CN116520919A - 一种黄茶闷黄加工装备的温湿度解耦控制方法 - Google Patents
一种黄茶闷黄加工装备的温湿度解耦控制方法 Download PDFInfo
- Publication number
- CN116520919A CN116520919A CN202310510504.7A CN202310510504A CN116520919A CN 116520919 A CN116520919 A CN 116520919A CN 202310510504 A CN202310510504 A CN 202310510504A CN 116520919 A CN116520919 A CN 116520919A
- Authority
- CN
- China
- Prior art keywords
- beta
- yellow
- exhaust fan
- temperature
- humidity
- 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 29
- 235000020338 yellow tea Nutrition 0.000 title claims abstract description 27
- 238000007789 sealing Methods 0.000 claims abstract description 67
- 235000013616 tea Nutrition 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 28
- 241001122767 Theaceae Species 0.000 claims abstract 11
- 238000010438 heat treatment Methods 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 5
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010025 steaming Methods 0.000 claims description 2
- 238000004378 air conditioning Methods 0.000 claims 2
- 230000001537 neural effect Effects 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 3
- 244000269722 Thea sinensis Species 0.000 description 39
- 210000002569 neuron Anatomy 0.000 description 31
- 230000009467 reduction Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000009569 green tea Nutrition 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 235000000346 sugar Nutrition 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/90—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in food processing or handling, e.g. food conservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Tea And Coffee (AREA)
Abstract
本发明公开了一种黄茶闷黄加工装备的温湿度解耦控制方法,包括:1、调节闷黄箱体内茶叶的厚度和闷黄时间,2、粗调闷黄箱体内的温湿度及均匀性,3、利用二型模糊神经网络精调闷黄箱体内的温度,4、利用温湿度解耦规则精调闷黄箱体内的湿度。本发明能按照给定参数调整茶叶的厚度和闷黄时间,控制茶叶闷黄过程中温湿度的准确性和均匀性,从而能保证闷黄后茶叶的良好品质与均匀度,并能降低工人的劳动强度。
Description
技术领域
本发明涉及茶叶加工领域,具体是一种黄茶闷黄加工装备的温湿度解耦控制方法。
背景技术
黄茶为我国特有的茶类,其加工工艺与广泛流行的绿茶加工工艺较为接近,但与绿茶相比又多了闷黄工序,属于轻度发酵茶。闷黄就是在湿热环境下,茶叶中的叶绿素被破坏而后发生变化,使茶叶呈现出特有的黄色,造就了黄茶独特的黄汤黄叶的品质特点,而且闷黄时茶叶内部在湿热环境下产生理化反应,使得黄茶滋味甘醇,香气浓郁。闷黄的温度、湿度和时间是影响黄茶品质形成的重要的因素。闷黄时间不足则黄茶色泽偏绿,滋味偏向于绿茶;闷黄时间过长则黄茶色泽偏暗,有水闷味。闷黄温度过低则导致黄茶黄变不充分,温度过高则导致茶多酚、氨基酸和可溶性糖等品质成分消耗过度。闷黄湿度较低则导致黄变不明显,闷黄湿度较高导致水闷气味明显。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种黄茶闷黄加工装备的温湿度解耦控制方法,以期能按照给定参数调整茶叶的厚度和闷黄时间,控制茶叶闷黄过程中温湿度的准确性和均匀性,从而能保证闷黄后茶叶的良好品质与均匀度,并能降低工人的劳动强度。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种黄茶闷黄加工装备的温湿度解耦控制方法,所述一种黄茶闷黄加工装备包括:入料输送机、出料输送机、闷黄箱体、加热加湿装置;所述闷黄箱体为上层和下层的两层式结构,并包括:均叶调节座、输送链板、电机主动轮、链板轮;所述加热加湿装置包括:调风机构、加热炉、抽风风机,所述调风机构包括:第二电机,所述加热炉内有N个加热板;在所述闷黄箱体内的上层入风口、下层入风口、上层出风口、下层出风口处分别设置有一个温湿度传感器,在所述加热炉的出风口处设置有一个温度传感器;其特点在于,所述控制方法是按如下步骤进行:
步骤1:设置茶叶闷黄的目标温度为T,茶叶闷黄的目标湿度为H,茶叶闷黄的厚度为D,茶叶闷黄的时间为S;
步骤2:调节所述均叶调节座的位置,使所述输送链板上的茶叶厚度为D;
步骤3:利用式(1-1)计算第一电机的转速n1以控制所述输送链板的运动速度;
式(1-1)中,L1为所述输送链板的长度,R为所述电机主动轮的半径,i为链板轮与所述电机主动轮之间的半径比;
步骤4:分别利用四个温湿度传感器获取p时刻下所述闷黄箱体内上层入风口处的气体温度t1(p)和湿度h1(p)、下层入风口处的气体温度t2(p)和湿度h2(p)、上层出风口处的气体温度为t3(p)和湿度h3(p)、下层出风口处的温度为t4(p)和湿度h4(p);
利用所述温度传感器器获取p时刻下加热炉的出风口处气体的温度t5(p);
利用式(1-2)计算p时刻下所述闷黄箱体内的平均温度t(p),利用式(1-3)计算p时刻下所述闷黄箱体内的平均湿度h(p),利用式(1-4)计算p时刻下所述闷黄箱体内的上层平均温度t上(p),利用式(1-5)计算p时刻下所述闷黄箱体内的下层平均温度t下(p),利用式(1-6)计算p时刻下所述闷黄箱体内的上层平均湿度t上(p),利用式(1-7)计算p时刻下所述闷黄箱体内的下层平均湿度h下(p):
步骤5:若t(p)≤T-δ1,则执行步骤6;若t(p)≥T+δ2,则执行步骤7;若T-δ1≤t(p)≤T+δ2,则执行步骤8;其中,δ1表示第一温度差值,δ2表示第二温度差值,且δ1∈(0,5℃],δ2∈(0,3℃];
步骤6:利用式(1-8)计算所述抽风风机和加热炉的运行时间d1,并控制所述抽风风机以频率为q在所述运行时间d1内运行、控制所述加热炉打开N个加热板在所述运行时间d1内运行后,执行步骤8;
式(1-8)中,c为所述闷黄箱体内茶叶的比热容,m为所述闷黄箱体内茶叶的质量,P为加热炉打开所有加热板时的功率,α1为第一调整系数,且α1∈[0.5,1];
步骤7:控制所述抽风风机以频率为q运行,所述加热炉不打开加热板,直至t(p)≤T+α2×δ2后,执行步骤8;其中,α2为第二调整系数,且α2∈[0,0.5];
步骤8:利用式(1-9)计算p时刻下所述闷黄箱体的温度差值et(p)、利用式(1-10)计算p时刻下所述闷黄箱体的加热温度差et5(p),并以温度差值et(p)、加热温度差et5(p)作为训练后的二型模糊神经网络的输入,并由所述二型模糊神经网络输出所述加热板的打开数量与总数之比y(p),从而将y(p)×N取整后赋值给加热板的实际打开数量n,以控制加热炉打开n个加热板后,进入步骤9;
et(p)=t(p)-T (1-9)
et5(p)=t5(p)-T (1-10)
步骤9:若t上(p)>t下(p),则执行步骤10;若t上(p)<t下(p),则执行步骤11;若t上(p)=t下(p),则执行步骤12;
步骤10:若t上(p)-t下(p)>δ3,则第二电机时针转动θ1,并进入步骤12;
若δ4≤t上(p)-t下(p)≤δ3,则第二电机顺时针转动θ2,并进入步骤12;
若t上(p)-t下(p)<δ4,则第二电机顺时针转动θ3,并进入步骤12;
其中,δ3为第三温度差值,δ4为第四温度差值,θ1为第一转动角度,θ2为第二转动角度,θ3为第三转动角度,且0<δ4<δ3≤3℃,0<θ3<θ2<θ1≤5°;
步骤11:若t下(p)-t上(p)>δ3,则第二电机逆时针转动θ1,并进入步骤12;
若δ4≤t下(p)-t上(p)≤δ3,则第二电机逆时针转动θ2,并进入步骤12;
若t下(p)-t上(p)<δ4,则第二电机逆时针转动θ3,并进入步骤12;
步骤12:打开蒸汽阀后,利用式(1-11)计算p时刻下所述闷黄箱体的湿度差值eh(p),利用式(1-12)计算p时刻下所述闷黄箱体的体温度差值的变化率det(p),并进入步骤13;
eh(p)=h(p)-H (1-11)
式(1-11)和式(1-12)中,et(p)为p时刻下所述闷黄箱体的温度差值,et(p-1)为p-1时刻与p时刻之间所述闷黄箱体的温度差值,Time为温度的采样周期;
步骤13:若det(p)∈(-ξ1,ξ1),则进入步骤14;若det(p)∈(-∞,-ξ1],则进入步骤15;若det(p)∈[ξ1,+∞),则进入步骤16;其中,ξ1为第一温度差值的变化率;
步骤14:若eh(p)>φ2,则将q+β1赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
若φ1<eh≤φ2,则将q+β2赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
若-φ1<eh≤φ1,则将q+β3赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
若-φ2<eh≤-φ1,则将q+β4赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
若eh≤-φ2,则将q+β5赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β1为抽风风机中变频器的第一调整值,β2为抽风风机中变频器的第二调整值,β3为抽风风机中变频器的第三调整值,β4为抽风风机中变频器的第四调整值,β5为抽风风机中变频器的第五调整值,φ1为第一湿度差值,φ2为第二湿度差值,且β1>β2>β3=0>β4>β5,φ2>φ1>0;
步骤15:若eh≤-φ2,则将q+β6赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β6为抽风风机中变频器的第六调整值;
若-φ2<eh≤-φ1,则将q+β7赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β7为抽风风机中变频器的第七调整值;
若-φ1<eh≤φ1,则将q+β8赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β8为抽风风机中变频器的第八调整值;
若φ1<eh≤φ2,则将q+β9赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β9为抽风风机中变频器的第九调整值;
若eh(p)>φ2,利用式(1-13)计算β10,将q+β10赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
β10=β9-K1*det(p)+K2*eh(p) (1-13)
式(1-13)中,K1为第一调整参数,K2为第二调整参数,β10为抽风风机中变频器的第十调整值,且β10>β9>β8>β7=0>β6;
步骤16:若eh(p)>φ2,则将q+β11赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β11为抽风风机中变频器的第十一调整值;
若φ1<eh≤φ2,则将q+β12赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β12为抽风风机中变频器的第十二调整值;
若-φ1<eh≤φ1,则将q+β13赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β13为抽风风机中变频器的第十三调整值;
若-φ2<eh≤-φ1,则将q+β14赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;其中,β14为抽风风机中变频器的第十四调整值;
若eh≤-φ2,利用式(1-14)计算β15,将q+β15赋值给q,并使抽风风机以更新后的频率q工作,进入步骤17;
β15=β14-K1*det(p)+K2*eh(p) (1-14)
式(1-14)中,β15为抽风风机中变频器的第十五调整值,且β11>β12=0>β13>β14>β15;
步骤17:若T-δ1≤t(p)≤T+δ2,则p+1赋值p后,先执行步骤4后再从步骤8开始顺序执行;否则,关闭蒸汽阀,p+1赋值p后,进入步骤4。
本发明所述的一种黄茶闷黄装置的控制方法的特点也在于:在步骤8中的二型模糊神经网络是以温度差值、加热温度差的历史数据为输入,以加热板的打开数量与总数之比的历史数据为输出,并利用式(2-1)所构建的性能指标函数作为损失函数,从而采用梯度下降法对的二型模糊神经网络进行训练后得到的:
式(2-1)中,et(p-1)为p-1时刻所述闷黄箱体的温度差值,et前(p)为p时刻所述闷黄箱体的前端温度差值,et后(p)为p时刻所述闷黄箱体的后端温度差值,γ为惩罚因子,并有:
本发明一种电子设备,包括存储器以及处理器的特点在于,所述存储器用于存储支持处理器执行所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
本发明一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序的特点在于,所述计算机程序被处理器运行时执行所述方法的步骤。
与现有技术相比,本发明的有益效果在于:
1)本发明提出一种黄茶闷黄加工装备的温湿度解耦控制方法,通过输送机自动上卸料,实现了连续化生产,加热加湿装置为闷黄箱体提供高温高湿气体,精准控制了闷黄厚度、时间、闷黄温度、闷黄湿度等参数,该方法不仅用于黄茶的闷黄工艺,对工艺参数修改,也可用于红茶发酵工艺,经过该装置闷黄后的茶叶品质得到了极大的提升。
2)本发明提出黄茶闷黄系统控制方法,设置多级传感器准确获取温湿度参数信息,采取多段式的控温控湿方式,抛开了原始建模的复杂性,实现了对温湿度的解耦控制,使闷黄控制系统快速进入稳态,提升了闷黄控制系统的可靠性与普遍性。
3)本发明提出一种区间型模糊神经网络控制方法,并定义了性能指标函数用于参数更新,提升了系统的鲁棒性,精准控制箱体内温度变化,最大限度减少了温度变化对于黄茶闷黄过程的影响。
附图说明
图1为本发明的一种黄茶闷黄加工装备整体机械结构图;
图2为本发明的闷黄箱体机械结构图;
图3为本发明的调风机构结构简图;
图4为本发明的二型模糊神经网络结构图;
图5为本发明的二型模糊神经网络隶属度函数形状图;
图6为本发明的温度设置为40℃时的控制效果图;
图7为本发明的湿度设置为80%时的控制效果图;
图中标号:1-入料输送机,2-出料输送机,3-闷黄箱体,4-加热加湿装置,301-入料口,302-保温盖板,303-传动盖板,304-落料挡茶板,305-均叶调节座,306-均叶板,307-输送链板,308-闷黄箱架,309-输送挡茶板,310-传动链,311-电机主动轮,312-第一电机,313-下层主链动轮,314-上层主链轮,315-张紧轮,316-均叶链轮,317-上层被动链轮,318-链板轮,401-上层入风口,402-下层入风口,403-调风机构,404-管道,405-蒸汽阀,406-蒸汽发生器,407-混合器,408-加热炉,409-抽风风机,410-出风口,601-入风口连接件,602-第二电机603-转接件604-调风板,a、b、c、d、e为五个传感器的分布位置。
具体实施方式
本实施例中,一种黄茶闷黄加工装备的具体结构如图1所示,包括入料输送机1、出料输送机2、闷黄箱体3、加热加湿装置4、传感器等部件。其中,入料输送机1的出口正对闷黄箱体3的入料口,闷黄箱体3的出口下方设置有出料输送机2,加热加湿装置4的出口连接闷黄箱体3的前端。
如图2所示,闷黄箱体包括入料口301、保温盖板302、传动盖板303、落料挡茶板304、均叶调节座305、均叶板306、输送链板307、闷黄箱架308、输送挡茶板309、传动链310、电机主动轮311、第一电机312、下层主链动轮313、上层主链轮314、张紧轮315、均叶链轮316、上层被动链轮317、链板轮318。在每层落料处下方设置落料挡茶板304,每层输送链板两侧设置输送挡茶板;是在保温盖板302与闷黄箱架308之间填充保温介质;电机主动轮311、下层主动链轮313、张紧轮315和传动链310之间采取内啮合的方式,而上层主动链轮314与传动链310之间采取外啮合的方式,每层链传动速度相等,第一层输送链板从前端向后端运动,其后层运动方向依次反相;在入料口301前端和上层输送链板307上方设置均叶板306,由均叶调节座305调节均叶板306的高度,均叶链轮316、上层被动链轮317和传动链内啮合,均叶板与上层输送链板运动方向相同。
如图1所示,加热加湿装置4包括上层入风口401、下层入风口402、调风机构403、管道404、蒸汽阀405、蒸汽机406、混合器407、加热炉408、抽风风机409、出风口410。其特征是上层入风口401、下层入风口402均与闷黄箱体3前端相连,出风口410与闷黄箱体3前端相连;上层入风口401、下层入风口内部焊接导风板结构;加热炉408内部设置有N级加热板,加热板打开数量为n;蒸汽机406出气口处安装有流量阀门405,蒸汽机406产生的高温高湿蒸汽与电热炉408加热的高温气体在混合器407中均匀混合;如图3所示,调风机构403包括入风口连接件601、第二电机602、转接件603、调风板604,调风板604轴与第二电机602轴用连轴器连接,通过第二电机602控制调风板604位置,转接件方形端与入风口连接件连接,圆形端与管道连接。
第一温湿度传感器设置在闷黄箱体3的入风口上层一侧(b),第二温湿度传感器设置在闷黄箱体3的入风口下层一侧(c),第三温湿度传感器设置在闷黄箱体3的出风口上层一侧(d),第四温湿度传感器置在闷黄箱体3的出风口下层一侧(e),温度传感器设置在加热炉408的出风口处(a)。
一种黄茶闷黄加工装备是入料输送机1将料斗内的茶叶输送至闷黄箱体3的入料口301上方并落入闷黄箱体内,落入的茶叶经均叶板306整理至闷黄参数设定厚度,设置第一电机312转速以控制输送链板运行速度,保证闷黄参数设定时间,出料输送机2将加工后的茶叶送至下一加工环节;通过控制第二电机602调整调风板604位置,分配上下层获得不同的送风量,以实现上下层温湿度均匀,通过控制蒸汽阀405的开关控制蒸汽机406是否向混合器407输送蒸汽,通过控制电热炉408打开的加热板数量改变加热温度,通过改变变频器频率控制抽风风机409的功率。
本实施例中,一种黄茶闷黄加工装备的温湿度解耦控制方法实现步骤如下:
步骤1:设置茶叶闷黄的目标温度为T,茶叶闷黄的目标湿度为H,茶叶闷黄的厚度为D,茶叶闷黄的时间为S;
步骤2:调节均叶调节座305的位置,使输送链板307上的茶叶厚度为D;
步骤3:利用式(1-1)计算第一电机的转速n1以控制输送链板307的运动速度;
式(1-1)中,L1为输送链板307的长度,R为电机主动轮311的半径,i为链板轮318与电机主动轮311之间的半径比;
步骤4:分别利用四个温湿度传感器获取p时刻下闷黄箱体3内上层入风口处的气体温度t1(p)和湿度h1(p)、下层入风口处的气体温度t2(p)和湿度h2(p)、上层出风口处的气体温度为t3(p)和湿度h3(p)、下层出风口处的温度为t4(p)和湿度h4(p);
利用温度传感器器获取p时刻下加热炉408的出风口处气体的温度t5(p);
利用式(1-2)计算p时刻下闷黄箱体3内的平均温度t(p),利用式(1-3)计算p时刻下闷黄箱体3内的平均湿度h(p),利用式(1-4)计算p时刻下闷黄箱体3内的上层平均温度t上(p),利用式(1-5)计算p时刻下闷黄箱体3内的下层平均温度t下(p),利用式(1-6)计算p时刻下闷黄箱体3内的上层平均湿度t上(p),利用式(1-7)计算p时刻下闷黄箱体3内的下层平均湿度h下(p):
步骤5:若t(p)≤T-δ1,则执行步骤6;若t(p)≥T+δ2,则执行步骤7;若T-δ1≤t(p)≤T+δ2,则执行步骤8;其中,δ1表示第一温度差值,δ2表示第二温度差值,且δ1∈(0,5℃],δ2∈(0,3℃];
步骤6:利用式(1-8)计算抽风风机409和加热炉408的运行时间d1,并控制抽风风机409以频率为q在运行时间d1内运行、控制加热炉408打开N个加热板在运行时间d1内运行后,执行步骤8;
式(1-8)中,c为闷黄箱体3内茶叶的比热容,m为闷黄箱体3内茶叶的质量,P为加热炉408打开所有加热板时的功率,α1为第一调整系数,且α1∈[0.5,1];
步骤7:控制抽风风机409以频率为q运行,加热炉408不打开加热板,直至t(p)≤T+α2×δ2后,执行步骤8;其中,α2为第二调整系数,且α2∈[0,0.5];
步骤8:利用式(1-9)计算p时刻下闷黄箱体3的温度差值et(p)、利用式(1-10)计算p时刻下闷黄箱体3的加热温度差et5(p),并以温度差值et(p)、加热温度差et5(p)作为训练后的二型模糊神经网络的输入,并由二型模糊神经网络输出加热板的打开数量与总数之比y(p),从而将y(p)×N取整后赋值给加热板的实际打开数量n,以控制加热炉408打开n个加热板后,进入步骤9;
et(p)=t(p)-T (1-9)
et5(p)=t5(p)-T (1-10)
步骤9:若t上(p)>t下(p),则执行步骤10;若t上(p)<t下(p),则执行步骤11;若t上(p)=t下(p),则执行步骤12;
步骤10:若t上(p)-t下(p)>δ3,则第二电机602时针转动θ1,并进入步骤12;
若δ4≤t上(p)-t下(p)≤δ3,则第二电机602顺时针转动θ2,并进入步骤12;
若t上(p)-t下(p)<δ4,则第二电机602顺时针转动θ3,并进入步骤12;
其中,δ3为第三温度差值,δ4为第四温度差值,θ1为第一转动角度,θ2为第二转动角度,θ3为第三转动角度,且0<δ4<δ3≤3℃,0<θ3<θ2<θ1≤5°;
步骤11:若t下(p)-t上(p)>δ3,则第二电机602逆时针转动θ1,并进入步骤12;
若δ4≤t下(p)-t上(p)≤δ3,则第二电机602逆时针转动θ2,并进入步骤12;
若t下(p)-t上(p)<δ4,则第二电机602逆时针转动θ3,并进入步骤12;
步骤12:打开蒸汽阀405后,利用式(1-11)计算p时刻下闷黄箱体3的湿度差值eh(p),利用式(1-12)计算p时刻下闷黄箱体3的体温度差值的变化率det(p),并进入步骤13;
eh(p)=h(p)-H (1-11)
式(1-11)和式(1-12)中,et(p)为p时刻下闷黄箱体3的温度差值,et(p-1)为p-1时刻与p时刻之间闷黄箱体3的温度差值,Time为温度的采样周期;
步骤13:若det(p)∈(-ξ1,ξ1),则进入步骤14;若det(p)∈(-∞,-ξ1],则进入步骤15;若det(p)∈[ξ1,+∞),则进入步骤16;其中,ξ1为第一温度差值的变化率;
步骤14:若eh(p)>φ2,则将q+β1赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
若φ1<eh≤φ2,则将q+β2赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
若-φ1<eh≤φ1,则将q+β3赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
若-φ2<eh≤-φ1,则将q+β4赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
若eh≤-φ2,则将q+β5赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β1为抽风风机409中变频器的第一调整值,β2为抽风风机409中变频器的第二调整值,β3为抽风风机409中变频器的第三调整值,β4为抽风风机409中变频器的第四调整值,β5为抽风风机409中变频器的第五调整值,φ1为第一湿度差值,φ2为第二湿度差值,且β1>β2>β3=0>β4>β5,φ2>φ1>0;
步骤15:若eh≤-φ2,则将q+β6赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β6为抽风风机409中变频器的第六调整值;
若-φ2<eh≤-φ1,则将q+β7赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β7为抽风风机409中变频器的第七调整值;
若-φ1<eh≤φ1,则将q+β8赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β8为抽风风机409中变频器的第八调整值;
若φ1<eh≤φ2,则将q+β9赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β9为抽风风机409中变频器的第九调整值;
若eh(p)>φ2,利用式(1-13)计算β10,将q+β10赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
β10=β9-K1*det(p)+K2*eh(p) (1-13)
式(1-13)中,K1为第一调整参数,K2为第二调整参数,β10为抽风风机409中变频器的第十调整值,且β10>β9>β8>β7=0>β6;
步骤16:若eh(p)>φ2,则将q+β11赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β11为抽风风机409中变频器的第十一调整值;
若φ1<eh≤φ2,则将q+β12赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β12为抽风风机409中变频器的第十二调整值;
若-φ1<eh≤φ1,则将q+β13赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β13为抽风风机409中变频器的第十三调整值;
若-φ2<eh≤-φ1,则将q+β14赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;其中,β14为抽风风机409中变频器的第十四调整值;
若eh≤-φ2,利用式(1-14)计算β15,将q+β15赋值给q,并使抽风风机409以更新后的频率q工作,进入步骤17;
β15=β14-K1*det(p)+K2*eh(p) (1-14)
式(1-14)中,β15为抽风风机409中变频器的第十五调整值,且β11>β12=0>β13>β14>β15;
步骤17:若T-δ1≤t(p)≤T+δ2,则p+1赋值p后,执行步骤4后再从执行步骤8开始顺序执行;否则,关闭蒸汽阀,p+1赋值p后,进入步骤4。
本实施例中,闷黄箱体箱体内温度和湿度控制效果如图6和图7所示。
如图4所示,在步骤8中的二型模糊神经网络是按如下步骤搭建并进行训练:
1)选择输入层变量;
输入层由两个神经元组成:
x=(x1,x2)T (2-1)
其中,x表示二型模糊神经网络的输入,x1为箱体温度差值ep,x2为加热温度差值ep5。
2)确定模糊化层隶属度函数;
输入层神经元x1的二型模糊集合为A=[NB,NS,ZE,PS,PB],输入层神经元x2的二型模糊集合为B=[NB,NS,ZE,PS,PB],其中NB表示负大,NS表示负小,ZE表示零,PS表示正小,PB表示正大,因此隐藏层神经元个数为10,各个神经元的隶属度函数为:
其中,uij为第i个输入的第j个隶属度函数层神经元的输出,为第i个输入的第j个隶属度函数层神经元的输出上界,u ij为第i个输入的第j个隶属度函数层神经元的输出下界,/>为第i个输入的第j个隶属度函数层神经元中心值上界,m ij为第i个输入的第j个隶属度函数层神经元中心值下界,σij为第i个输入的第j个隶属度函数层神经元的宽度值。
其中,
本实施例中,二型模糊神经网络隶属度函数形状如图5所示。
3)确定每条规则的激发强度;
该层有25个神经元,每个神经元的输出为:
其中,Fk为规则层第k个神经元的激活强度,为规则层第k个神经元的激活强度上界,f k为规则层第j个神经元的激活强度下界,其中j=1,2,…,25,/>
4)模糊降型层;
该层有2个神经元,每个神经元的输出为:
其中,为模糊降维层神经元输出上界,y为模糊降维层神经元输出下界,/>为模糊降维层神经元输出的上界权值系数,w k为模糊降维层神经元输出的下界权值系数,/>为模糊降维层神经元输出的下界权值偏置,b k为模糊降维层神经元输出的下界权值偏置。
5)输出层;
该层有一个神经元,输出y为:
该层通过设置输出层输出因子w和输出偏置b来减少运算量,实现最终输出的解模糊化。
6)学习训练;
区间二型模糊神经网络的结构可以看做一个多层的前馈网络,因此可以像BP神经网络一样采用梯度下降法进行误差训练,利用式(2-11)定义性能指标函数:
其中,et(p)为p时刻箱体温度差值,et(p-1)为p-1时刻箱体温度差值,et前(p)为p时刻箱体前端温度差值,et后(p)为p时刻箱体后端温度差值,γ为惩罚因子,并有:
/>
区间二型模糊神经网络中二型隶属度函数的不确定均值更新为:
其中,ηm为区间二型模糊神经网络中二型隶属度函数的不确定均值和m ij的学习率。
区间二型模糊神经网络中二型隶属度函数的不确定标准差更新为:
其中,ησ为区间二型模糊神经网络中二型隶属度函数的不确定标准差σij的学习率。
区间二型模糊神经网络中模糊降维层神经元输出的权值系数和偏置更新为:
其中,为ηw区间二型模糊神经网络中模糊降维层神经元输出的权值系数的学习率,ηb为区间二型模糊神经网络中模糊降维层神经元输出的偏置的学习率。
区间二型模糊神经网络中输出层神经元输出因子和输出偏置更新为:
其中,ηw为区间二型模糊神经网络中输出层神经元输出因子的学习率,ηb为区间二型模糊神经网络中输出层神经元输出偏置的学习率。
本实施例中,一种电子设备,包括存储器以及处理器,该存储器用于存储支持处理器执行上述方法的程序,该处理器被配置为用于执行该存储器中存储的程序。
本实施例中,一种计算机可读存储介质,是在计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法的步骤。
Claims (4)
1.一种黄茶闷黄加工装备的温湿度解耦控制方法,所述一种黄茶闷黄加工装备包括:入料输送机(1)、出料输送机(2)、闷黄箱体(3)、加热加湿装置(4);所述闷黄箱体(3)为上层和下层的两层式结构,并包括:均叶调节座(305)、输送链板(307)、电机主动轮(311)、链板轮(318);所述加热加湿装置(4)包括:调风机构(403)、加热炉(408)、抽风风机(409),所述调风机构(403)包括:第二电机(602),所述加热炉(408)内有N个加热板;在所述闷黄箱体(3)内的上层入风口、下层入风口、上层出风口、下层出风口处分别设置有一个温湿度传感器,在所述加热炉(408)的出风口处设置有一个温度传感器;其特征在于,所述控制方法是按如下步骤进行:
步骤1:设置茶叶闷黄的目标温度为T,茶叶闷黄的目标湿度为H,茶叶闷黄的厚度为D,茶叶闷黄的时间为S;
步骤2:调节所述均叶调节座(305)的位置,使所述输送链板(307)上的茶叶厚度为D;
步骤3:利用式(1-1)计算第一电机的转速n1以控制所述输送链板(307)的运动速度;
式(1-1)中,L1为所述输送链板(307)的长度,R为所述电机主动轮(311)的半径,i为链板轮(318)与所述电机主动轮(311)之间的半径比;
步骤4:分别利用四个温湿度传感器获取p时刻下所述闷黄箱体(3)内上层入风口处的气体温度t1(p)和湿度h1(p)、下层入风口处的气体温度t2(p)和湿度h2(p)、上层出风口处的气体温度为t3(p)和湿度h3(p)、下层出风口处的温度为t4(p)和湿度h4(p);
利用所述温度传感器器获取p时刻下加热炉(408)的出风口处气体的温度t5(p);
利用式(1-2)计算p时刻下所述闷黄箱体(3)内的平均温度t(p),利用式(1-3)计算p时刻下所述闷黄箱体(3)内的平均湿度h(p),利用式(1-4)计算p时刻下所述闷黄箱体(3)内的上层平均温度t上(p),利用式(1-5)计算p时刻下所述闷黄箱体(3)内的下层平均温度t下(p),利用式(1-6)计算p时刻下所述闷黄箱体(3)内的上层平均湿度t上(p),利用式(1-7)计算p时刻下所述闷黄箱体(3)内的下层平均湿度h下(p):
步骤5:若t(p)≤T-δ1,则执行步骤6;若t(p)≥T+δ2,则执行步骤7;若T-δ1≤t(p)≤T+δ2,则执行步骤8;其中,δ1表示第一温度差值,δ2表示第二温度差值,且δ1∈(0,5℃],δ2∈(0,3℃];
步骤6:利用式(1-8)计算所述抽风风机(409)和加热炉(408)的运行时间d1,并控制所述抽风风机(409)以频率为q在所述运行时间d1内运行、控制所述加热炉(408)打开N个加热板在所述运行时间d1内运行后,执行步骤8;
式(1-8)中,c为所述闷黄箱体(3)内茶叶的比热容,m为所述闷黄箱体(3)内茶叶的质量,P为加热炉(408)打开所有加热板时的功率,α1为第一调整系数,且α1∈[0.5,1];
步骤7:控制所述抽风风机(409)以频率为q运行,所述加热炉(408)不打开加热板,直至t(p)≤T+α2×δ2后,执行步骤8;其中,α2为第二调整系数,且α2∈[0,0.5];
步骤8:利用式(1-9)计算p时刻下所述闷黄箱体(3)的温度差值et(p)、利用式(1-10)计算p时刻下所述闷黄箱体(3)的加热温度差et5(p),并以温度差值et(p)、加热温度差et5(p)作为训练后的二型模糊神经网络的输入,并由所述二型模糊神经网络输出所述加热板的打开数量与总数之比y(p),从而将y(p)×N取整后赋值给加热板的实际打开数量n,以控制加热炉(408)打开n个加热板后,进入步骤9;
et(p)=t(p)-T (1-9)
et5(p)=t5(p)-T (1-10)
步骤9:若t上(p)>t下(p),则执行步骤10;若t上(p)<t下(p),则执行步骤11;若t上(p)=t下(p),则执行步骤12;
步骤10:若t上(p)-t下(p)>δ3,则第二电机(602)时针转动θ1,并进入步骤12;
若δ4≤t上(p)-t下(p)≤δ3,则第二电机(602)顺时针转动θ2,并进入步骤12;
若t上(p)-t下(p)<δ4,则第二电机(602)顺时针转动θ3,并进入步骤12;
其中,δ3为第三温度差值,δ4为第四温度差值,θ1为第一转动角度,θ2为第二转动角度,θ3为第三转动角度,且0<δ4<δ3≤3℃,0<θ3<θ2<θ1≤5°;
步骤11:若t下(p)-t上(p)>δ3,则第二电机(602)逆时针转动θ1,并进入步骤12;
若δ4≤t下(p)-t上(p)≤δ3,则第二电机(602)逆时针转动θ2,并进入步骤12;
若t下(p)-t上(p)<δ4,则第二电机(602)逆时针转动θ3,并进入步骤12;
步骤12:打开蒸汽阀(405)后,利用式(1-11)计算p时刻下所述闷黄箱体(3)的湿度差值eh(p),利用式(1-12)计算p时刻下所述闷黄箱体(3)的体温度差值的变化率det(p),并进入步骤13;
eh(p)=h(p)-H (1-11)
式(1-11)和式(1-12)中,et(p)为p时刻下所述闷黄箱体(3)的温度差值,et(p-1)为p-1时刻与p时刻之间所述闷黄箱体(3)的温度差值,Time为温度的采样周期;
步骤13:若det(p)∈(-ξ1,ξ1),则进入步骤14;若det(p)∈(-∞,-ξ1],则进入步骤15;若det(p)∈[ξ1,+∞),则进入步骤16;其中,ξ1为第一温度差值的变化率;
步骤14:若eh(p)>φ2,则将q+β1赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
若φ1<eh≤φ2,则将q+β2赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
若-φ1<eh≤φ1,则将q+β3赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
若-φ2<eh≤-φ1,则将q+β4赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
若eh≤-φ2,则将q+β5赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β1为抽风风机(409)中变频器的第一调整值,β2为抽风风机(409)中变频器的第二调整值,β3为抽风风机(409)中变频器的第三调整值,β4为抽风风机(409)中变频器的第四调整值,β5为抽风风机(409)中变频器的第五调整值,φ1为第一湿度差值,φ2为第二湿度差值,且β1>β2>β3=0>β4>β5,φ2>φ1>0;
步骤15:若eh≤-φ2,则将q+β6赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β6为抽风风机(409)中变频器的第六调整值;
若-φ2<eh≤-φ1,则将q+β7赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β7为抽风风机(409)中变频器的第七调整值;
若-φ1<eh≤φ1,则将q+β8赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β8为抽风风机(409)中变频器的第八调整值;
若φ1<eh≤φ2,则将q+β9赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β9为抽风风机(409)中变频器的第九调整值;
若eh(p)>φ2,利用式(1-13)计算β10,将q+β10赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
β10=β9-K1*det(p)+K2*eh(p) (1-13)
式(1-13)中,K1为第一调整参数,K2为第二调整参数,β10为抽风风机(409)中变频器的第十调整值,且β10>β9>β8>β7=0>β6;
步骤16:若eh(p)>φ2,则将q+β11赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β11为抽风风机(409)中变频器的第十一调整值;
若φ1<eh≤φ2,则将q+β12赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β12为抽风风机(409)中变频器的第十二调整值;
若-φ1<eh≤φ1,则将q+β13赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β13为抽风风机(409)中变频器的第十三调整值;
若-φ2<eh≤-φ1,则将q+β14赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;其中,β14为抽风风机(409)中变频器的第十四调整值;
若eh≤-φ2,利用式(1-14)计算β15,将q+β15赋值给q,并使抽风风机(409)以更新后的频率q工作,进入步骤17;
β15=β14-K1*det(p)+K2*eh(p) (1-14)
式(1-14)中,β15为抽风风机(409)中变频器的第十五调整值,且β11>β12=0>β13>β14>β15;
步骤17:若T-δ1≤t(p)≤T+δ2,则p+1赋值p后,先执行步骤4后再从步骤8开始顺序执行;否则,关闭蒸汽阀,p+1赋值p后,进入步骤4。
2.根据权利要求1所述的一种黄茶闷黄装置的控制方法,其特征在于:在步骤8中的二型模糊神经网络是以温度差值、加热温度差的历史数据为输入,以加热板的打开数量与总数之比的历史数据为输出,并利用式(2-1)所构建的性能指标函数作为损失函数,从而采用梯度下降法对的二型模糊神经网络进行训练后得到的:
式(2-1)中,et(p-1)为p-1时刻所述闷黄箱体(3)的温度差值,et前(p)为p时刻所述闷黄箱体(3)的前端温度差值,et后(p)为p时刻所述闷黄箱体(3)的后端温度差值,γ为惩罚因子,并有:
3.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1或2所述温湿度解耦控制方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
4.一种计算机可读存储介质,计算机可读存储介质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运行时执行权利要求1或2所述温湿度解耦控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510504.7A CN116520919B (zh) | 2023-05-08 | 2023-05-08 | 一种黄茶闷黄加工装备的温湿度解耦控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510504.7A CN116520919B (zh) | 2023-05-08 | 2023-05-08 | 一种黄茶闷黄加工装备的温湿度解耦控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116520919A true CN116520919A (zh) | 2023-08-01 |
CN116520919B CN116520919B (zh) | 2024-05-14 |
Family
ID=87406165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310510504.7A Active CN116520919B (zh) | 2023-05-08 | 2023-05-08 | 一种黄茶闷黄加工装备的温湿度解耦控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116520919B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759772A (zh) * | 2016-04-21 | 2016-07-13 | 安徽农业大学 | 一条双模糊控制的智能化绿茶生产线 |
CN106070927A (zh) * | 2016-06-14 | 2016-11-09 | 四川中测量仪科技有限公司 | 茶叶窨香机及茶叶窨香智能化控制模式 |
CN106406094A (zh) * | 2016-10-16 | 2017-02-15 | 北京工业大学 | 一种基于区间二型模糊神经网络的污水处理溶解氧浓度跟踪控制方法 |
AU2020100379A4 (en) * | 2020-03-12 | 2020-06-11 | Jiangsu University | Intelligent Food Liquid Fermentation Parameter Control Method |
CN211211282U (zh) * | 2019-10-22 | 2020-08-11 | 中国农业科学院茶叶研究所 | 一种多因子调控的新型发酵装置 |
CN114246230A (zh) * | 2021-12-27 | 2022-03-29 | 安徽农业大学 | 一种用于黄茶加工的循环风式闷黄设备以及控制方法 |
-
2023
- 2023-05-08 CN CN202310510504.7A patent/CN116520919B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759772A (zh) * | 2016-04-21 | 2016-07-13 | 安徽农业大学 | 一条双模糊控制的智能化绿茶生产线 |
CN106070927A (zh) * | 2016-06-14 | 2016-11-09 | 四川中测量仪科技有限公司 | 茶叶窨香机及茶叶窨香智能化控制模式 |
CN106406094A (zh) * | 2016-10-16 | 2017-02-15 | 北京工业大学 | 一种基于区间二型模糊神经网络的污水处理溶解氧浓度跟踪控制方法 |
CN211211282U (zh) * | 2019-10-22 | 2020-08-11 | 中国农业科学院茶叶研究所 | 一种多因子调控的新型发酵装置 |
AU2020100379A4 (en) * | 2020-03-12 | 2020-06-11 | Jiangsu University | Intelligent Food Liquid Fermentation Parameter Control Method |
CN114246230A (zh) * | 2021-12-27 | 2022-03-29 | 安徽农业大学 | 一种用于黄茶加工的循环风式闷黄设备以及控制方法 |
Non-Patent Citations (2)
Title |
---|
曹成茂;吴正敏;梁闪闪;葛良志;: "茶叶杀青机双模糊控制系统设计与试验", 农业机械学报, no. 07, 12 May 2016 (2016-05-12) * |
郭鹏;张海燕;刘振永;: "自适应模糊神经网络在乌龙茶烘焙中的应用", 福建茶叶, no. 03, 25 March 2016 (2016-03-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN116520919B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103518047B (zh) | 增压发动机的控制装置 | |
CN100393995C (zh) | 用于柴油机的控制装置 | |
US4499911A (en) | Energy efficient curing and drying system | |
CN103518051B (zh) | 内燃机的控制装置及方法 | |
CN103732895A (zh) | 滑模控制器和内燃机系统控制装置 | |
CN1869420A (zh) | 微型燃气轮机燃烧控制器及控制方法 | |
CN103827474A (zh) | 内燃机的进气控制装置 | |
CN102787947A (zh) | 确定内燃发动机的气缸空气充量的方法和装置 | |
CN205239180U (zh) | 车用动力电池组主动风冷散热系统 | |
CN108393146A (zh) | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 | |
CN116520919B (zh) | 一种黄茶闷黄加工装备的温湿度解耦控制方法 | |
CN208267953U (zh) | 一种电控硅油风扇控制器 | |
CN101186081A (zh) | 沥青混合料搅拌设备冷骨料给料控制方法 | |
CN110471285B (zh) | 基于趋势事件驱动的锌冶炼焙烧过程模糊控制方法 | |
CN206575058U (zh) | 一种有源滤波器 | |
CN114326630A (zh) | 沥青混合料智能称重配料控制方法 | |
DE102004026006A1 (de) | Steuergerät und Steuerverfahren für eine Brennkraftmaschine | |
CN112263012A (zh) | 一种基于配方参数库的复烤机含水率控制方法 | |
DE102008054926B4 (de) | Gerät zum Steuern einer zwangsbefüllten Kraftmaschine | |
CN111186007A (zh) | 自动化蒸养房系统 | |
CN111708395B (zh) | 一种微型制麦自动化控制系统及方法 | |
JP3046321B2 (ja) | 通風式固体培養装置の制御方法 | |
CN202958760U (zh) | 密集烤房调湿系统 | |
CN117137176A (zh) | 烘丝机出口水分自律控制方法 | |
CN116706158B (zh) | 一种燃料电池的空侧进气温度与湿度联合控制装置 |
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 | ||
GR01 | Patent grant |