对烘干机状态监测单元监测到的烘干机运行状态和产品状态监测单元监测到的产品状态信息进行分析处理，需要能够根据目标水分值、产品类型等关键因素，自动的设定所有参数或部分关键参数，分析处理完成后直接对烘干机进行控制，取消了参数调试环节，极大地降低了烘干机的操作难度，并且避免了在调试环节浪费大量的物料，降低烘干机的操作复杂度，降低对经验工人的依赖程度。

作为本发明控制系统的进一步改进，所述人工智能单元包括：

信息接收模块，用于接收烘干机状态监测单元、信息输入单元、产品状态监测单元获取的数据；

信息处理模块，包括数据预处理模块、人工智能模型以及数据后处理模块，所述数据预处理模块将所述信息接收模块接收的数据进行数据清洗和整合，整合后的数据进行标准化处理后发送至人工智能模型，经人工智能模型分析后的数据将发送至数据后处理模块进行数据转换；指令发送模块，用于接收所述数据后处理模块处理后的信息，并将控制指令发送给烘干机控制单元。

作为本发明控制系统的进一步改进，所述数据预处理模块的标准化处理的函数为：

其中y为原始数据，包括烘干机的运行数据、烘干前、后的产品状态参数数据，y^*为标准化处理后的数据，μ为用于人工智能模型训练的历史数据的均值，σ为用于人工智能模型训练的历史数据的标准差。

为为标准化处理后的数据，为用于所述数据后处理模块进行数据转换的函数为：

其中x^*为烘干机的控制目标参数；x为所述标准化处理后的数据y^*经人工智能模型分析得到的训练数据；

为x最大值和最小值；x_Max，x_Min为对应用于控制调整烘干机的控制装置输出指令的最大值及最小值。

作为本发明控制系统的进一步改进，所述人工智能模型为采用输入层、3层隐藏层、输出层的深度神经网络人工智能模型。

作为本发明控制系统的进一步改进，所述人工智能模型为贝叶斯网络和决策树M5P人工智能模型，M5P为决策树模型的一种，用于数值预测。

作为本发明控制系统的进一步改进，所述烘干机控制单元控制单元包括执行机构，执行机构包括：

PID温度控制器，用于接收控制指令，并输出控制信号至蒸汽阀门，进而控制烘干机内的温度；

风扇转速控制器，用于接收控制指令，并输出控制信号至风扇电机，进而控制风扇的转速；排湿风门开度控制器，用于接收控制指令，并控制排湿风门的开关度，进而控制烘干机内部循环空气的湿度；

排湿风机转速控制器，用于接收控制指令，并输出控制信号至排湿风机电机，进而控制排湿风机的转速；

传送带转速控制器，用于接收控制指令，并输出控制信号至传送带电机，进而控制传送带的转速。

本发明收集的数据传输至烘干机中的人工智能单元进行计算从而导出控制参数；将控制参数输入进烘干机中安装的烘干机控制单元，并通过所述烘干机控制单元控制各温区的风扇转速、传送带电机转速以及风门开度从而控制烘干机内部各温区的温湿度达到目标值。

附图说明

图1为本发明控制系统的第一控制逻辑流程示意图；

图2为本发明控制系统的第二控制逻辑流程示意图；

图3为本发明控制系统的第三控制逻辑流程示意图；

图4为本发明控制系统的信息处理模块组成示意图；

图5为本发明烘干机工作示意图；

图6为本发明控制系统的带深度神经网络的烘干机示意图；

图7为本发明实施例1的烘干机出料口物料水分含量曲线图。

具体实施方式

为了对本发明有更好的理解，现针对附图进行详细的解释。

如图1-3所示，烘干机内设有烘干机状态监测单元1、产品状态监测单元2、信息输入单元3，烘干机状态监测单元1用于监测烘干机各区域空气温湿度、各电机转速、风门开关度等信息。

烘干机状态监测单元1主要通过在烘干机内设置空气温湿度传感器和变频器，温湿度传感器包括：各温区补风口空气温湿度传感器、各温区排湿管道内空气温湿度传感器、热交换器前空气温湿度传感器、热交换器前后空气温湿度传感器、主排风管内空气温湿度传感器，通过上述温湿度传感器实现烘干机内部空气温湿度状态监测；变频器包括各温区风扇电机变频器、排湿电机变频器、传送带电机变频器，通过上述变频器实现烘干机内部产品移动速度、空气流动状态的监测，该单元的输出通过以下代号表示：

·

表示在t时刻，烘干机“#”区的补风口空气的温度；

·

表示在t时刻，烘干机“#”区的补风口空气的湿度；

·

表示在t时刻，烘干机“#”区的排湿管道内空气的温度；

·

表示在t时刻，烘干机“#”区的排湿管道内空气的湿度；

·

表示在t时刻，烘干机“#”区的热交换机前空气的温度；

·

表示在t时刻，烘干机“#”区的热交换机前空气的湿度；

·

表示在t时刻，烘干机“#”区的热交换机后空气的温度；

·

表示在t时刻，烘干机“#”区的热交换机后空气的湿度；

·

表示在t时刻，烘干机主排风管内空气的温度；

·

表示在t时刻，烘干机主排风管内空气的湿度；

·

表示在t时刻，烘干机“#”区的风扇电机转速；

·

表示在t时刻，烘干机上层的传送带电机转速；

·

表示在t时刻，烘干机下层的传送带电机转速；

·

表示在t时刻，烘干机“#”区的排湿风门开关度；

产品状态监测单元2用于监测待烘干产品进入烘干机前以及烘干后的水份含量，烘干前的水份含量可以通过在烘干机入口端设置近红外光谱分析仪对产品进入烘干机前进行产品的水份含量以及主要成分比例进行分析收集；烘干后的水份含量可以通过在烘干机出口端设置微波水分仪分析烘干后产品的水分含量。该单元的输出代号为：

·

表示在t时刻，在烘干机入口处的料厚；

·

表示在t时刻，烘干机入料口物料的水分含量；

·

表示在t时刻，烘干机出料口物料的水分含量；

信息输入单元3可以采用手动输入或者自动获取的方式，主要是获取目标的水份值，信息输入单元的输出代号为：

·M_Target表示被烘干产品的目标水分值；

如图1所示，烘干机状态监测单元1、产品状态监测单元2以及信息输入单元3将收集到的数据发送至人工智能元4。

如图2所示，人工智能单元4包括信息接收模块6、信息处理模块7、指令发送模块8，其中信息接收模块6用于接收烘干机状态监测单元1、产品状态监测单元2以及信息输入单元3采集的数据，信息接收模块6将采集到的信息发送值信息处理模块7。

如图4所示，信息处理模块7包括数据预处理模块14、人工智能模型15、数据后处理模块16，其中数据预处理模块14将信息接收模块6接收到的信息进行进行清洗、重新组合，数据清洗是将无效数据、噪音过大的数据从原始数据中心删除，无效数据、噪音过大数据的删除采用现有方法。例如：根据历史数据经验，限定每种数据的数值范围，比如烘干机内的温度，根据经验正常运行时其内部温度需在30到130摄氏度之间。如果采集到的数据不在这个范围内，则该数据无效，需要删除。

数据重新组合则是将时间序列的烘干机状态数据、产品状态数据组合成以物料单元为索引的数据结构，组合后的数据进行标准化处理，标准化处理的转化函数为:

其中y为原始数据，包括烘干机的运行数据、烘干前、后的产品状态参数数据，y^*为标准化处理后的数据，μ为用于人工智能模型训练的历史数据的均值，σ为用于人工智能模型训练的历史数据的标准差。

以t时刻上层传送带电机实时转速

为例，假设用于模型训练的数据有N组，则转化后的数据为：

其中：

t₁和t_N时刻是用于模型训练的历史数据的起始时刻和终止时刻，共N组数据；t_i∈{t₁，t_N}。数据预处理模块14处理过后的数据输入人工智能模型15，应该理解的是本处人工智能模型15可以为深度神经网络，也可以为贝叶斯网络等人工智能模型，凡只要将人工智能模型放入上述工序方法中进行烘干计算的都应该列在本专利的保护范围之中。

人工智能模型15处理后的数据将发送至数据后处理模块16，数据后处理模块16将分析后的数据进行转换，转化函数为：

其中x^*为烘干机的控制目标参数；x为所述标准化处理后的数据y^*经人工智能模型分析得到的训练数据；

为x最大值和最小值；x_Max，x_Min为对应用于控制调整烘干机的控制装置输出指令的最大值及最小值。

数据后处理模块16转化后的数据将发送至指令发送模块8，指令发送模块8将根据分析结果，将控制指令发送至烘干机控制单元5。

如图3所示，烘干机控制单元5还包括执行机构包括：PID温度控制器9、风扇转速控制器10、排湿风门开度控制器11、排湿风机转速控制器12、传送带转速控制器13，PID温度控制器9输出控制信号至蒸汽阀门从而控制烘干机内的温度，风扇转速控制器10、排湿风机转速控制器12、传送带转速控制器13将接收到的控制指令输出至各电机从而控制风扇、排湿风机、传送带的转速，排湿风门开度控制器11根据控制指令控制排湿风门的开关度从而控制烘干机内部循环空气的湿度。

工作原理：如图5所示为烘干机的控制原理，烘干机启动后，烘干机状态监测单元将通过各部分安装的传感器、变频器监测出烘干机运行信息，产品监测单元可以监测出产品输入和输出的产品状态，信息输入单元可以手动或者自动输入产品的目标水分值以及其他关键信息，人工智能单元将接收到的信息进行整合，并通过人工智能模型分析从而输出信息至烘干机控制单元，烘干机控制单元可以通过输入的控制指令控制烘干机内的温度以及风扇转速、排湿风门开度、排湿风机转速、传送带转速，同时烘干机出口还设有出料口产品水分检测装置，并将出口水分值与目标水份值进行比对，如果偏差过大则驱使人工智能重新进行分析，并直接对烘干机进行实时的参数调整。

下面将进行具体的实施例1介绍：

如图6所示，本实施例使用的是丰尚美瑞杰M10天然气烘干机，针对主要由玉米、小麦、鸡肉制成的狗粮进行的烘干测试，此烘干机为连续式、双层烘干机，其中每个区都有热交换机、风扇、排湿管道、排湿风门、排湿风机等装置。三个区的排湿管道都与烘干机住排风管相连，本发明所述的基于人工智能的烘干机控制系统被部署在上述烘干机上。

烘干机启动，烘干机状态监测单元1监测出烘干机关键运行数据，包括：各温区热交换前空气温湿度

各温区热交换后空气温湿度

各温区排湿管道内空气温湿度

主排风管内空气温湿度

各区风扇转速

传送带电机转速

和各温区排湿风门开度

产品状态监测单元2实时监测待烘干产品及已烘干产品的水分含量值

和待烘干产品在传送带上的厚度

烘干产品无法通过传感器获取的信息，例如：产品目标水分值(M_Target)、产品表面积(S)等，则通过信息输入单元3获取。信息输入单元中的信息可以为人工输入，也可以根据产品信息自动获取。

人工智能单元4通过信息收集模块6，将烘干机状态监测单元1、产品状态监测单元2以及信息输入单元3中的信息收集起来，并遵循下表所示数据结构发送至数据预处理模块14。

其中t为Unix时间戳。

数据预处理模块14将接收到的数据进行清理、标准化数据预处理，

以上层传送带转速

为例，根据历史数据，求得用于模型训练的数据的平均数

标准差为

则标准化后的传送带转速

为：

标准化后的数据被发送给人工智能模型15，本实验人工智能模型采用的是有3层隐藏层的深度神经网络。其中输入层34个神经元，第一、二层隐藏层各由150个神经元组成，第三层隐藏层由100个神经元组成，输出层由14个神经元组成。输出层神经元依次对应区域1目标温度T₁，区域2目标温度T₂，区域3目标温度T₃，区域1风扇目标转速ω_Fan1，区域2风扇目标转速ω_Fan2，区域3风扇目标转速ω_Fan3，区域1排湿风门目标开度O₁，区域2排湿风门目标开度O₂，区域3排湿风门目标开度O₃，区域1排湿风机目标转速ω_Exhaust1，区域2排湿风机目标转速ω_Exhaust2，区域3排湿风机目标转速ω_Exhaust3，上层传送带电机目标转速ω_CT1，和下层传送带电机目标转速ω_CT2。深度神经网络中的每个神经元的激活方程都使用了如下所示的Sigmoid方程。

其中S为单个神经元输出值，x为输入值。

标准化后的数据通过输入层、三层隐藏层，最终达到输出层，并被发送至数据后处理模块16。

数据后处理模块16将人工智能模型15输出的数据转换成可直接用于控制相应执行机构的数值。以区域1排湿风门目标开度O₁＝0.72为例，训练数据的风门开度的极值为

风门控制机构的控制极值为，O_Min＝0，O_Max＝100。所以转换后的排湿风门目标开度

为：

经过后处理的数据如下表所示：

数据后处理模块16将上表数据发送至指令发送模块8。

指令发送模块8将控制参数转发至所对应的烘干机控制单元5中的执行机构。其中，各温区目标温度控制指令被发送至对应温区的PID温度控制器9；各温区风扇转速控制指令被发送至对应的风扇转速控制器10；各温区排湿风门开度控制指令被发送至对应的排湿风门开度控制器11；排湿风机转速控制指令被发送至排湿风机转速控制器12；各层传送带转速控制指令被发送至对应的传送带转速控制器13。各个控制单元根据收到的控制指令，调整烘干机的运行参数。

设定的时间后，烘干机出料口处检测烘干后产品水分值，如果出料口产品水分值与产品目标水分值偏差满足产品质量要求，即偏差在设定阈值范围内，烘干机运行参数无需改变。

如图7所示为狗粮在烘干机烘干过程中的水分示意图。

若水分值偏差过大，即偏差大于设定阈值范围，人工智能单元4则开始采集更新后的产品状态信息(包括入料口产品状态信息和出料口产品状态信息)、烘干机运行信息、产品目标水分值以及其他关键信息，并根据这些数据预测出新的烘干机控制参数。

Claims (10)

1.一种基于人工智能的烘干机控制方法，其特征是，所述控制方法为：

获取烘干机的运行数据，运行数据用于表征烘干机的烘干性能；

获取烘干前、后的产品状态参数数据；

获取烘干产品目标参数数据；

根据获取的数据，通过人工智能算法，计算得到烘干机的控制目标参数；

根据烘干机的控制目标参数，控制调整烘干机内部各温区的运行参数达到控制目标参数。

2.根据权利要求1所述的一种基于人工智能的烘干机控制方法，其特征是，所述控制方法还包括：

计算烘干后的产品状态的水份含量数据、烘干产品目标水份含量数据之间的偏差；

如果偏差在设定阈值内，烘干机内部各温区的运行参数不变；

如果偏差大于设定值，人工智能单元采集更新后的烘干前、后的产品状态参数数据、烘干机的运行数据、烘干产品目标水分含量数据，并根据采集的数据，通过人工智能算法，计算得到新的烘干机的控制目标参数；根据新的烘干机的控制目标参数，控制调整烘干机内部各温区的运行参数达到新的控制目标参数。

3.根据权利要求1所述的一种基于人工智能的烘干机控制方法，其特征是，所述通过人工智能算法，计算得到烘干机的控制目标参数，具体为：

对获取的数据进行数据清洗和整合，

整合后的数据进行标准化处理后，

标准化处理后的数据进行人工智能分析，

之后经过数据转换，得到烘干机的控制目标参数；

所述数据清洗是将无效数据、噪音过大的数据从原始数据中心删除；

所述数据整合是将时间序列的烘干机状态数据、产品状态数据，组合成以物料单元为索引的数据结构。

4.根据权利要求3所述的一种基于人工智能的烘干机控制方法，其特征是，所述整合后的数据进行标准化处理的转化函数为：

其中y为原始数据，包括烘干机的运行数据、烘干前、后的产品状态参数数据，y^*为标准化处理后的数据，μ为用于人工智能模型训练的历史数据的均值，σ为用于人工智能模型训练的历史数据的标准差。

5.根据权利要求4所述的一种基于人工智能的烘干机控制方法，其特征是，所述数据转换的转换函数为：

其中x^*为烘干机的控制目标参数；x为所述标准化处理后的数据y^*经人工智能模型分析得到的训练数据；

为x最大值和最小值；x_Max，x_Min为对应用于控制调整烘干机的控制装置输出指令的最大值及最小值。

6.一种基于人工智能的烘干机控制系统，其特征是，包括：

烘干机状态监测单元，设置在烘干机内，用于获取烘干机的运行数据；

信息输入单元，用于输入烘干产品目标参数数据；

产品状态监测单元，设置在烘干机内，用于获取烘干前、后的产品状态参数数据，并判断烘干后的产品状态参数数据是否达到烘干产品目标参数数据；

人工智能单元，接收烘干机状态监测单元、信息输入单元、产品状态监测单元获取的数据，通过人工智能算法，计算得到烘干机运行的控制目标参数；

烘干机控制单元，接收人工智能单元的烘干机控制目标参数，控制调整烘干机内部各温区的运行参数达到控制目标参数。

7.根据权利要求6所述的一种基于人工智能的烘干机控制系统，其特征是，所述人工智能单元包括：

信息接收模块，用于接收烘干机状态监测单元、信息输入单元、产品状态监测单元获取的数据；

信息处理模块，包括数据预处理模块、人工智能模型以及数据后处理模块，所述数据预处理模块将所述信息接收模块接收的数据进行数据清洗和整合，整合后的数据进行标准化处理后发送至人工智能模型，经人工智能模型分析后的数据将发送至数据后处理模块进行数据转换；

指令发送模块，接收所述数据后处理模块处理后的信息，并将控制指令发送给烘干机控制单元。

8.根据权利要求7所述的一种基于人工智能的烘干机控制系统，其特征是，所述数据预处理模块的标准化处理的函数为：

其中y为原始数据，包括烘干机的运行数据、烘干前、后的产品状态参数数据，y^*为标准化处理后的数据，μ为用于人工智能模型训练的历史数据的均值，σ为用于人工智能模型训练的历史数据的标准差；

所述数据后处理模块进行数据转换的函数为：

其中x^*为烘干机的控制目标参数；x为所述标准化处理后的数据y^*经人工智能模型分析得到的训练数据；

为x最大值和最小值；x_Max，x_Min为对应用于控制调整烘干机的控制机构输出指令的最大值及最小值。

9.根据权利要求7所述的一种基于人工智能的烘干机控制系统，其特征是，所述人工智能模型为采用输入层、3层隐藏层、输出层的深度神经网络人工智能模型。

10.根据权利要求6所述的一种基于人工智能的烘干机控制系统，其特征是，所述烘干机控制单元控制单元包括执行机构，执行机构包括：

PID温度控制器，用于接收控制指令，并输出控制信号至蒸汽阀门，进而控制烘干机内的温度；

风扇转速控制器，用于接收控制指令，并输出控制信号至风扇电机，进而控制风扇的转速；

排湿风门开度控制器，用于接收控制指令，并控制排湿风门的开关度，进而控制烘干机内部循环空气的湿度；

排湿风机转速控制器，用于接收控制指令，并输出控制信号至排湿风机电机，进而控制排湿风机的转速；

传送带转速控制器，用于接收控制指令，并输出控制信号至传送带电机，进而控制传送带的转速。

Images