翅片式雙重極板水稻含水率檢測(cè)裝置優(yōu)化設(shè)計(jì)與試驗(yàn)

萬(wàn) 霖 唐宏宇 馬廣宇 車 剛 鄒丹丹 孫文勝

(1.黑龍江八一農(nóng)墾大學(xué)工程學(xué)院， 大慶 163319； 2.黑龍江省農(nóng)機(jī)智能裝備重點(diǎn)實(shí)驗(yàn)室， 大慶 163319)

0 引言

水稻含水率是水稻安全儲(chǔ)藏與加工的重要指標(biāo)，水稻含水率的準(zhǔn)確在線測(cè)量具有重要意義。谷物含水率測(cè)量方法主要分為直接測(cè)量與間接測(cè)量?jī)煞N形式[1-4]。間接測(cè)量法為常用的測(cè)量方法，包括微波法[5-6]、電容法[7-10]、電阻法[11]、紅外法[12]、頻域法[13-14]和中子法[15]等。其中，電容法根據(jù)被測(cè)谷物不同的介電常數(shù)測(cè)量谷物含水率，成本低，測(cè)量方式無(wú)損，能夠保證被測(cè)谷物的品質(zhì)，可實(shí)現(xiàn)谷物含水率的快速檢測(cè)，是目前水稻含水率在線測(cè)量的常用方法。電容法基于介電特性進(jìn)行快速測(cè)量[16]，其靈敏度受環(huán)境、溫度、濕度、頻率等因素影響較大[17]。針對(duì)上述影響因素，學(xué)者們對(duì)谷物含水率檢測(cè)過(guò)程中的裝置結(jié)構(gòu)、數(shù)據(jù)處理及優(yōu)化等進(jìn)行了相關(guān)研究。張本華等[18]提出了基于SPA-SVR算法的水稻含水率檢測(cè)方法，建立了水稻含水率多元線性回歸和支持向量機(jī)模型。麥智煒等[19]基于非接觸式平行板電容測(cè)量原理，研制了適用于惡劣環(huán)境的糧食水分檢測(cè)裝置。王月菊[20]采用分段式PID算法對(duì)含水率檢測(cè)裝置進(jìn)行熱源控制，滿足多種環(huán)境下的快速檢測(cè)需求。目前，基于外部環(huán)境因子對(duì)電容傳感器適應(yīng)性的研究較多，而在電容極板結(jié)構(gòu)的邊緣效應(yīng)[21]方面的研究深度不足，且鮮見(jiàn)雙重極板結(jié)構(gòu)電容器的研究報(bào)道。本文基于平行板電容器，采取翅片式雙重極板檢測(cè)方式，通過(guò)優(yōu)化極板結(jié)構(gòu)提高電容器的靈敏度，建立基于量化共軛梯度算法的神經(jīng)網(wǎng)絡(luò)NARX水稻含水率預(yù)測(cè)模型，實(shí)現(xiàn)測(cè)試數(shù)據(jù)的泛化與校正。通過(guò)完善檢測(cè)方式、檢測(cè)結(jié)構(gòu)和數(shù)據(jù)處理方式提高水稻含水率的在線檢測(cè)精度，為在線檢測(cè)裝置的設(shè)計(jì)提供參考。

1 檢測(cè)原理

相對(duì)介電常數(shù)作為影響電容器電容的參數(shù)之一，在確保其他影響參數(shù)不變的情況下，通過(guò)測(cè)量電容即可求出相應(yīng)糧食的相對(duì)介電常數(shù)。結(jié)合水稻干燥機(jī)中水稻的流態(tài)特性與電容法測(cè)量的靈敏性，本文選擇平行板式電容器作為試驗(yàn)對(duì)象。相對(duì)介電常數(shù)不同，電容器所產(chǎn)生的電容不同，從而將被測(cè)物理量轉(zhuǎn)換為電容量[22-23]。糧食含水率則由已經(jīng)求出的相對(duì)介電常數(shù)與已標(biāo)定的相應(yīng)谷物含水率和相對(duì)介電常數(shù)的關(guān)系得出。平行極板式電容水分檢測(cè)儀具有結(jié)構(gòu)簡(jiǎn)單的特點(diǎn)，板內(nèi)電場(chǎng)均勻，電容與電容器本身的性質(zhì)(如幾何形狀、尺寸和相對(duì)位置)相關(guān)，與電量和電勢(shì)差無(wú)關(guān)[24]。由高斯定理和場(chǎng)強(qiáng)疊加原理可知兩平行板間的電場(chǎng)強(qiáng)度和電勢(shì)差，根據(jù)電容器的定義可得平行板電容器的電容C為

(1)

式中ε0——真空介電常數(shù)，取8.85×10-12F/m

εr——兩極板間介質(zhì)相對(duì)介電常數(shù)

A——兩極板間相對(duì)面積，mm2

d——兩極板間間距，mm

根據(jù)極板間介質(zhì)相對(duì)介電常數(shù)、等效總電容與谷物含水率的關(guān)系，測(cè)算出谷物相應(yīng)的含水率，且每次的檢測(cè)結(jié)果為單一值[25]。平行板電容器工作原理圖如圖1所示。

圖1雙重極板檢測(cè)裝置可視為并聯(lián)電容式結(jié)構(gòu)，因加載到各電極板的電壓相同，所以總電荷量與等效電容為兩個(gè)電容器的電荷量與電容之和[26]，當(dāng)極板間充滿谷物時(shí)，其內(nèi)部狀態(tài)可視為由谷物的干物質(zhì)、谷物中的水分以及谷?？紫堕g的空氣三者組成。相對(duì)面積A可視為三者面積之和?？傠娙菘杀磉_(dá)為3種物質(zhì)等效電容之和，即

(2)

式中ε1、ε2、ε3——干物質(zhì)、水分、空氣相對(duì)介電常數(shù)

A1、A2、A3——干物質(zhì)、水分、空氣面積，mm2

空氣質(zhì)量忽略不計(jì)，被測(cè)谷物含水率W計(jì)算式為

(3)

式中ρ1——水稻干物質(zhì)密度，g/cm3

ρ2——水密度，g/cm3

V1——谷物干物質(zhì)體積，cm3

V2——谷物中水體積，cm3

以ρ2=1 g/cm3、ε0=8.85×10-12F/m為基礎(chǔ)數(shù)據(jù)，假定極板間距范圍內(nèi)干物質(zhì)、水分和空氣緊密結(jié)合。將式(3)轉(zhuǎn)換為各組分面積與谷物含水率的函數(shù)式，代入式(2)可得電容傳感器的電容C與含水率的函數(shù)表達(dá)式為

(4)

其中

K0=2ε0A/d

式中K0——定常數(shù)

γ——極板間谷物干物質(zhì)容積與總?cè)莘e比值

e——同一高度下孔隙與谷物干物質(zhì)顆粒體積比值

2 雙重極板電容器結(jié)構(gòu)設(shè)計(jì)與優(yōu)化

2.1 雙重極板電容器設(shè)計(jì)

雙重極板電容器主要由帶極外殼體、電極板、基座、控制器、激振電機(jī)等組成，如圖2所示。檢測(cè)區(qū)上端為進(jìn)糧口，下端設(shè)有排糧口。通過(guò)絕緣基座將中間電極板與檢測(cè)控制器封裝并與外殼體相連接，采樣裝置的中空部分及前端嵌入干燥機(jī)出糧口內(nèi)壁處。中間極板為翅片式，在保證裝置整體測(cè)試水稻容積不變的情況下增大了電容，外設(shè)的激振電機(jī)的有序振動(dòng)可以避免水稻間粘連，保證被測(cè)水稻孔隙度均勻分布，降低電容檢測(cè)過(guò)程的不良影響。

在檢測(cè)過(guò)程中，考慮水稻流態(tài)化導(dǎo)致堆積密度變化對(duì)測(cè)量準(zhǔn)確性存在一定偏差，設(shè)計(jì)了一種抽拉式排糧機(jī)構(gòu)，實(shí)現(xiàn)水稻含水率分批量連續(xù)檢測(cè)，如圖3所示。抽拉式排糧機(jī)構(gòu)采用單片機(jī)有序控制電動(dòng)推桿實(shí)現(xiàn)底座內(nèi)排糧閘門的開(kāi)合，通過(guò)控制器可以控制水稻在極板間的堆積、振動(dòng)、測(cè)量和排放時(shí)間，穩(wěn)定水稻在線測(cè)試。

2.2 平行板結(jié)構(gòu)參數(shù)優(yōu)化

平行板電容器邊緣效應(yīng)主要是由于電場(chǎng)線在極板間區(qū)域向外部空間擴(kuò)展過(guò)程中，電場(chǎng)線由平行線變?yōu)槌书_(kāi)口狀分布，邊緣電場(chǎng)線寬度改變，電場(chǎng)分布集中在極板的邊緣，產(chǎn)生附加電容[27]。因此對(duì)極板結(jié)構(gòu)進(jìn)行合理的優(yōu)化，有利于消除邊緣效應(yīng)產(chǎn)生的影響，提高電容檢測(cè)的靈敏度。

2.2.1試驗(yàn)材料與方法

選取初始含水率為19.43%的齊齊哈爾地區(qū)短粒粳稻為試驗(yàn)樣品，采用105℃恒重法測(cè)定樣品含水率。所用儀器包括DGG-9070B型電熱恒溫鼓風(fēng)干燥箱和沈陽(yáng)龍騰電子有限公司生產(chǎn)的電子天平。為保證測(cè)量結(jié)果準(zhǔn)確，將被測(cè)樣品均勻分成3份，測(cè)量結(jié)果取平均值。

基于電容器極板結(jié)構(gòu)分析，確定極板厚度h、極板間距d、相對(duì)面積A作為影響電容器靈敏度主要因素，確定試驗(yàn)指標(biāo)為電容比，即實(shí)測(cè)水稻含水率電容C1與理論計(jì)算電容C2之比，采用二次回歸正交組合試驗(yàn)，獲取電容器最佳參數(shù)組合。試驗(yàn)因素編碼如表1所示。

表1 因素編碼Tab.1 Factors and codes

2.2.2試驗(yàn)結(jié)果與分析

利用Design-Expert 8.0.6軟件處理試驗(yàn)數(shù)據(jù)，試驗(yàn)方案與結(jié)果如表2所示，X1、X2、X3為因素編碼值。通過(guò)回歸分析處理試驗(yàn)結(jié)果，獲取方差分析如表3所示，建立衡量電容器靈敏度的指標(biāo)——電容比編碼值的回歸方程，并檢驗(yàn)其顯著性。

表2 試驗(yàn)方案與結(jié)果Tab.2 Experiment scheme and results

表3 電容比方差分析Tab.3 Variance analysis of capacitance ratio

(5)

而失擬項(xiàng)為不顯著(P=0.338)，表明方程擬合效果較好。

2.2.3參數(shù)優(yōu)化

依據(jù)試驗(yàn)結(jié)果和數(shù)據(jù)分析，以衡量電容器靈敏度指標(biāo)(電容比)最小為目標(biāo)，通過(guò)Design-Expert 8.0.6軟件分析，極板厚度、極板間距、相對(duì)面積兩兩交互作用對(duì)電容比的影響如圖4所示。極板厚度與極板間距交互作用趨勢(shì)較為平緩，作用不顯著。極板間距與相對(duì)面積、極板厚度與相對(duì)面積交互作用對(duì)電容比的影響大，在極板間距減小、極板厚度增大、相對(duì)面積變大的情況下，電容比較大。

同時(shí)獲得多個(gè)最佳參數(shù)組合，列舉出其中5個(gè)符合期望的優(yōu)選方案，如表4所示。由表3和式(5)可知，相對(duì)面積是影響電容器靈敏度的關(guān)鍵因素。由方

表4 測(cè)試極板的較優(yōu)條件Tab.4 Better conditions of electrode plate

差分析可知，減小電容器極板面積，可減小測(cè)試誤差，因此，確定相對(duì)面積的期望值為最小值。結(jié)合實(shí)際電容器加工制造水平，獲得電容器最優(yōu)結(jié)構(gòu)方案為極板厚度2.98 mm，極板間距101.60 mm，相對(duì)面積為32 583.69 mm2。

3 測(cè)量系統(tǒng)設(shè)計(jì)

3.1 電容測(cè)量電路設(shè)計(jì)

電容式含水率傳感器測(cè)量電路通常為調(diào)頻測(cè)量電路，根據(jù)電容變化時(shí)振蕩器的振蕩頻率發(fā)生變化對(duì)電容進(jìn)行測(cè)量，具有較高靈敏度。但頻率變化受環(huán)境因素影響較大，故該電路穩(wěn)定性較差。因此，本文選擇運(yùn)算放大器電路作為電容測(cè)量電路，根據(jù)其較高的放大系數(shù)K和輸入阻抗Zi，可保證電路的穩(wěn)定性，是較為理想的測(cè)量電路。

3.1.1運(yùn)算放大電路

電容測(cè)量方式采用運(yùn)算放大電路，主要由LM741和LM709組成。運(yùn)算放大電路如圖5所示。該電路的測(cè)量是根據(jù)兩被測(cè)電容間充電和放電所產(chǎn)生的三角波振蕩周期變化，從而測(cè)得電容。圖中LM741構(gòu)成密勒積分電路，LM709構(gòu)成施密特整形電路形成正反饋而產(chǎn)生振蕩，振蕩周期不受電源電壓的影響。主控芯片將模擬量轉(zhuǎn)換成數(shù)字量。

3.1.2溫度測(cè)量傳感器及A/D轉(zhuǎn)換

溫度變化是影響電容測(cè)量精度的重要因素，溫度的改變會(huì)導(dǎo)致被測(cè)谷物介電常數(shù)的變化。因此，對(duì)被測(cè)谷物進(jìn)行實(shí)時(shí)的溫度監(jiān)測(cè)，對(duì)電容整體測(cè)量結(jié)果有重要意義。溫度傳感器選用PT100熱電阻溫度傳感器，其型號(hào)為PT100WZP-187。利用AD7793芯片的高轉(zhuǎn)換精度和自校準(zhǔn)、系統(tǒng)校準(zhǔn)功能，能夠消除零點(diǎn)誤差、滿量程誤差和溫度漂移帶來(lái)的影響。采用3差分模擬輸入通道，可直接接收來(lái)自傳感器的模擬量輸入；由于芯片自身具有低噪聲特點(diǎn)，通過(guò)RC低通濾波器即可達(dá)到濾波效果，大大降低前段抗混疊濾波器的需求。通過(guò)MCU靈活控制和配置AD7793芯片內(nèi)寄存器，實(shí)現(xiàn)對(duì)AD7793芯片的控制。A/D轉(zhuǎn)換電路如圖6所示。

3.1.3電源穩(wěn)壓及補(bǔ)償電路

溫度變化會(huì)引起被測(cè)谷物的介電常數(shù)變化，溫度系數(shù)的改變會(huì)影響電路的輸出信號(hào)，產(chǎn)生溫漂，進(jìn)而影響測(cè)試結(jié)果。本文設(shè)計(jì)以LM732芯片為核心的電源穩(wěn)壓電路，具有溫度控制作用。利用其溫度控制特點(diǎn)，可減弱溫漂所產(chǎn)生的信號(hào)誤差。根據(jù)其較強(qiáng)的調(diào)壓范圍(2～37 V)，可降低電容變化時(shí)產(chǎn)生的干擾波紋，對(duì)測(cè)量電容起到穩(wěn)定的作用。該電路根據(jù)溫度、電容的模擬量，將物理變化轉(zhuǎn)為電壓變化，通過(guò)對(duì)電壓的補(bǔ)償調(diào)節(jié)，間接對(duì)電容和溫度進(jìn)行補(bǔ)償。電源穩(wěn)壓電路如圖7所示。

3.2 上位機(jī)監(jiān)測(cè)界面

采用Visual Basic 6.0進(jìn)行上位機(jī)軟件程序編寫。程序界面如圖8所示，主要包括串行口調(diào)試模塊、配置調(diào)試模塊、設(shè)備地址、Modbus通訊測(cè)試模塊、校準(zhǔn)水分模塊、校準(zhǔn)溫度模塊。主界面包括水分和溫度數(shù)顯，設(shè)備信息與糧食類型以及數(shù)據(jù)曲線圖。實(shí)現(xiàn)水稻含水率的實(shí)時(shí)檢測(cè)。

4 基于神經(jīng)網(wǎng)絡(luò)的水稻含水率預(yù)測(cè)與校正

水稻干燥環(huán)境復(fù)雜、多變，傳感器的靈敏度會(huì)受到環(huán)境因素變化的干擾。面對(duì)自然環(huán)境不可控因素的干擾，含水率的精確預(yù)測(cè)可減少105℃恒重法或電阻校正法的試驗(yàn)次數(shù)，配合上位機(jī)軟件中水分校正模塊，可提升含水率檢測(cè)結(jié)果的準(zhǔn)確性。

4.1 NARX水稻含水率預(yù)測(cè)模型

本文采用的NARX動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)如圖9所示，具有非線性自回歸的網(wǎng)絡(luò)特性，適用于單輸出、單輸入的網(wǎng)絡(luò)訓(xùn)練。在自然環(huán)境相對(duì)穩(wěn)定狀態(tài)下，以實(shí)際測(cè)量的電容為輸入函數(shù)，以恒重法標(biāo)定的含水率為目標(biāo)輸出函數(shù)對(duì)含水率進(jìn)行預(yù)測(cè)。

4.2 預(yù)測(cè)模型參數(shù)

通過(guò)對(duì)比驗(yàn)證確定神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。本文對(duì)網(wǎng)絡(luò)不同的隱含層數(shù)、神經(jīng)元數(shù)、優(yōu)化算法、滯后階數(shù)進(jìn)行對(duì)比分析。其中，隱含層數(shù)通常設(shè)定為1層，過(guò)多的隱含層數(shù)不利于模型的整體訓(xùn)練，可能會(huì)使模型陷入極值問(wèn)題。

4.2.1優(yōu)化算法對(duì)比

在Neural Network Start中，針對(duì)模型的優(yōu)化訓(xùn)練算法包括LM(Levenberg-Marquard)算法、BR(Bayesian regularization)算法、SCG(Scaled conjugate gradient)算法。以3種優(yōu)化算法對(duì)應(yīng)訓(xùn)練模型結(jié)果的均方誤差(MSE)和復(fù)相關(guān)系數(shù)R作為模型評(píng)價(jià)指標(biāo)，其中均方誤差(MSE)越低越好，0代表無(wú)誤差；復(fù)相關(guān)系數(shù)R越接近于1，表明模型相關(guān)性越緊密，0代表隨機(jī)相關(guān)。評(píng)價(jià)結(jié)果如表5所示。

表5 算法模型優(yōu)化評(píng)價(jià)結(jié)果Tab.5 Algorithm model optimization evaluation results

由表5可知，SCG模型的均方誤差在3種模型中最接近于0，效果最優(yōu)；LM模型的均方誤差略大于SCG模型；3種模型的復(fù)相關(guān)系數(shù)均接近于1，R表現(xiàn)差別不大。最終確定SCG算法作為模型的優(yōu)化算法。

4.2.2神經(jīng)元數(shù)量及滯后階數(shù)確定

依據(jù)SCG算法優(yōu)化算法模型，采用控制變量方法，分別調(diào)整神經(jīng)元數(shù)量、滯后階數(shù)對(duì)模型進(jìn)行訓(xùn)練，得到最佳的參數(shù)數(shù)值。測(cè)試神經(jīng)元數(shù)量選擇為5、10、15；測(cè)試滯后階數(shù)為1、2、3。以MSE和R作為評(píng)價(jià)指標(biāo)，評(píng)價(jià)結(jié)果如表6所示。

表6 神經(jīng)元數(shù)量及滯后階數(shù)評(píng)價(jià)結(jié)果Tab.6 Results of evaluation of number of neurons and lag order

由表6可知，神經(jīng)元數(shù)量為5時(shí)，模型的MSE最低，相關(guān)性均為緊密，差異不大；滯后階數(shù)為3時(shí)，模型的MSE最低，且與滯后階數(shù)為1、2時(shí)差別較大，三者回歸相關(guān)性差異不大。最終確定模型的神經(jīng)元數(shù)量為5，滯后階數(shù)為3。

4.3 預(yù)測(cè)結(jié)果及分析

將含水率為10%～20%的水稻樣品依次放置在檢測(cè)裝置中進(jìn)行電容測(cè)試，記錄對(duì)應(yīng)含水率下的水稻電容作為模型訓(xùn)練的輸入值和輸出值。按照網(wǎng)絡(luò)默認(rèn)設(shè)置的訓(xùn)練集70%、驗(yàn)證集15%、測(cè)試集15%對(duì)訓(xùn)練樣本進(jìn)行劃分。訓(xùn)練結(jié)果如圖10所示。

如圖10所示，隨著訓(xùn)練次數(shù)的增加，均方誤差逐漸降低，在訓(xùn)練次數(shù)達(dá)到17次后，訓(xùn)練集、驗(yàn)證集、測(cè)試集的均方誤差不再變化，保持恒定。因此訓(xùn)練次數(shù)達(dá)到17時(shí)為最優(yōu)。訓(xùn)練完成后，可得出水稻含水率NARX預(yù)測(cè)結(jié)果誤差，通過(guò)分析預(yù)測(cè)值與實(shí)測(cè)值，判斷預(yù)測(cè)模型的擬合效果。水稻含水率NARX預(yù)測(cè)結(jié)果誤差如圖11所示。由圖11可以看出，誤差范圍在±0.5%以內(nèi)，模型預(yù)測(cè)結(jié)果較好。

圖12中訓(xùn)練集擬合度N為0.998 19，驗(yàn)證集擬合度N為0.999 31，測(cè)試集擬合度N為0.998 72，綜合集擬合度N為0.998 39。根據(jù)訓(xùn)練集、驗(yàn)證集、測(cè)試集和綜合集擬合度結(jié)果分析，針對(duì)水稻含水率范圍在10%～20%的預(yù)測(cè)準(zhǔn)確性較好，表明模型適用于水稻含水率的預(yù)測(cè)。

5 試驗(yàn)結(jié)果與分析

5.1 靜態(tài)測(cè)試試驗(yàn)

靜態(tài)測(cè)試試驗(yàn)在黑龍江省農(nóng)機(jī)智能裝備重點(diǎn)實(shí)驗(yàn)室進(jìn)行，采用帶溫度補(bǔ)償模塊的水分檢測(cè)裝置，并在上位機(jī)軟件設(shè)置水分校正模塊，進(jìn)行溫度系數(shù)的補(bǔ)償和水分偏差修正。實(shí)驗(yàn)室內(nèi)溫度調(diào)控為5～7℃,符合常規(guī)干燥作業(yè)的環(huán)境溫度。采用含水率為13.92%～19.22%的水稻樣品100份，分組標(biāo)記后依次放入檢測(cè)裝置中進(jìn)行檢測(cè)。采用105℃恒重法進(jìn)行校對(duì)，測(cè)試試驗(yàn)臺(tái)如圖13所示。

檢測(cè)裝置執(zhí)行階段檢測(cè)，執(zhí)行20 s檢測(cè)周期(可調(diào))，檢測(cè)過(guò)程電動(dòng)推桿不動(dòng)作，閥門關(guān)閉，5 s充糧，測(cè)試含水率，取平均值；檢測(cè)完成后，電動(dòng)推桿動(dòng)作，閥門打開(kāi)，5 s排糧。每組試驗(yàn)重復(fù)3次，取平均值。含水率測(cè)試結(jié)果如表7所示。

表7 含水率測(cè)試結(jié)果Tab.7 Result of moisture content test %

由表7可知，含水率最大相對(duì)偏差為0.65%，最小相對(duì)偏差為0.26%，平均相對(duì)偏差為0.44%，滿足測(cè)試要求，檢測(cè)結(jié)果接近恒重法測(cè)量值。

5.2 水稻干燥在線測(cè)試

水稻干燥在線測(cè)試地點(diǎn)為北大荒米業(yè)集團(tuán)五常市加工基地干燥現(xiàn)場(chǎng)，水稻品種為長(zhǎng)粒稻花香，含水率為18%～20%。將兩套水稻含水率檢測(cè)裝置安置于干燥機(jī)提升機(jī)入糧斗側(cè)壁內(nèi)和皮帶輸送機(jī)排糧出口處，水稻干燥機(jī)與在線檢測(cè)裝置如圖14所示。

因鮮食稻谷加工的需求，水稻干燥含水率控制在15%左右。在線完成一次水分檢測(cè)周期需30 s，其中收集與振動(dòng)時(shí)間需12 s，含水率檢測(cè)一次的時(shí)間為10 s，排糧電動(dòng)推桿完成開(kāi)合時(shí)間為8 s。利用該裝置進(jìn)行了24 h連續(xù)在線測(cè)試稻谷含水率，采樣間隔30 min，對(duì)比KettPM8188A型靜態(tài)電容水分儀測(cè)試的數(shù)據(jù)，測(cè)試結(jié)果如圖15所示。稻谷水分相對(duì)偏差在±0.5%以內(nèi)，測(cè)試結(jié)果較穩(wěn)定。

6 結(jié)論

(1)提出一種翅片式雙重極板水稻含水率檢測(cè)方式，通過(guò)二次回歸正交組合試驗(yàn)建立電容比的有效回歸方程。結(jié)合邊緣效應(yīng)最低需求，得到極板參數(shù)最優(yōu)組合為極板厚度2.98 mm、極板間距101.60 mm、相對(duì)面積32 583.69 mm2。

(2)采用運(yùn)算放大器電路作為電容的測(cè)量電路，設(shè)計(jì)了以LM741芯片為核心的電容測(cè)量電路，利用溫度傳感器與A/D轉(zhuǎn)換電路實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)換，并利用電源穩(wěn)壓電路進(jìn)行了補(bǔ)償；設(shè)計(jì)了上位機(jī)監(jiān)測(cè)系統(tǒng)，完成對(duì)水稻含水率的實(shí)時(shí)采集與監(jiān)控。

(3)建立了水稻含水率NARX預(yù)測(cè)模型。確定神經(jīng)元數(shù)量為5，滯后階數(shù)為3，最佳優(yōu)化算法為SCG算法。訓(xùn)練集、驗(yàn)證集、測(cè)試集和綜合集擬合度均接近1，模型擬合度良好。水稻含水率預(yù)測(cè)值與105℃恒重法測(cè)試值的誤差范圍在±0.5%以內(nèi)。

(4)實(shí)驗(yàn)室靜態(tài)測(cè)試與干燥機(jī)在線測(cè)試試驗(yàn)表明，應(yīng)用雙重極板電容測(cè)定裝置進(jìn)行在線測(cè)試，最大相對(duì)偏差為0.65%，最小相對(duì)偏差為0.26%，平均相對(duì)偏差為0.44%，滿足水稻含水率測(cè)試要求。水稻干燥生產(chǎn)現(xiàn)場(chǎng)在線測(cè)試結(jié)果與靜態(tài)電容水分儀測(cè)試結(jié)果相比，含水率測(cè)試偏差浮動(dòng)較小，相對(duì)偏差在±0.5%以內(nèi)，檢測(cè)性能穩(wěn)定。