CN113053469A - 烘干物料水分预测方法、装置、计算机设备和存储介质 - Google Patents
烘干物料水分预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113053469A CN113053469A CN202110388320.9A CN202110388320A CN113053469A CN 113053469 A CN113053469 A CN 113053469A CN 202110388320 A CN202110388320 A CN 202110388320A CN 113053469 A CN113053469 A CN 113053469A
- Authority
- CN
- China
- Prior art keywords
- dryer
- drying
- dried
- moisture
- air
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本申请涉及一种烘干物料水分预测方法、装置、计算机设备和存储介质,其中方法通过获取用于预测烘干物料水分的必要数据,并根据待烘干物料的配方信息确定对应的烘干物料水分预测模型,进而将烘干区的设定温度、烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,以得到烘干机出料口处的烘干物料水分值,从而实现对烘干物料水分的快速预测,不仅节省了通过抽检的方式评估产品的水分含量的时间成本和人力成本,而且避免了因抽检产品的水分含量不合格而导致的物料浪费。
Description
技术领域
本申请涉及物料烘干技术,特别是涉及一种烘干物料水分预测方法、装置、计算机设备和存储介质。
背景技术
目前,市面上烘干产品的水分要求通常需要达到一个规定值。以宠物粮、饲料为例,如果物料水分值过大,则物料在存储、运输过程中极易发霉;相反如果物料水分值过小,物料适口性降低(动物不喜欢吃),且生产成本增加。
又由于烘干机上游设备(例如膨化机、制粒机等)的产量不平稳,导致进入烘干机内部的物料薄厚不均匀,烘干后的物料水分含量也会有较大差异。因此,为了保证生产出来的产品满足产品水分要求,需要质检员定期测量和评估产品的水分含量。而通过抽检烘干完成后的产品,检测水分是否达标的过程,从产品烘干到检测,整个过程需要1小时左右,若检测产品不合格,则该1小时内的物料都变成了不合格产品。因此,目前通过抽检的方式评估产品的水分含量不仅需要耗费大量的时间和人力,且还会造成大量的物料浪费。
发明内容
基于此,有必要针对上述通过测量和评估产品的水分含量需要耗费大量人力物力且存在浪费的问题,提供一种烘干物料水分预测方法、装置、计算机设备和存储介质。
一种烘干物料水分预测方法,所述方法包括:
获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
在其中一个实施例中,所述烘干物料水分预测模型通过如下方法得到:获取若干个配方信息分别对应的样本物料的训练数据集,所述样本物料的训练数据集包括基于采样周期连续采集的所述烘干机的干燥强度样本、所述烘干机中的空气流速样本、所述烘干机中样本物料的水蒸发表面积、所述烘干机的设定温度样本以及所述烘干机出料口处的样本物料水分标签;对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到所述配方信息对应的标准化后的训练数据;采用所述配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与所述配方信息对应的烘干物料水分预测模型。
在其中一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度;所述获取与烘干机的烘干速率线性相关的参数,包括:获取进入所述烘干机烘干区空气的第一空气温度、第一空气湿度以及从所述烘干区排出空气的第二空气温度和第二空气湿度;基于对应温度下所述空气的饱和湿度、气体常数以及水的摩尔质量,分别获取所述烘干区入口处的第一干燥强度以及所述烘干区出口处的第二干燥强度。
在其中一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中的空气流速;所述获取与烘干机的烘干速率线性相关的参数,包括:获取所述烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率;基于所述烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算所述烘干区中风扇的平均频率,通过所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在其中一个实施例中,所述方法还包括:当有多个所述烘干区,且多个所述烘干区共用一个风扇时,则基于共用所述风扇的多个所述烘干区的数量以及所述风扇的半径和对应的风扇频率,计算多个所述烘干区中风扇的平均频率,通过多个所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在其中一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中待烘干物料的水蒸发表面积;所述获取与烘干机的烘干速率线性相关的参数,包括:获取所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率;基于所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率,确定所述烘干机中待烘干物料的水蒸发表面积。
在其中一个实施例中,所述获取所述烘干机进料口处待烘干物料的水分值,包括:采集所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量;根据所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量,计算得到所述烘干机进料口处待烘干物料的水分值。
一种烘干物料水分预测装置,所述装置包括:
数据获取模块,用于获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
模型确定模块,用于根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
烘干物料水分预测模块,用于将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
上述烘干物料水分预测方法、装置、计算机设备和存储介质,通过获取用于预测烘干物料水分的必要数据,并根据待烘干物料的配方信息确定对应的烘干物料水分预测模型,进而将烘干区的设定温度、烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,以得到烘干机出料口处的烘干物料水分值,从而实现对烘干物料水分的快速预测,不仅节省了通过抽检的方式评估产品的水分含量的时间成本和人力成本,而且避免了因抽检产品的水分含量不合格而导致的物料浪费。
附图说明
图1为一个实施例中烘干物料水分预测方法的应用环境图;
图2为一个实施例中烘干物料水分预测方法的流程示意图;
图3为一个实施例中获取烘干物料水分预测模型步骤的流程示意图;
图4为一个实施例中获取干燥强度步骤的流程示意图;
图5为一个实施例中获取空气流速步骤的流程示意图;
图6为一个实施例中获取水蒸发表面积步骤的流程示意图;
图7为一个实施例中蒸发阶段的示意图;
图8为另一个实施例中烘干物料水分预测方法的流程示意图;
图9为一个实施例中烘干物料水分预测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的烘干物料水分预测方法,可以应用于如图1所示的应用环境中。其中,终端102与烘干机104进行通信连接。终端102通过获取待烘干物料的配方信息、烘干机104烘干区的设定温度以及获取与烘干机104的烘干速率线性相关的参数(包括烘干机104的干燥强度、烘干机104中的空气流速以及烘干机104中待烘干物料的水蒸发表面积),并根据待烘干物料的配方信息确定对应的烘干物料水分预测模型,进而将烘干区的设定温度、烘干机104的干燥强度、烘干机104中的空气流速以及烘干机104中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,以得到烘干机104出料口处的烘干物料水分值,从而实现对烘干物料水分的快速预测,不仅节省了通过抽检的方式评估产品的水分含量的时间成本和人力成本,而且避免了因抽检产品的水分含量不合格而导致的物料浪费。
在一个实施例中,如图2所示,提供了一种烘干物料水分预测方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202,获取用于预测烘干物料水分的必要数据。
其中,用于预测烘干物料水分的必要数据包括:待烘干物料的配方信息、烘干机烘干区的设定温度以及与烘干机的烘干速率线性相关的参数。具体地,与烘干机的烘干速率线性相关的参数包括烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积。在本实施例中,待烘干物料的配方信息是指基于不同目的对各种原材料进行组合的配比,其可以根据具体需要烘干的物料得到。烘干机烘干区的设定温度可以通过读取烘干机的控制数据得到,例如读取烘干机中PID控制器中的相关数据。
由于干燥过程缓慢,因此待烘干物料的表面会存在水,因此,本申请的基本思想是基于待烘干物料的蒸发行为与水面的蒸发相类似的原理。从而通过提取与烘干机的烘干速率线性相关的参数对烘干物料的水分值进行预测,以避免因烘干后产品水分含量不合格而导致物料浪费。具体地,烘干机的干燥强度表征烘干机的干燥能力,也即吸收水分的能力。烘干机中的空气流速则可以直接通过流量计测量得到,又由于烘干机中风扇的频率与风速成正比,因此,烘干机中的空气流速也可以基于烘干机中风扇的频率确定。待烘干物料的水蒸发表面积则可以基于传送物料的传送带尺寸、物料的颗粒尺寸以及物料的质量流量得到。
步骤204,根据待烘干物料的配方信息确定对应的烘干物料水分预测模型。
其中,烘干物料水分预测模型是基于有监督的机器学习模型训练得到,用于预测烘干机出料口处烘干物料的水分值,即预测物料烘干后的水分。
又由于对于不同配方信息的待烘干物料,其对应的各种原材料的组合配比不同,因此其对应于相同烘干条件下的干燥程度也不同。基于此,对于不同配方信息的待烘干物料,可以分别训练对应的烘干物料水分预测模型,从而使得对烘干后物料的水分预测更加准确。在本实施例中,则可以根据待烘干物料的配方信息而确定对应的烘干物料水分预测模型,以通过后续步骤对烘干后物料的水分进行预测。
步骤206,将烘干区的设定温度、烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,得到烘干机出料口处的烘干物料水分值。
由于烘干物料水分预测模型是通过对机器学习模型进行训练后得到的,因此基于一定的输入,模型即可输出预测的烘干后物料的水分值。具体地,通过将上述得到的烘干区的设定温度、烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积,输入训练好的烘干物料水分预测模型,即得到模型输出的烘干机出料口处的烘干物料水分值。
上述烘干物料水分预测方法,通过获取用于预测烘干物料水分的必要数据,并根据待烘干物料的配方信息确定对应的烘干物料水分预测模型,进而将烘干区的设定温度、烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,以得到烘干机出料口处的烘干物料水分值,从而实现对烘干物料水分的快速预测,不仅节省了通过抽检的方式评估产品的水分含量的时间成本和人力成本,而且避免了因抽检产品的水分含量不合格而导致的物料浪费。
在一个实施例中,如图3所示,上述烘干物料水分预测模型可以通过如下方法得到:
步骤302,获取若干个配方信息分别对应的样本物料的训练数据集。
其中,样本物料的训练数据集包括基于采样周期连续采集的烘干机的干燥强度样本、烘干机中的空气流速样本、烘干机中样本物料的水蒸发表面积、烘干机的设定温度样本以及烘干机出料口处的样本物料水分标签。
可以理解的是,上述样本物料的训练数据集可以是在对物料进行烘干过程中采集的真实数据,其主要用于对机器学习模型进行训练,使得机器学习模型可以从大量的训练数据中学习到相应的特征,进而可以用于对烘干物料的水分进行预测。
又由于对于不同配方信息的物料,其对应的各种原材料的组合配比不同,因此其对应于相同烘干条件下的干燥程度也会存在不同。基于此,对于不同配方信息的样本物料,可以分别构建对应的训练数据集,用于训练并得到与配方信息对应的烘干物料水分预测模型,从而使得模型对烘干后物料的水分预测更加准确。
步骤304,对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到配方信息对应的标准化后的训练数据。
其中,标准化处理是指对数据进行同趋化处理,主要解决不同性质数据问题,由于对不同性质指标直接加总不能正确反映不同作用力的综合结果,从而须先考虑改变逆指标数据性质,使所有指标对测评方案的作用力同趋化,再加总才能得出正确结果。在本实施例中,可以采用标准化处理的转化函数对每个配方信息所对应的样本物料的训练数据集中的数据进行标准化处理,具体地,标准化处理的转化函数如下式所示:
其中x*为标准化处理之后的数据,x为原始数据,包括上述训练数据集中烘干机的干燥强度样本、烘干机中的空气流速样本、烘干机中样本物料的水蒸发表面积、烘干机的设定温度样本以及烘干机出料口处的样本物料水分标签,μ为用于模型训练的历史数据的均值,σ为用于模型训练的历史数据的标准差。以烘干机的设定温度样本T为例来说,假设用于模型训练的某一配方信息所对应的样本物料的训练数据集中有N组训练数据,则转化后的数据为: 其中,据此对训练数据集中所有数据进行标准化处理,从而得到标准化处理后的训练数据。
步骤306,采用配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与配方信息对应的烘干物料水分预测模型。
其中,机器学习模型可以采用有监督的线性模型,模型具有大量的待定参数(w1,w2…)和标准线性函数(M=w1d1+w2d2+w3d1d2+…)。其中标准线性函数中的di为模型输入,wi为模型待定参数。在对模型的训练过程中,待定参数(w1,w2…)的值会多次更新,直到M(M为模型输出的样本物料水分值)与实际测量的样本物料水分之间的损失值在一个较小的、且合理的区间内为止,也即两者间的损失达到最小时即得到与配方信息对应的烘干物料水分预测模型。具体的,损失可以采用均方差损失函数或绝对误差损失函数进行计算。在本实施例中,通过采用配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与配方信息对应的烘干物料水分预测模型。
上述实施例中,通过获取若干个配方信息分别对应的样本物料的训练数据集,对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到配方信息对应的标准化后的训练数据,并采用配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与配方信息对应的烘干物料水分预测模型,从而在实际应用时基于待烘干物料的配方信息选择对应的烘干物料水分预测模型,使得模型对烘干后物料的水分预测更加准确。
在一个实施例中,当有多个烘干区时,则可以基于每一个烘干区设置一个对应的烘干物料水分预测模型,进而将每个烘干区的设定温度、每个烘干区的干燥强度、每个烘干区的空气流速以及每个烘干区中待烘干物料的水蒸发表面积输入烘干物料水分预测模型,以得到对应烘干区出料口处的物料水分值,且预测的上游烘干区出料口处的物料水分值为相邻下游烘干区进料口处的物料水分值,预测的最后一个烘干区出料口处的物料水分值则为烘干机出料口处的物料水分值,即为预测的烘干产品的水分值。
在一个实施例中,如图4所示,与烘干机的烘干速率线性相关的参数包括烘干机的干燥强度,则获取与烘干机的烘干速率线性相关的参数,包括如下步骤:
步骤402,获取进入烘干机烘干区空气的第一空气温度、第一空气湿度以及从烘干区排出空气的第二空气温度和第二空气湿度。
其中,第一空气温度和第一空气湿度可以通过安装在烘干区进气口处的传感器检测得到,第二空气温度和第二空气湿度则可以通过安装在烘干区出气口处的传感器检测得到。由于烘干机的干燥强度表征烘干机的干燥能力,而烘干机的干燥工作通常由烘干区完成,因此,烘干机的干燥能力具体是指烘干区的干燥能力。基于此,通过获取烘干区进气口处的温湿度以及烘干区出气口处的温湿度,进而采用后续步骤确定烘干区的干燥强度。
步骤404,基于对应温度下空气的饱和湿度、气体常数以及水的摩尔质量,分别获取烘干区入口处的第一干燥强度以及烘干区出口处的第二干燥强度。
其中,气体常数(又称通用或理想气体常数,通常用符号R表示)是一个在物态方程中联系各个热力学函数的物理常数,其是表征理想气体性质的一个常数。水的摩尔质量表示单位摩尔的水的质量,其同样为物理常数。对应温度下空气的饱和湿度是指在一定温度下,单位容积空气中所能容纳的水汽量的最大限度,当温度一定时,其对应的饱和湿度为常数。具体地,基于第一空气温度和第二空气温度可以分别确定对应的空气饱和湿度。
在本实施例中,基于烘干区进气口处的温湿度、烘干区出气口处的温湿度、对应温度下空气的饱和湿度、气体常数以及水的摩尔质量,可以通过下述公式计算得到烘干区的干燥强度:
其中,Df为烘干区的干燥强度,S表示空气的饱和湿度,R为气体常数,mw表示水的摩尔质量,A为测量的烘干区的湿度,T为测量的烘干区的温度。
具体地,对于烘干区入口处的第一干燥强度以及烘干区出口处的第二干燥强度,则可以基于上述公式分别代入对应的参数进行计算即可。例如,基于烘干区进气口处的第一空气温度、第一空气湿度以及与第一空气温度对应的空气的饱和湿度和气体常数R、水的摩尔质量mw,代入上式即可得到烘干区入口处的第一干燥强度。同理,基于上式代入烘干区出气口处的相关参数,即可得到对应烘干区出口处的第二干燥强度。可以理解的是,当烘干机中存在多个烘干区时,据此可以分别得到每个烘干区入口处的第一干燥强度以及每个烘干区出口处的第二干燥强度。
上述实施例中,通过获取烘干区进气口处以及出气口处的温湿度,并将其转换为对应烘干区进气口处以及出气口处的干燥强度,从而便于评估烘干区的干燥能力,以实现预测烘干物料的水分值。
在一个实施例中,如图5所示,与烘干机的烘干速率线性相关的参数包括烘干机中的空气流速,则获取与烘干机的烘干速率线性相关的参数,包括:
步骤502,获取烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率。
由于空气流速是指单位时间内通过的气体的体积大小,因此,当气体流动越快,则单位时间内通过的气体的体积越大。而烘干区中风扇的转动频率越高,则对应烘干区中空气的流动就越快,因此,烘干区中的空气流速与风扇频率成正比。
步骤504,基于烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算烘干区中风扇的平均频率,通过烘干区中风扇的平均频率计算烘干区的空气流速。
在本实施例中,当烘干区仅有一个风扇时,则可以基于该风扇的频率计算对应烘干区中的空气流速。而当烘干区有多个风扇时,则可以获取该烘干区中多个风扇的数量,以及每个风扇的半径和对应的风扇频率,进而计算该烘干区中风扇的平均频率,从而通过平均频率计算对应烘干区的空气流速。而当有多个烘干区时,则可以基于每一个烘干区中风扇的数量以及风扇频率而计算对应烘干区的平均频率,并通过平均频率计算对应烘干区的空气流速。具体地,可以通过如下公式计算每个烘干区的平均频率:
其中n是烘干区的数量,i是指第i个烘干区,m是对应烘干区中风扇的数量,j是指某一烘干区中的第j个风扇,rij是指第i个烘干区中第j个风扇的半径,fij是指第i个烘干区中第j个风扇的风扇频率。
在一个实施例中,当有多个烘干区,且多个烘干区共用一个风扇时,则基于共用风扇的多个烘干区的数量以及风扇的半径和对应的风扇频率,计算多个烘干区中风扇的平均频率,并通过多个烘干区中风扇的平均频率计算烘干区的空气流速。具体地,可以通过如下公式计算烘干区的平均频率:
其中n是烘干区的数量,i是指第i个烘干区,m是指风扇的数量,j是指第j个风扇,rij是指第i个烘干区中第j个风扇的半径,fij是指第i个烘干区中第j个风扇的风扇频率,nj是风扇j被共用的烘干区的数量,例如,当有三个烘干区共用某一风扇j时,则nj为3。
进一步地,通过烘干区中风扇的平均频率计算烘干区的空气流速,具体可以通过如下方法实现:
若烘干机内烘干区的横截面积为A,已知风扇在烘干区内以f10=10Hz频率运行时的风量为Q10,则风扇以其他任意频率f运行时的空气流速v可以通过下式计算得到:
同理,若烘干区内风扇的平均频率为favg,则烘干区内的空气流速v可以通过下式计算得到:
上述实施例中,通过获取烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率,并基于烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算烘干区中风扇的平均频率,进而通过烘干区中风扇的平均频率计算烘干区的空气流速,从而能够得到较为精确的空气流速,有助于提高对烘干物料水分值预测的准确性。
在一个实施例中,如图6所示,与烘干机的烘干速率线性相关的参数包括烘干机中待烘干物料的水蒸发表面积,则获取与烘干机的烘干速率线性相关的参数,包括:
步骤602,获取烘干机进料口处待烘干物料的水分值、待烘干物料的质量流量以及烘干机上游设备的切刀频率。
由于本申请是基于待烘干物料的蒸发行为与水面的蒸发相类似的原理,因此,对于待烘干物料中蒸发的水可以分为三个阶段,如图7所示,当水分含量高时,待烘干物料完全被水膜覆盖,蒸发表面保持恒定,即处于恒定速率。随着水分含量的下降,蒸发进入第一下降速率。在该阶段,被水覆盖的物料表面的百分比与水分含量成正比。而当水分含量非常低时,蒸发进入第二下降速率,在此期间,水在蒸发之前不会到达表面。在干燥应用中,蒸发将处于第一下降速率。因此,烘干机中待烘干物料的水蒸发表面积与待烘干物料的水分值以及物料的表面积相关。又由于物料的表面积可以基于传送物料所使用的传送带尺寸、物料的尺寸以及物料的质量流量来计算,而传送物料所使用的传送带尺寸恒定,但是通常物料的尺寸较难测量,又由于物料的尺寸又与烘干机上游设备中切割机的切刀频率相关。基于此,在本实施例中,通过获取烘干机进料口处待烘干物料的水分值、待烘干物料的质量流量以及烘干机上游设备的切刀频率,从而可以确定烘干机中待烘干物料的水蒸发表面积。
步骤604,基于烘干机进料口处待烘干物料的水分值、待烘干物料的质量流量以及烘干机上游设备的切刀频率,确定烘干机中待烘干物料的水蒸发表面积。
在本实施例中,基于上述获取的数据通过计算即可得到烘干机中待烘干物料的水蒸发表面积。
具体地,烘干机上游设备的切刀频率可以直接从对上游设备的监测数据中得到。烘干机进料口处待烘干物料的水分值是指物料烘干前的水分,质量流量是单位时间里流体通过封闭管道或敞开槽有效截面的流体质量。其可以通过设置在烘干机上游设备出口处或烘干机入口处的水分检测仪以及流量检测仪检测得到,也可以通过上游设备的相关数据计算得到,例如,若上游设备是膨化机,则可以通过膨化机物料质量流量、调制器加水量、调制器加蒸汽量、膨化机加蒸汽量等数据,并结合相应的计算公式间接计算获得。
以下详细介绍基于间接方式计算上述参数的过程,例如,若上游设备是挤出机,则首先计算膨化机中的总水流量TWF。
TWF=mrMr+sp+wp+sb+wb
其中,mr物料的物质流量,Mr为物料的水分值,sp为调制器的蒸汽流量,wp为调制器的水流量,sb为膨化腔蒸汽流量,wb为膨化腔水流量,而sp、wp、sb以及wb为可以直接采集的数据。然后计算膨化机质量流量EMF。
EMF=mr+sp+wp+sb+wb
进而可以通过以下公式计算进入烘干机的物料的水分值Mm。
接下来,计算膨化机出料筒中的估计比热cpb。
其中,cpaf为特定的热调节系数,通常为常数。
而物料离开膨化机时蒸发掉的水量则可以通过以下方式估算:
其中,we为蒸发掉的水量,L为蒸发到大气的潜热常数。
最后,基于质量平衡原理即可计算出挤出机的输出水分M和物质流量m。
m=EMF(1-we)
在一个实施例中,如图8所示,以下通过一个具体的实施例进一步说明本申请的方法:
步骤802,通过采集训练数据集,并训练机器学习模型,得到与配方信息对应的烘干物料水分预测模型。
具体地,模型通过拟合训练数据集,从而可以对尚未知道水分含量的新数据做出预测。模型的具体训练过程可以参照如图3所示的方法,本实施例中不再对此进行赘述。
步骤804,获取用于预测烘干物料水分的必要数据。
其中,必要数据包括待烘干物料的配方信息、烘干机烘干区的设定温度以及与烘干机的烘干速率线性相关的参数,而与烘干机的烘干速率线性相关的参数又包括烘干机的干燥强度、烘干机中的空气流速以及烘干机中待烘干物料的水蒸发表面积。这些数据的具体获取可以参考上述实施例中对应的方法,本实施例中不再进行赘述。
步骤806,根据待烘干物料的配方信息确定对应的烘干物料水分预测模型。
步骤808,将上述获取的必要数据输入烘干物料水分预测模型,得到模型输出的烘干机出料口处的烘干物料水分值。
具体地,将上述烘干机烘干区的设定温度以及与烘干机的烘干速率线性相关的参数作为模型的输入,使得模型输出对尚未进行干燥的物料的干燥后的水分进行预测的值。
上述实施例中,由于模型基于一定的输入,可以输出对物料进行烘干后水分的预测值,因此,不仅节省了通过抽检的方式评估产品的水分含量的时间成本和人力成本,而且避免了因抽检产品的水分含量不合格而导致的物料浪费。
应该理解的是,虽然图1-图8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-图8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种烘干物料水分预测装置,包括:数据获取模块902、模型确定模块904和烘干物料水分预测模块906,其中:
数据获取模块902,用于获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
模型确定模块904,用于根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
烘干物料水分预测模块906,用于将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
在一个实施例中,上述装置还包括烘干物料水分预测模型建立模块,用于获取若干个配方信息分别对应的样本物料的训练数据集,所述样本物料的训练数据集包括基于采样周期连续采集的所述烘干机的干燥强度样本、所述烘干机中的空气流速样本、所述烘干机中样本物料的水蒸发表面积、所述烘干机的设定温度样本以及所述烘干机出料口处的样本物料水分标签;对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到所述配方信息对应的标准化后的训练数据;采用所述配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与所述配方信息对应的烘干物料水分预测模型。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度;所述数据获取模块具体用于:获取进入所述烘干机烘干区空气的第一空气温度、第一空气湿度以及从所述烘干区排出空气的第二空气温度和第二空气湿度;基于对应温度下所述空气的饱和湿度、气体常数以及水的摩尔质量,分别获取所述烘干区入口处的第一干燥强度以及所述烘干区出口处的第二干燥强度。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中的空气流速;所述数据获取模块具体用于:获取所述烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率;基于所述烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算所述烘干区中风扇的平均频率,通过所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,所述数据获取模块具体还用于:当有多个所述烘干区,且多个所述烘干区共用一个风扇时,则基于共用所述风扇的多个所述烘干区的数量以及所述风扇的半径和对应的风扇频率,计算多个所述烘干区中风扇的平均频率,通过多个所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中待烘干物料的水蒸发表面积;所述数据获取模块具体用于:获取所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率;基于所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率,确定所述烘干机中待烘干物料的水蒸发表面积。
在一个实施例中,所述数据获取模块具体还用于:采集所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量;根据所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量,计算得到所述烘干机进料口处待烘干物料的水分值。
关于烘干物料水分预测装置的具体限定可以参见上文中对于烘干物料水分预测方法的限定,在此不再赘述。上述烘干物料水分预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种烘干物料水分预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取若干个配方信息分别对应的样本物料的训练数据集,所述样本物料的训练数据集包括基于采样周期连续采集的所述烘干机的干燥强度样本、所述烘干机中的空气流速样本、所述烘干机中样本物料的水蒸发表面积、所述烘干机的设定温度样本以及所述烘干机出料口处的样本物料水分标签;对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到所述配方信息对应的标准化后的训练数据;采用所述配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与所述配方信息对应的烘干物料水分预测模型。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度;处理器执行计算机程序时还实现以下步骤:获取进入所述烘干机烘干区空气的第一空气温度、第一空气湿度以及从所述烘干区排出空气的第二空气温度和第二空气湿度;基于对应温度下所述空气的饱和湿度、气体常数以及水的摩尔质量,分别获取所述烘干区入口处的第一干燥强度以及所述烘干区出口处的第二干燥强度。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中的空气流速;处理器执行计算机程序时还实现以下步骤:获取所述烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率;基于所述烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算所述烘干区中风扇的平均频率,通过所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当有多个所述烘干区,且多个所述烘干区共用一个风扇时,则基于共用所述风扇的多个所述烘干区的数量以及所述风扇的半径和对应的风扇频率,计算多个所述烘干区中风扇的平均频率,通过多个所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中待烘干物料的水蒸发表面积;处理器执行计算机程序时还实现以下步骤:获取所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率;基于所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率,确定所述烘干机中待烘干物料的水蒸发表面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:采集所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量;根据所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量,计算得到所述烘干机进料口处待烘干物料的水分值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取若干个配方信息分别对应的样本物料的训练数据集,所述样本物料的训练数据集包括基于采样周期连续采集的所述烘干机的干燥强度样本、所述烘干机中的空气流速样本、所述烘干机中样本物料的水蒸发表面积、所述烘干机的设定温度样本以及所述烘干机出料口处的样本物料水分标签;对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到所述配方信息对应的标准化后的训练数据;采用所述配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与所述配方信息对应的烘干物料水分预测模型。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度;计算机程序被处理器执行时还实现以下步骤:获取进入所述烘干机烘干区空气的第一空气温度、第一空气湿度以及从所述烘干区排出空气的第二空气温度和第二空气湿度;基于对应温度下所述空气的饱和湿度、气体常数以及水的摩尔质量,分别获取所述烘干区入口处的第一干燥强度以及所述烘干区出口处的第二干燥强度。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中的空气流速;计算机程序被处理器执行时还实现以下步骤:获取所述烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率;基于所述烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算所述烘干区中风扇的平均频率,通过所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当有多个所述烘干区,且多个所述烘干区共用一个风扇时,则基于共用所述风扇的多个所述烘干区的数量以及所述风扇的半径和对应的风扇频率,计算多个所述烘干区中风扇的平均频率,通过多个所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
在一个实施例中,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中待烘干物料的水蒸发表面积;计算机程序被处理器执行时还实现以下步骤:获取所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率;基于所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率,确定所述烘干机中待烘干物料的水蒸发表面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:采集所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量;根据所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量,计算得到所述烘干机进料口处待烘干物料的水分值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种烘干物料水分预测方法,其特征在于,所述方法包括:
获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
2.根据权利要求1所述的方法,其特征在于,所述烘干物料水分预测模型通过如下方法得到:
获取若干个配方信息分别对应的样本物料的训练数据集,所述样本物料的训练数据集包括基于采样周期连续采集的所述烘干机的干燥强度样本、所述烘干机中的空气流速样本、所述烘干机中样本物料的水蒸发表面积、所述烘干机的设定温度样本以及所述烘干机出料口处的样本物料水分标签;
对每个配方信息所对应的样本物料的训练数据集进行标准化处理,得到所述配方信息对应的标准化后的训练数据;
采用所述配方信息对应的标准化后的训练数据训练机器学习模型,直到损失函数达到最小值时,得到与所述配方信息对应的烘干物料水分预测模型。
3.根据权利要求1所述的方法,其特征在于,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度;所述获取与烘干机的烘干速率线性相关的参数,包括:
获取进入所述烘干机烘干区空气的第一空气温度、第一空气湿度以及从所述烘干区排出空气的第二空气温度和第二空气湿度;
基于对应温度下所述空气的饱和湿度、气体常数以及水的摩尔质量,分别获取所述烘干区入口处的第一干燥强度以及所述烘干区出口处的第二干燥强度。
4.根据权利要求1所述的方法,其特征在于,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中的空气流速;所述获取与烘干机的烘干速率线性相关的参数,包括:
获取所述烘干机中各烘干区的风扇数量以及每个风扇的半径和对应的风扇频率;
基于所述烘干区中的风扇数量以及每个风扇的半径和对应的风扇频率,计算所述烘干区中风扇的平均频率,通过所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当有多个所述烘干区,且多个所述烘干区共用一个风扇时,则基于共用所述风扇的多个所述烘干区的数量以及所述风扇的半径和对应的风扇频率,计算多个所述烘干区中风扇的平均频率,通过多个所述烘干区中风扇的平均频率计算所述烘干区的空气流速。
6.根据权利要求1所述的方法,其特征在于,所述与烘干机的烘干速率线性相关的参数包括所述烘干机中待烘干物料的水蒸发表面积;所述获取与烘干机的烘干速率线性相关的参数,包括:
获取所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率;
基于所述烘干机进料口处待烘干物料的水分值、所述待烘干物料的质量流量以及所述烘干机上游设备的切刀频率,确定所述烘干机中待烘干物料的水蒸发表面积。
7.根据权利要求6所述的方法,其特征在于,所述获取所述烘干机进料口处待烘干物料的水分值,包括:
采集所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量;
根据所述烘干机上游设备中调制器的加水量和加蒸汽量以及所述上游设备中的物料质量流量,计算得到所述烘干机进料口处待烘干物料的水分值。
8.一种烘干物料水分预测装置,其特征在于,所述装置包括:
数据获取模块,用于获取待烘干物料的配方信息、烘干机烘干区的设定温度以及获取与烘干机的烘干速率线性相关的参数,所述与烘干机的烘干速率线性相关的参数包括所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积;
模型确定模块,用于根据所述待烘干物料的配方信息确定对应的烘干物料水分预测模型;
烘干物料水分预测模块,用于将所述烘干区的设定温度、所述烘干机的干燥强度、所述烘干机中的空气流速以及所述烘干机中待烘干物料的水蒸发表面积输入所述烘干物料水分预测模型,得到所述烘干机出料口处的烘干物料水分值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388320.9A CN113053469B (zh) | 2021-04-12 | 2021-04-12 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388320.9A CN113053469B (zh) | 2021-04-12 | 2021-04-12 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113053469A true CN113053469A (zh) | 2021-06-29 |
CN113053469B CN113053469B (zh) | 2022-06-21 |
Family
ID=76519250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110388320.9A Active CN113053469B (zh) | 2021-04-12 | 2021-04-12 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113053469B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114035629A (zh) * | 2021-10-20 | 2022-02-11 | 科大讯飞股份有限公司 | 干化设备的控制方法及相关设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805452A (en) * | 1996-08-01 | 1998-09-08 | The United States Of America As Represented By The Secretary Of Agriculture | System and method for materials process control |
US20050050759A1 (en) * | 2003-08-11 | 2005-03-10 | Manufacturing And Technology Conversion International, Inc. | Efficient and cost-effective biomass drying |
CN101792981A (zh) * | 2010-03-23 | 2010-08-04 | 华南理工大学 | 一种造纸机干燥部能量系统优化控制系统 |
CN102270265A (zh) * | 2010-06-07 | 2011-12-07 | 鞍钢股份有限公司 | 一种混合料水分在线检测方法 |
US20140360045A1 (en) * | 2013-06-06 | 2014-12-11 | Instituto Nacional De Tecnologia Agropecuaria | Procedure and facility for grain moisture control |
CN105289017A (zh) * | 2015-11-12 | 2016-02-03 | 佛山市高明晟俊塑料助剂有限公司 | 一种环氧大豆油的干燥装置及干燥方法 |
CN106227038A (zh) * | 2016-07-29 | 2016-12-14 | 中国人民解放军信息工程大学 | 基于神经网络和模糊控制的粮食烘干塔智能控制方法 |
CN106289979A (zh) * | 2016-09-09 | 2017-01-04 | 中国地质大学(武汉) | 非饱和土抗拉强度测试装置及测试方法 |
CN109042870A (zh) * | 2018-07-16 | 2018-12-21 | 浙江工业大学 | 一种高品质稻谷的干燥方法 |
CN109063320A (zh) * | 2018-07-27 | 2018-12-21 | 江苏大学 | 一种预测链篦机鼓风干燥段球团干燥过程的数值计算方法 |
CN109313407A (zh) * | 2016-08-04 | 2019-02-05 | 惠普印迪格公司 | 涂有底漆的基材的用以评估干燥状态的在线表面电阻测量 |
CN109998141A (zh) * | 2019-04-30 | 2019-07-12 | 贵州中烟工业有限责任公司 | 一种烘丝机出口水分的控制方法 |
CN111887460A (zh) * | 2019-05-05 | 2020-11-06 | 贵州中烟工业有限责任公司 | 烟草烘丝水分和温度控制预测系统及方法 |
CN112387208A (zh) * | 2020-11-17 | 2021-02-23 | 山东新马制药装备有限公司 | 基于近红外及分布式预测控制的药用流化床控制系统 |
CN112629239A (zh) * | 2020-12-23 | 2021-04-09 | 柳州市汇方科技有限公司 | 一种提高自动烘干设备的烘干效率的方法和装置 |
-
2021
- 2021-04-12 CN CN202110388320.9A patent/CN113053469B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805452A (en) * | 1996-08-01 | 1998-09-08 | The United States Of America As Represented By The Secretary Of Agriculture | System and method for materials process control |
US20050050759A1 (en) * | 2003-08-11 | 2005-03-10 | Manufacturing And Technology Conversion International, Inc. | Efficient and cost-effective biomass drying |
CN101792981A (zh) * | 2010-03-23 | 2010-08-04 | 华南理工大学 | 一种造纸机干燥部能量系统优化控制系统 |
CN102270265A (zh) * | 2010-06-07 | 2011-12-07 | 鞍钢股份有限公司 | 一种混合料水分在线检测方法 |
US20140360045A1 (en) * | 2013-06-06 | 2014-12-11 | Instituto Nacional De Tecnologia Agropecuaria | Procedure and facility for grain moisture control |
CN105289017A (zh) * | 2015-11-12 | 2016-02-03 | 佛山市高明晟俊塑料助剂有限公司 | 一种环氧大豆油的干燥装置及干燥方法 |
CN106227038A (zh) * | 2016-07-29 | 2016-12-14 | 中国人民解放军信息工程大学 | 基于神经网络和模糊控制的粮食烘干塔智能控制方法 |
CN109313407A (zh) * | 2016-08-04 | 2019-02-05 | 惠普印迪格公司 | 涂有底漆的基材的用以评估干燥状态的在线表面电阻测量 |
CN106289979A (zh) * | 2016-09-09 | 2017-01-04 | 中国地质大学(武汉) | 非饱和土抗拉强度测试装置及测试方法 |
CN109042870A (zh) * | 2018-07-16 | 2018-12-21 | 浙江工业大学 | 一种高品质稻谷的干燥方法 |
CN109063320A (zh) * | 2018-07-27 | 2018-12-21 | 江苏大学 | 一种预测链篦机鼓风干燥段球团干燥过程的数值计算方法 |
CN109998141A (zh) * | 2019-04-30 | 2019-07-12 | 贵州中烟工业有限责任公司 | 一种烘丝机出口水分的控制方法 |
CN111887460A (zh) * | 2019-05-05 | 2020-11-06 | 贵州中烟工业有限责任公司 | 烟草烘丝水分和温度控制预测系统及方法 |
CN112387208A (zh) * | 2020-11-17 | 2021-02-23 | 山东新马制药装备有限公司 | 基于近红外及分布式预测控制的药用流化床控制系统 |
CN112629239A (zh) * | 2020-12-23 | 2021-04-09 | 柳州市汇方科技有限公司 | 一种提高自动烘干设备的烘干效率的方法和装置 |
Non-Patent Citations (3)
Title |
---|
XUEQIANG LIU等: "A neural network for predicting moisture content of grain drying process using genetic algorithm", 《FOOD CONTROL》 * |
张琦等: "水产饲料含水率预测模型研究", 《中国农机化学报》 * |
李进军: "氰菊酸新型干燥工艺及关键设备研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114035629A (zh) * | 2021-10-20 | 2022-02-11 | 科大讯飞股份有限公司 | 干化设备的控制方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113053469B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113157018B (zh) | 烘干机温度的控制方法、装置、计算机设备和存储介质 | |
Karim et al. | Drying characteristics of banana: theoretical modelling and experimental validation | |
Zare et al. | A generalized dimensionless model for deep bed drying of paddy | |
CN113048780A (zh) | 烘干机的控制方法、装置、计算机设备和存储介质 | |
CN113048777A (zh) | 基于出料水分含量的烘干机控制方法、装置和计算机设备 | |
CN113053469B (zh) | 烘干物料水分预测方法、装置、计算机设备和存储介质 | |
Xanthopoulos et al. | Evaluation of thin-layer models for mushroom (Agaricus bisporus) drying | |
CN112859977A (zh) | 基于人工智能的烘干机控制方法、控制系统和计算机设备 | |
Curcio | A multiphase model to analyze transport phenomena in food drying processes | |
Song et al. | Dynamic characteristics of solids transportation in rotary dryers | |
Adapa et al. | Performance study of a re-circulating cabinet dryer using a household dehumidifier | |
Sadeghi et al. | Direct calculation of thermodynamic wet-bulb temperature as a function of pressure and elevation | |
Zbiciński et al. | Conditions for accurate CFD modeling of spray-drying process | |
Mukhopadhyay et al. | Effect of airflow rate on drying air and moisture content profiles inside a cross-flow drying column | |
Kaushik et al. | An approach for the development of a sensing system to monitor contamination in stored grain | |
Cadavid et al. | Analysis of potential energy savings in a rotary dryer for clay drying using data mining techniques | |
CN113156807A (zh) | 烘干机的控制方法、装置、计算机设备和存储介质 | |
CN108519171B (zh) | 一种仓储谷物粮情的判定方法 | |
Çelik et al. | Development of an integrated corn dryer with an indirect moisture measuring system | |
CN113096747A (zh) | 烘干机出料水分含量预测方法、装置和计算机设备 | |
Guilbert et al. | Linking degree of saturation with the complex dielectric permittivity of limestone in a GPR frequency band using SVR | |
Mellmann et al. | Experiments on hot-air drying of wheat in a semi-technical mixed-flow dryer | |
Jian et al. | A new mathematical model to simulate sorption, desorption and hysteresis of stored canola during aeration | |
Ranjbaran et al. | A mathematical model of commodity wet-bulb temperature (CWBT) for grain storage applications | |
CN113110324A (zh) | 烘干机参数优化模型的训练方法、装置和计算机设备 |
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 |