基于神经网络棉花质量检测系统可行性分析.docVIP

基于神经网络棉花质量检测系统可行性分析 　　摘 要：研究了气固两相流中固体质量的检测方法，针对棉花气力输送的非均匀性进行了分析，提出了应用神经网络进行棉花质量建模的分析方法，并分析了神经网络建模的过程，确定了系统的研究方案。 　　关键词：棉花质量检测；气固两相流；神经网络；建模方法 　　中图分类号 S562 文献标识码 A 文章编号 1007-7731（2013）19-134-02 　　棉花产业是新疆的支柱产业，气力输送已成为棉花加工厂各工序间主要的物料输送方式。质量流量参数是控制烘干机和其他轧花机械的重要参数，质量流量的在线检测对于提高生产效率、降低能耗、节约能源具有十分积极的意义。 　　在气力输送系统中，气固两相流中固体流量的测量一直是一个尚未圆满解决的问题，目前虽然存在多种非接触式测量方法，如电容法、静电法、超声波、射线法等，但是由于气固两相流体流动过程的随机性和复杂性，固相流量与其影响因素之间存在着复杂的非线性关系，很难找到其流动规律，给精确测量带来困难。 　　气固两相流中测量固相质量流量时，由于固相流量与其影响因素（压差、流量系数、气固混合密度等）之间存在着复杂的非线性关系，用一般的方法去获得其质量流量模型非常困难。 　　本文利用人工神经网络优良的非线性映射能力，建立一个基于神经网络的固相质量流量测量模型，并以实验数据为样本对网络进行训练，实现对固相质量流量的在线估计。为气力输送系统中固相质量流量的在线测量提供一种简单、可靠的新方法。 　　1 气固两相流质量流量的测量方法 　　由于气固两相流流体性质、流动状态以及流动条件的复杂性和多样性，所以固体质量流量在线连续、准确测量对生产过程的计量、节能和控制具有重大意义，国内外学者对此做了大量的研究。 　　从应用原理上，可将固体质量流量检测方法分为直接测量和间接测量。现在提出的各种测量方法大多是基于间接测量原理，即独立测量瞬时体积浓度和瞬时固体流速，通过计算得到固体质量流量，主要包括基于多普勒法、相关法、空接滤波法、质点成像法等4种原理测量瞬时固体流速的方法，和基于电学、共振、衰减/散射、层析成像等4种原理测量瞬时体积浓度的方法，测量精度主要取决于能否准确测量管道截面固相的浓度。 　　气力输送棉花属稀相流动，棉花在管道截面呈不均匀分布，导致各类传感器都显示出一定程度的非均匀的空间灵敏度，使得测量存在许多难题，并容易造成较大的测量误差。由于光学法直观、可靠、分辨率高，对流场成分和水分变化造成的影响抗干扰性强，利用光的衰减或反射性能来得到传感器输出信号是比较合适的棉花质量流量检测方法。由于棉花具有较好的透光性和漫反射性，因此只要质量密度不是过大，应用光学法能获得较好的测量效果。 　　2 神经网络的应用 　　2.1 神经网络在系统辨识方面的应用 人工神经网络从模拟人脑感知行为出发，基于神经元之间的连接，实现信息的大规模并行、分布式存储和处理，并具备自组织、自适应、自学习能力，可实现对复杂问题的处理。 　　系统辨识是控制理论研究的一个重要分支，它是控制系统设计的基础。在多数情况下，被控对象的数学模型是未知的，并且在正常运行期间，模型的参数可能发生变化，因此利用控制理论去解决实际问题时，首先必须建立被控对象的数学模型，即系统辨识问题。目前对线性、非时变和具有不确定参数对象进行辨识和自适应控制的研究已取得了很大的进展，对于非线性系统的辨识问题，往往需要有关被辨识系统的结构形式等各种先验知识和假设，因此，它们基本上是针对某些特殊非线性系统而进行的。 　　神经网络系统辨识实质上是选择一个适当的神经网络模型来逼近实际系统。由于神经网络对非线性函数具有任意逼近和自学习能力，所以神经网络为非线性系统的辨识提供了一种简单而有效的一般性方法。 　　基于神经网络的建模方法属于辨识建模，其主要特点是辨识模型易于实现（辨识模型即为神经网络本身）和对非线性映射的逼近性能良好。针对气固两相流体流量的在线检测问题，是一个复杂多变的随机过程，固相流量与其影响因素之间存在着复杂的非线性关系，而采用由大量实验数据训练好的人工神经网络去预测不同条件下的固体流量，不失为一种可取的方法。 　　2.2 神经网络建模过程 气固两相流量在线检测建模实质上是一个多尺度建模问题，应从先验知识和过程机理分析、统计学习等尺度上出发，充分考虑固相物料特性，利用工程技术研究的最新成果，应用人工智能理论和技术来建立由过程机理模型和辨识模型构造的软测量混合模型，全面反映流量和各变量之间的关系，才是解决固相流量高精度在线估计的有效方法。 　　神经网络的学习过程可分为3步：第1步为前向计算，即得出固相质量流量的归一化估计值。第2步为误差反向传播，即根据估计值与实际值的误差求得各层权系数所需的改变量。第3步为调整权系数，对每一个输入模式执行上述第1、