CN111805958B - 螺旋榨油机的参数优化方法及系统 - Google Patents

螺旋榨油机的参数优化方法及系统 Download PDF

Info

Publication number
CN111805958B
CN111805958B CN202010672778.2A CN202010672778A CN111805958B CN 111805958 B CN111805958 B CN 111805958B CN 202010672778 A CN202010672778 A CN 202010672778A CN 111805958 B CN111805958 B CN 111805958B
Authority
CN
China
Prior art keywords
oil
hyperplane
parameter
expression
pressing
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.)
Active
Application number
CN202010672778.2A
Other languages
English (en)
Other versions
CN111805958A (zh
Inventor
叶建平
张家凡
杨军胜
熊烈强
郑晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Polytechnic University
Original Assignee
Wuhan Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Polytechnic University filed Critical Wuhan Polytechnic University
Priority to CN202010672778.2A priority Critical patent/CN111805958B/zh
Publication of CN111805958A publication Critical patent/CN111805958A/zh
Application granted granted Critical
Publication of CN111805958B publication Critical patent/CN111805958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B9/00—Presses specially adapted for particular purposes
    • B30B9/02—Presses specially adapted for particular purposes for squeezing-out liquid from liquid-containing material, e.g. juice from fruits, oil from oil-containing material
    • B30B9/12—Presses specially adapted for particular purposes for squeezing-out liquid from liquid-containing material, e.g. juice from fruits, oil from oil-containing material using pressing worms or screws co-operating with a permeable casing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/26—Programme control arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B9/00—Presses specially adapted for particular purposes
    • B30B9/02—Presses specially adapted for particular purposes for squeezing-out liquid from liquid-containing material, e.g. juice from fruits, oil from oil-containing material
    • B30B9/12—Presses specially adapted for particular purposes for squeezing-out liquid from liquid-containing material, e.g. juice from fruits, oil from oil-containing material using pressing worms or screws co-operating with a permeable casing
    • B30B9/125—Control arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及油料加工技术领域，公开了一种螺旋榨油机的参数优化方法及系统，所述方法包括：获取螺旋榨油机在榨油过程中的工况数据，从工况数据中选取待优化榨油参数，将待优化榨油参数向量化，获得榨油参数向量，将榨油参数向量作为支持向量机的输入向量，并基于输入向量建立预设榨油超平面模型，对预设榨油超平面模型进行求解，获得最优榨油超平面，并根据最优榨油超平面确定待优化榨油参数对应的最优参数值。通过基于榨油参数向量建立预设榨油超平面模型以提高预设榨油超平面模型的收敛精度，再根据预设榨油超平面模型获得最优榨油超平面，提高了根据最优榨油超平面确定的最优参数值的精确度，也提高了根据最优参数值进行榨油时的榨油效率。

Description

螺旋榨油机的参数优化方法及系统
技术领域
本发明涉及油料加工技术领域，尤其涉及一种螺旋榨油机的参数优化方法及系统。
背景技术
螺旋榨油机是油脂制取工业中使用最广泛的设备，广泛应用于芝麻、菜籽、花生、棉籽、大豆、茶籽、玉米胚等油料作物，但目前对螺旋榨油机的相关系统的科学研究比较匮乏，导致很多国产榨油机设备在性能和工作效率方面很难达到理想的效果。
在实际生产中，榨油分为冷榨和热榨，为了提高出油率和油品的质量，一般以热榨为主，而影响螺旋榨油机热榨性能的参数有很多，如：油料种类、油料的水分含量、油料加热温度、压榨时间、榨膛压力、榨膛温度等。其中，油料种类及其水分含量、油料加热温度、榨膛压力、榨膛温度等参数不仅影响榨油机的性能，还影响油脂的等级。然而，现阶段大多是根据人工经验值来设置上述参数的最优参数值，而人工经验值所参考的样本比较少，是一种人为的主观判断，存在很大的局限性。因此，如何准确获得螺旋榨油机的最优参数值以提高螺旋榨油机的榨油效率和油脂质量，成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种螺旋榨油机的参数优化方法及系统，旨在解决如何准确获得螺旋榨油机的最优参数值以提高螺旋榨油机的榨油效率和油脂质量的技术问题。
为实现上述目的，本发明提供了一种螺旋榨油机的参数优化方法，所述方法包括以下步骤：
获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
将所述待优化榨油参数向量化，获得榨油参数向量；
将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型；
对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
优选地，所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤，具体包括：
基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集；
对所述子训练集进行并行训练，获得榨油参数向量。
优选地，所述将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型的步骤，具体包括：
获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设榨油超平面模型基于下式建立，
wTx+b＝0
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
优选地，所述对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值的步骤，具体包括：
通过序列最小优化算法对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
优选地，所述对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值的步骤之后，还包括：
根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
判断所述榨油反馈参数是否符合预设榨油优化规则；
若否，则读取预设榨油数据表中所述待优化榨油参数对应的预设榨油参数；
根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤。
此外，为实现上述目的，本发明还提出一种基于螺旋榨油机的参数优化系统，所述系统包括：
参数获取模块，用于获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
参数向量化模块，用于将所述待优化榨油参数向量化，获得榨油参数向量；
超平面构建模块，用于将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型；
超平面优化模块，用于对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
优选地，所述参数向量化模块，还用于基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集；
所述参数向量化模块，还用于对所述子训练集进行并行训练，获得榨油参数向量。
优选地，所述超平面构建模块，还用于获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设榨油超平面模型基于下式建立，
wTx+b＝0
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
优选地，所述超平面优化模块，还用于通过序列最小优化算法对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
优选地，所述超平面优化模块，还用于根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
所述超平面优化模块，还用于判断所述榨油反馈参数是否符合预设榨油优化规则；
所述超平面优化模块，还用于在所述榨油反馈参数不符合预设榨油优化规则时，根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的操作。
本发明获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数，将所述待优化榨油参数向量化，获得榨油参数向量，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型，对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。通过将待优化榨油参数向量化，以获得榨油参数向量，再基于所述榨油参数向量建立预设榨油超平面模型以提高预设榨油超平面模型的收敛精度，进一步地，也提高了后续对待优化榨油参数对应的最优参数值进行求解时，所获得的最优参数值的准确度，通过对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值，提高了螺旋榨油机的最优参数值的精确度，也提高了根据所述最优参数值进行榨油时的榨油效率和油脂质量。
附图说明
图1为本发明螺旋榨油机的参数优化方法第一实施例的流程示意图；
图2为本发明螺旋榨油机的参数优化方法第二实施例的流程示意图；
图3为本发明螺旋榨油机的参数优化系统第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例提供了一种螺旋榨油机的参数优化方法，参照图1，图1为本发明螺旋榨油机的参数优化方法第一实施例的流程示意图。
本实施例中，所述螺旋榨油机的参数优化方法包括以下步骤：
步骤S10：获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
易于理解的是，本实施例的执行主体为基于嵌入式系统的控制单元，如可编程逻辑控制器(Programmable Logic Controller，PLC)，所述控制单元设置于螺旋榨油机上，在获取待优化榨油参数前，可先通过各类传感器(如温度传感器、压力传感器、湿度传感器、分布式光纤光栅传感器等)获取螺旋榨油机在榨油过程中的工况数据，然后从工况数据中提取待优化榨油参数，所述工况数据为螺旋榨油机在炒料环节、压榨环节等环节时的运行参数，所述待优化榨油参数为从所述工况数据中选取的可进行人工调优的运行参数，如炒料环节中油料种类、油料的水分含量、油料加热温度，压榨环节中螺旋榨油机榨膛的榨膛压力、榨膛温度。
步骤S20：将所述待优化榨油参数向量化，获得榨油参数向量；
在具体实现中，在获得所述待优化榨油参数后，可基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集，然后对所述子训练集进行并行训练，获得榨油参数向量，然后将所述榨油参数向量输入至支持向量机(Support VectorMachines，SVM)中进行模型构建，以提高基于所述榨油参数向量构建的模型的收敛精度，进一步地，也提高了后续对待优化榨油参数对应的最优参数值进行求解时，所获得的最优参数值的准确度。
步骤S30：获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型；
需要说明的是，在获得所述榨油参数向量后，可将所述榨油参数向量作为支持向量机的输入向量，并获取所述螺旋榨油机的出油率，然后基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设超平面模型为基于最优超平面方程建立的模型，并在所述预设榨油超平面模型中，对所述最优超平面方程进行如下式所述的适应性改进，
wTx+b＝0
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
步骤S40：对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
在具体实现中，可通过序列最小优化算法(Sequential minimal optimization,SMO)对所述预设榨油超平面模型进行求解，在KKT条件对所有输入向量均满足，或者上述方程的增长率小于预设阈值时，可判定为优化完成，则输出最优榨油超平面，所述最优榨油超平面为所述预设榨油超平面模型中的优化权值，然后根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
应当理解的是，以上仅为举例说明，对本实施例的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数，将所述待优化榨油参数向量化，获得榨油参数向量，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型，对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。通过将待优化榨油参数向量化，以获得榨油参数向量，再基于所述榨油参数向量建立预设榨油超平面模型以提高预设榨油超平面模型的收敛精度，进一步地，也提高了后续对待优化榨油参数对应的最优参数值进行求解时，所获得的最优参数值的准确度，通过对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值，提高了螺旋榨油机的最优参数值的精确度，也提高了根据所述最优参数值进行榨油时的榨油效率和油脂质量。
参考图2，图2为本发明螺旋榨油机的参数优化方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S40之后，所述方法还包括：
步骤S50：根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
步骤S60：判断所述榨油反馈参数是否符合预设榨油优化规则；
易于理解的是，在获得所述最优参数值后，可根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数(如螺旋榨油机的油脂产量、所获得的油脂质量、螺旋榨油机主轴的转速)，然后判断所述榨油反馈参数是否处于对应的预设榨油范围内，或所述榨油反馈参数是否大于对应的预设榨油阈值(如油脂产量是否大于预设油脂产量、油脂质量对应的油脂等级是否大于预设油脂等级、螺旋榨油机主轴的转速是否大于预设榨油转速)。
步骤S70：若否，则读取预设榨油数据表中所述待优化榨油参数对应的预设榨油参数；
步骤S80：根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤。
需要说明的是，在所述榨油反馈参数符合预设榨油优化规则(如油脂产量大于预设油脂产量、油脂质量对应的油脂等级大于预设油脂等级，且螺旋榨油机主轴的转速大于预设榨油转速)时，则保持螺旋榨油机当前的运行状态；在所述榨油反馈参数不符合预设榨油优化规则(如油脂产量小于等于预设油脂产量、油脂质量对应的油脂等级小于等于预设油脂等级，或螺旋榨油机主轴的转速小于等于预设榨油转速)时，根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤，即对所述待优化榨油参数继续进行优化，所述预设榨油参数为基于螺旋榨油机的待优化参数对应的人工经验值所确定的参数，为优化时的备用参数，也可作为优化比较时的对比参数；
在具体实现中，为了提高优化效率，在所述榨油反馈参数不符合预设榨油优化规则时，还可对榨油反馈参数中不符合预设榨油优化规则的无效榨油反馈参数进行数据分析，获得导致所述无效榨油反馈参数不符合预设榨油优化规则的成因参数(隶属于待优化榨油参数)，然后对所述成因参数进行定向优化，获得目标优化参数，再根据所述目标优化参数和榨油反馈参数中符合预设榨油优化规则的榨油反馈参数调整所述螺旋榨油机的运行状态。
应当理解的是，以上仅为举例说明，对本实施例的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数，判断所述榨油反馈参数是否符合预设榨油优化规则，若否，则读取预设榨油数据表中所述待优化榨油参数对应的预设榨油参数，根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤，本实施通过实时接收所述螺旋榨油机根据所述最优参数值反馈的榨油反馈参数，并根据所述榨油反馈参数对所述螺旋榨油机进行实时优化以进一步提高所述螺旋榨油机的最优参数值的精确度，也提高了根据所述最优参数值进行榨油时的榨油效率和油脂质量。
参照图3，图3为本发明螺旋榨油机的参数优化系统第一实施例的结构框图。
如图3所示，本发明实施例提出的螺旋榨油机的参数优化系统包括：
参数获取模块1001，用于获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
参数向量化模块1002，用于将所述待优化榨油参数向量化，获得榨油参数向量；
超平面构建模块1003，用于将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型；
超平面优化模块1004，用于对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
本实施例获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数，将所述待优化榨油参数向量化，获得榨油参数向量，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型，对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。通过将待优化榨油参数向量化，以获得榨油参数向量，再基于所述榨油参数向量建立预设榨油超平面模型以提高预设榨油超平面模型的收敛精度，进一步地，也提高了后续对待优化榨油参数对应的最优参数值进行求解时，所获得的最优参数值的准确度，通过对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值，提高了螺旋榨油机的最优参数值的精确度，也提高了根据所述最优参数值进行榨油时的榨油效率和油脂质量。
基于本发明上述螺旋榨油机的参数优化系统第一实施例，提出本发明螺旋榨油机的参数优化系统的第二实施例。
在本实施例中，所述参数向量化模块1002，还用于基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集；
所述参数向量化模块1002，还用于对所述子训练集进行并行训练，获得榨油参数向量。
所述超平面构建模块1003，还用于获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设榨油超平面模型基于下式建立，
wTx+b＝0
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
所述超平面优化模块1004，还用于通过序列最小优化算法对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
所述超平面优化模块1004，还用于根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
所述超平面优化模块1004，还用于判断所述榨油反馈参数是否符合预设榨油优化规则；
所述超平面优化模块1004，还用于在所述榨油反馈参数不符合预设榨油优化规则时，根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的操作。
本发明螺旋榨油机的参数优化系统的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种螺旋榨油机的参数优化方法，其特征在于，所述方法包括以下步骤：
获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
将所述待优化榨油参数向量化，获得榨油参数向量；
将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型；
对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值;
所述对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值的步骤之后，还包括：
根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
判断所述榨油反馈参数是否符合预设榨油优化规则；
若否，则读取预设榨油数据表中所述待优化榨油参数对应的预设榨油参数；
根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤。
2.如权利要求1所述的方法，其特征在于，所述将所述待优化榨油参数向量化，获得榨油参数向量的步骤，具体包括：
基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集；
对所述子训练集进行并行训练，获得榨油参数向量。
3.如权利要求1所述的方法，其特征在于，所述将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型的步骤，具体包括：
获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设榨油超平面模型基于下式建立，
Figure 605694DEST_PATH_IMAGE001
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
4.如权利要求3所述的方法，其特征在于，所述对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值的步骤，具体包括：
通过序列最小优化算法对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
5.一种基于螺旋榨油机的参数优化系统，其特征在于，所述系统包括：
参数获取模块，用于获取螺旋榨油机在榨油过程中的工况数据，从所述工况数据中选取待优化榨油参数；
参数向量化模块，用于将所述待优化榨油参数向量化，获得榨油参数向量；
超平面构建模块，用于将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量建立预设榨油超平面模型；
超平面优化模块，用于对所述预设榨油超平面模型进行求解，获得最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值；
所述超平面优化模块，还用于根据所述最优参数值控制所述螺旋榨油机运行，并接收所述螺旋榨油机运行过程中反馈的榨油反馈参数；
所述超平面优化模块，还用于判断所述榨油反馈参数是否符合预设榨油优化规则；
所述超平面优化模块，还用于在所述榨油反馈参数不符合预设榨油优化规则时，根据所述预设榨油参数调整所述螺旋榨油机的运行状态，并返回所述将所述待优化榨油参数向量化，获得榨油参数向量的操作。
6.如权利要求5所述的系统，其特征在于，所述参数向量化模块，还用于基于所述待优化榨油参数生成榨油训练集，并将所述榨油训练集划分成不同的子训练集；
所述参数向量化模块，还用于对所述子训练集进行并行训练，获得榨油参数向量。
7.如权利要求5所述的系统，其特征在于，所述超平面构建模块，还用于获取所述螺旋榨油机的出油率，将所述榨油参数向量作为支持向量机的输入向量，并基于所述输入向量和所述出油率建立预设榨油超平面模型，所述预设榨油超平面模型基于下式建立，
Figure 319572DEST_PATH_IMAGE002
式中，w为优化权值，wT为所述优化权值的转置，x为输入向量，b为螺旋榨油机的出油率。
8.如权利要求7所述的系统，其特征在于，所述超平面优化模块，还用于通过序列最小优化算法对所述预设榨油超平面模型进行求解，获得所述优化权值对应的最优榨油超平面，并根据所述最优榨油超平面确定所述待优化榨油参数对应的最优参数值。
CN202010672778.2A 2020-07-13 2020-07-13 螺旋榨油机的参数优化方法及系统 Active CN111805958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010672778.2A CN111805958B (zh) 2020-07-13 2020-07-13 螺旋榨油机的参数优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010672778.2A CN111805958B (zh) 2020-07-13 2020-07-13 螺旋榨油机的参数优化方法及系统

Publications (2)

Publication Number Publication Date
CN111805958A CN111805958A (zh) 2020-10-23
CN111805958B true CN111805958B (zh) 2022-06-14

Family

ID=72842379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010672778.2A Active CN111805958B (zh) 2020-07-13 2020-07-13 螺旋榨油机的参数优化方法及系统

Country Status (1)

Country Link
CN (1) CN111805958B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063550A (zh) * 2011-01-07 2011-05-18 浙江工业大学 机器智能参与设计决策的冷挤压件智能设计系统
CN102725120A (zh) * 2009-12-18 2012-10-10 拜耳知识产权有限责任公司 预测和优化螺杆挤压机和/或挤压方法的基于数据的模型
CN104057637A (zh) * 2014-05-08 2014-09-24 浙江工业大学 一种基于支持向量机的数控冲床的刹车曲线自学习方法
CN106845136A (zh) * 2017-02-21 2017-06-13 上海大学 一种基于支持向量机的针阀体挤压研磨精度预测方法
CN108875156A (zh) * 2018-05-29 2018-11-23 广东工业大学 一种基于数据驱动的挤压模具工艺参数优化方法
WO2020039182A1 (en) * 2018-08-20 2020-02-27 Gamlen Tableting Limited Powder identification system and method
CN111069328A (zh) * 2019-12-03 2020-04-28 广东工业大学 一种基于粒子群算法的等温挤压工艺参数优化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009119506A (ja) * 2007-11-16 2009-06-04 Murata Mach Ltd パンチプレス
CN205333508U (zh) * 2016-02-05 2016-06-22 江苏楷益智能科技有限公司 一种水果糖度快速检测装置
CN109870922A (zh) * 2019-03-26 2019-06-11 武汉轻工大学 多功能榨油生产线控制方法、装置、设备及存储介质
CN110606620A (zh) * 2019-08-15 2019-12-24 江苏如是地球空间信息科技有限公司 污水处理工艺及基于神经网络对其中生化环节控制的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102725120A (zh) * 2009-12-18 2012-10-10 拜耳知识产权有限责任公司 预测和优化螺杆挤压机和/或挤压方法的基于数据的模型
CN102063550A (zh) * 2011-01-07 2011-05-18 浙江工业大学 机器智能参与设计决策的冷挤压件智能设计系统
CN104057637A (zh) * 2014-05-08 2014-09-24 浙江工业大学 一种基于支持向量机的数控冲床的刹车曲线自学习方法
CN106845136A (zh) * 2017-02-21 2017-06-13 上海大学 一种基于支持向量机的针阀体挤压研磨精度预测方法
CN108875156A (zh) * 2018-05-29 2018-11-23 广东工业大学 一种基于数据驱动的挤压模具工艺参数优化方法
WO2020039182A1 (en) * 2018-08-20 2020-02-27 Gamlen Tableting Limited Powder identification system and method
CN111069328A (zh) * 2019-12-03 2020-04-28 广东工业大学 一种基于粒子群算法的等温挤压工艺参数优化方法

Also Published As

Publication number Publication date
CN111805958A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN108932571B (zh) 卷烟制丝初始工艺参数的设置方法和装置
Zhang et al. Parameter optimization of PID controllers based on genetic algorithm
CN114253219A (zh) 一种基于端面磨削的磨削力自适应控制方法及系统
CN111805958B (zh) 螺旋榨油机的参数优化方法及系统
CN117026507A (zh) 一种基于双伺服电机控制的编织速度控制方法及其系统
CN117608327A (zh) 一种用于反应釜温度控制系统的控制器优化方法及装置
Ziółkowski et al. Comparison of energy consumption in the classical (PID) and fuzzy control of foundry resistance furnace
CN105955350B (zh) 遗传算法优化加热炉温度的分数阶预测函数控制方法
CN113687669A (zh) 用于调节干燥箱温度方法、装置、干燥箱及存储介质
TWI708128B (zh) 製程參數的調控方法與電子裝置
CN111701269A (zh) 流量压力控制方法、存储介质和电子设备
CN113743571A (zh) 数据处理的方法、电子设备和存储介质
CN113036769B (zh) 一种电力系统静态电压稳定分析方法及系统
CN114692389A (zh) 热处理工艺参数的优化方法、装置、电子设备及存储介质
JP2022139055A (ja) 制御システム、予測モデル生成装置、及びコンピュータプログラム
Hidetoshi et al. Synthesis of decentralized variable gain robust controllers for a class of large-scale serially connected systems with nonlinear perturbations via piecewise Lyapunov functions
CN106325154B (zh) 一种基于模式识别的茶叶滚炒机控制方法
CN118313847B (zh) 一种用于白茶的生产溯源方法及系统
CN111319206A (zh) 注塑成型系统中参数优化方法和装置
CN116449770B (zh) 数控机床的加工方法、装置、设备以及计算机存储介质
CN116629454B (zh) 基于神经网络的伺服螺旋压力机生产效率预测方法及系统
CN116268494A (zh) 一种参数调整方法、装置及电子设备
CN116208297B (zh) 一种数控机床传输数据自适应编码方法、装置及相关设备
JP7207474B1 (ja) 情報処理装置
CN113985730B (zh) 一种基于斜坡响应的一类不稳定对象的闭环辨识方法

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
GR01 Patent grant