基于神經(jīng)網(wǎng)絡(luò)的棉花質(zhì)量檢測(cè)系統(tǒng)的可行性分析

摘 要：研究了氣固兩相流中固體質(zhì)量的檢測(cè)方法，針對(duì)棉花氣力輸送的非均勻性進(jìn)行了分析，提出了應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行棉花質(zhì)量建模的分析方法，并分析了神經(jīng)網(wǎng)絡(luò)建模的過程，確定了系統(tǒng)的研究方案。

關(guān)鍵詞：棉花質(zhì)量檢測(cè)；氣固兩相流；神經(jīng)網(wǎng)絡(luò)；建模方法

中圖分類號(hào) S562 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2013）19-134-02

棉花產(chǎn)業(yè)是新疆的支柱產(chǎn)業(yè)，氣力輸送已成為棉花加工廠各工序間主要的物料輸送方式。質(zhì)量流量參數(shù)是控制烘干機(jī)和其他軋花機(jī)械的重要參數(shù)，質(zhì)量流量的在線檢測(cè)對(duì)于提高生產(chǎn)效率、降低能耗、節(jié)約能源具有十分積極的意義。

在氣力輸送系統(tǒng)中，氣固兩相流中固體流量的測(cè)量一直是一個(gè)尚未圓滿解決的問題，目前雖然存在多種非接觸式測(cè)量方法，如電容法、靜電法、超聲波、射線法等，但是由于氣固兩相流體流動(dòng)過程的隨機(jī)性和復(fù)雜性，固相流量與其影響因素之間存在著復(fù)雜的非線性關(guān)系，很難找到其流動(dòng)規(guī)律，給精確測(cè)量帶來困難。

氣固兩相流中測(cè)量固相質(zhì)量流量時(shí)，由于固相流量與其影響因素（壓差、流量系數(shù)、氣固混合密度等）之間存在著復(fù)雜的非線性關(guān)系，用一般的方法去獲得其質(zhì)量流量模型非常困難。

本文利用人工神經(jīng)網(wǎng)絡(luò)優(yōu)良的非線性映射能力，建立一個(gè)基于神經(jīng)網(wǎng)絡(luò)的固相質(zhì)量流量測(cè)量模型，并以實(shí)驗(yàn)數(shù)據(jù)為樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)固相質(zhì)量流量的在線估計(jì)。為氣力輸送系統(tǒng)中固相質(zhì)量流量的在線測(cè)量提供一種簡(jiǎn)單、可靠的新方法。

1 氣固兩相流質(zhì)量流量的測(cè)量方法

由于氣固兩相流流體性質(zhì)、流動(dòng)狀態(tài)以及流動(dòng)條件的復(fù)雜性和多樣性，所以固體質(zhì)量流量在線連續(xù)、準(zhǔn)確測(cè)量對(duì)生產(chǎn)過程的計(jì)量、節(jié)能和控制具有重大意義，國內(nèi)外學(xué)者對(duì)此做了大量的研究。

從應(yīng)用原理上，可將固體質(zhì)量流量檢測(cè)方法分為直接測(cè)量和間接測(cè)量?，F(xiàn)在提出的各種測(cè)量方法大多是基于間接測(cè)量原理，即獨(dú)立測(cè)量瞬時(shí)體積濃度和瞬時(shí)固體流速，通過計(jì)算得到固體質(zhì)量流量，主要包括基于多普勒法、相關(guān)法、空接濾波法、質(zhì)點(diǎn)成像法等4種原理測(cè)量瞬時(shí)固體流速的方法，和基于電學(xué)、共振、衰減/散射、層析成像等4種原理測(cè)量瞬時(shí)體積濃度的方法，測(cè)量精度主要取決于能否準(zhǔn)確測(cè)量管道截面固相的濃度。

氣力輸送棉花屬稀相流動(dòng)，棉花在管道截面呈不均勻分布，導(dǎo)致各類傳感器都顯示出一定程度的非均勻的空間靈敏度，使得測(cè)量存在許多難題，并容易造成較大的測(cè)量誤差。由于光學(xué)法直觀、可靠、分辨率高，對(duì)流場(chǎng)成分和水分變化造成的影響抗干擾性強(qiáng)，利用光的衰減或反射性能來得到傳感器輸出信號(hào)是比較合適的棉花質(zhì)量流量檢測(cè)方法。由于棉花具有較好的透光性和漫反射性，因此只要質(zhì)量密度不是過大，應(yīng)用光學(xué)法能獲得較好的測(cè)量效果。

2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用

2.1 神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)方面的應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)從模擬人腦感知行為出發(fā)，基于神經(jīng)元之間的連接，實(shí)現(xiàn)信息的大規(guī)模并行、分布式存儲(chǔ)和處理，并具備自組織、自適應(yīng)、自學(xué)習(xí)能力，可實(shí)現(xiàn)對(duì)復(fù)雜問題的處理。

系統(tǒng)辨識(shí)是控制理論研究的一個(gè)重要分支，它是控制系統(tǒng)設(shè)計(jì)的基礎(chǔ)。在多數(shù)情況下，被控對(duì)象的數(shù)學(xué)模型是未知的，并且在正常運(yùn)行期間，模型的參數(shù)可能發(fā)生變化，因此利用控制理論去解決實(shí)際問題時(shí)，首先必須建立被控對(duì)象的數(shù)學(xué)模型，即系統(tǒng)辨識(shí)問題。目前對(duì)線性、非時(shí)變和具有不確定參數(shù)對(duì)象進(jìn)行辨識(shí)和自適應(yīng)控制的研究已取得了很大的進(jìn)展，對(duì)于非線性系統(tǒng)的辨識(shí)問題，往往需要有關(guān)被辨識(shí)系統(tǒng)的結(jié)構(gòu)形式等各種先驗(yàn)知識(shí)和假設(shè)，因此，它們基本上是針對(duì)某些特殊非線性系統(tǒng)而進(jìn)行的。

神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)質(zhì)上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來逼近實(shí)際系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力，所以神經(jīng)網(wǎng)絡(luò)為非線性系統(tǒng)的辨識(shí)提供了一種簡(jiǎn)單而有效的一般性方法。

基于神經(jīng)網(wǎng)絡(luò)的建模方法屬于辨識(shí)建模，其主要特點(diǎn)是辨識(shí)模型易于實(shí)現(xiàn)（辨識(shí)模型即為神經(jīng)網(wǎng)絡(luò)本身）和對(duì)非線性映射的逼近性能良好。針對(duì)氣固兩相流體流量的在線檢測(cè)問題，是一個(gè)復(fù)雜多變的隨機(jī)過程，固相流量與其影響因素之間存在著復(fù)雜的非線性關(guān)系，而采用由大量實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)去預(yù)測(cè)不同條件下的固體流量，不失為一種可取的方法。

2.2 神經(jīng)網(wǎng)絡(luò)建模過程 氣固兩相流量在線檢測(cè)建模實(shí)質(zhì)上是一個(gè)多尺度建模問題，應(yīng)從先驗(yàn)知識(shí)和過程機(jī)理分析、統(tǒng)計(jì)學(xué)習(xí)等尺度上出發(fā)，充分考慮固相物料特性，利用工程技術(shù)研究的最新成果，應(yīng)用人工智能理論和技術(shù)來建立由過程機(jī)理模型和辨識(shí)模型構(gòu)造的軟測(cè)量混合模型，全面反映流量和各變量之間的關(guān)系，才是解決固相流量高精度在線估計(jì)的有效方法。

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程可分為3步：第1步為前向計(jì)算，即得出固相質(zhì)量流量的歸一化估計(jì)值。第2步為誤差反向傳播，即根據(jù)估計(jì)值與實(shí)際值的誤差求得各層權(quán)系數(shù)所需的改變量。第3步為調(diào)整權(quán)系數(shù)，對(duì)每一個(gè)輸入模式執(zhí)行上述第1、2步后，再執(zhí)行此步驟。

對(duì)訓(xùn)練樣本中的每一輸入模式，執(zhí)行上述3個(gè)步驟，直到所有輸入模式執(zhí)行完畢，計(jì)算網(wǎng)絡(luò)模型的平均誤差，如不滿足精度要求，對(duì)訓(xùn)練樣本集重復(fù)執(zhí)行上述步驟，直到滿足精度要求為止。

通過這樣的一個(gè)學(xué)習(xí)過程之后，人工神經(jīng)網(wǎng)絡(luò)模型在隱含層中就建立了輸出與輸入之間的數(shù)學(xué)算法關(guān)系式。在以后的計(jì)算中只需要通過輸入層輸入某些相應(yīng)的容易測(cè)量的一次參數(shù)，該模型便可以輸出固相質(zhì)量流量，從而實(shí)現(xiàn)氣固兩相流固相質(zhì)量流量的預(yù)測(cè)測(cè)量。

3 研究方案的確立

3.1 氣固兩相流試驗(yàn)方法的確立 氣固兩相流中固相質(zhì)量流量與其影響因素，諸如壓差、流量系數(shù)、氣固混合密度等之間存在著復(fù)雜的非線性關(guān)系，尤其是對(duì)流量系數(shù)影響的因素較多，往往只能通過試驗(yàn)來確定。通過文獻(xiàn)分析及現(xiàn)場(chǎng)調(diào)查，可以掌握其質(zhì)量流量的測(cè)量原理，并依據(jù)此基本原理指導(dǎo)管道氣力輸送棉花質(zhì)量流量的測(cè)量。

3.2 光電檢測(cè)手段的確定 通過研究氣力輸送管道中棉花流量特性，分析管道中壓差、溫度、速度的變化對(duì)棉花流量的影響，確定利用光電檢測(cè)手段，利用光的衰減或反射性能來得到傳感器輸出信號(hào)，這種方法直觀、可靠、分辨率高，對(duì)流場(chǎng)成分和水分變化造成的影響抗干擾性強(qiáng)，只要固相濃度適宜，將容易獲得較高精度。光電傳感器在國內(nèi)很多行業(yè)領(lǐng)域已有多年研究及應(yīng)用，光電元件易于獲取，光電傳感器信號(hào)處理方法及傳感器制作均有相應(yīng)理論支持。

3.3 產(chǎn)量監(jiān)測(cè)模型中參數(shù)的確立 通過對(duì)相關(guān)文獻(xiàn)的查閱，表明棉花品種、種植模式、管理模式的不同，也會(huì)對(duì)測(cè)產(chǎn)精度造成影響。因而有必要通過試驗(yàn)建立在不同濕度、品種、生長周期、管理模式條件下棉花產(chǎn)量檢測(cè)的模型參數(shù)，以及各種因素的權(quán)重，從而建立較為精確的產(chǎn)量檢測(cè)模型。

3.4 數(shù)據(jù)處理和誤差分析方法的確立 在收獲過程中對(duì)流量傳感器、速度傳感器等進(jìn)行標(biāo)定?，F(xiàn)場(chǎng)標(biāo)定可有效提高測(cè)產(chǎn)系統(tǒng)流量傳感器和速度傳感器的測(cè)量精度，但田間環(huán)境比較復(fù)雜，產(chǎn)量數(shù)據(jù)采集過程中仍會(huì)引入一些誤差。需對(duì)產(chǎn)量數(shù)據(jù)進(jìn)行誤差處理。根據(jù)誤差產(chǎn)量數(shù)據(jù)的類型分析其中主要誤差的產(chǎn)生原因，采用理論分析的方法對(duì)產(chǎn)量數(shù)據(jù)進(jìn)行分析、處理和修正；在數(shù)據(jù)分析中使用合適的空間數(shù)據(jù)的插值方法，能對(duì)離散的產(chǎn)量數(shù)據(jù)進(jìn)行插值。

4 結(jié)語

本項(xiàng)目的研究集成了信息技術(shù)、自動(dòng)控制理論、計(jì)算機(jī)測(cè)控技術(shù)等多個(gè)學(xué)科領(lǐng)域的先進(jìn)技術(shù)和方法，采用基于人工神經(jīng)網(wǎng)絡(luò)的建模方法，解決固相流量與各影響因素之間的非線性關(guān)系，可以避免復(fù)雜的機(jī)理分析和推導(dǎo)過程，為氣固兩相流固相質(zhì)量流量的在線測(cè)量提供一種簡(jiǎn)單、可靠的新方法，并為類似物料的氣固兩相流研究提供參考。

新疆地區(qū)采棉機(jī)的大規(guī)模應(yīng)用為產(chǎn)量監(jiān)測(cè)技術(shù)的應(yīng)用推廣提供了便利。從市場(chǎng)發(fā)展乃至政府支持著眼，可以預(yù)計(jì)，如果全疆棉花都采用機(jī)械收獲，將為機(jī)載產(chǎn)量監(jiān)測(cè)器的配置提供便利，促進(jìn)機(jī)采棉在線測(cè)產(chǎn)技術(shù)的應(yīng)用推廣和精準(zhǔn)農(nóng)業(yè)其他相關(guān)技術(shù)的發(fā)展。

參考文獻(xiàn)

[1]羅錫文，臧英，周志艷.精細(xì)農(nóng)業(yè)中農(nóng)情信息采集技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（1）：167-173.

[2]丁永前，丁為民.新型固體顆粒料質(zhì)量流量檢測(cè)方法的設(shè)計(jì)與理論分析[J]. 電子測(cè)量與儀器學(xué)報(bào)，2007，21（6）：45-48.

[3]許傳龍，趙延軍，黃健，等.基于人工神經(jīng)網(wǎng)絡(luò)的固相質(zhì)量流量軟測(cè)量研究[J].計(jì)量學(xué)報(bào)，2006，7：246-249.

[4]潘笑，韓偉.基于BP神經(jīng)網(wǎng)絡(luò)固相流量的在線檢測(cè)[J].計(jì)算機(jī)測(cè)量與控制，2005，13（5）：431-433.

[5]董群，王麗，任東海，等.固體質(zhì)量流量測(cè)量技術(shù)進(jìn)展[J].化工進(jìn)展，2010，29：1-4.

[6]張文景.氣固兩相流流動(dòng)參數(shù)檢測(cè)方法研究[D].包頭：內(nèi)蒙古科技大學(xué)，2011.

[7]李鵬.采棉機(jī)測(cè)產(chǎn)系統(tǒng)智能監(jiān)控技術(shù)研究[D].北京：中國農(nóng)業(yè)大學(xué)，2005

[8]岑紅蕾，李江全，吳延祥.基于無線數(shù)傳技術(shù)的農(nóng)田灌溉機(jī)井集中監(jiān)控系統(tǒng)[J].機(jī)化研究2007，1：187-189.

（責(zé)編：施婷婷）