食品干燥设备自动控制系统设计

胡晓锋

河南经贸职业学院（郑州 450001）

对于食品干燥来说，品质控制十分重要。如果干燥过程中，温湿度控制不均匀，就会降低食品质量进而影响整个干燥进程[1-3]。因此，如何确保干燥过程温湿度恒定，对分析食品脱水机理、改进干燥设备具有十分重要的意义。随着制造业自动化水平的不断提高，干燥设备的种类越来越多，例如微波干燥设备、太阳能干燥设备、气体射流冲击干燥设备、红外干燥设备、热风干燥设备等[4-7]。

以热风干燥为例，在实际生产过程中，干燥设备普遍存在内部温湿度分布不均的情况，很难保证干燥过程中物料各部分温湿度的均匀性。因此，干燥设备温湿度的精准控制就成为急需解决的问题。诸多学者采用单片机或PLC实现了温湿度控制[8-10]。童亚子等[11]设计了一种太阳能热风真空干燥设备，该设备仅适用于香蕉，比较单一，应用范围有限。黄勋等[12]设计了一种热风真空干燥设备，该设备以PLC作为控制核心，在某种程度上实现了干燥设备自动化，但是缺乏相关记录功能。Barbara等[13]以苹果为例，重点研究了不同条件下苹果的干燥速度，不同的干燥阶段应如何设置干燥温度。

在现有研究的基础上，以干燥设备温湿度控制为研究对象，基于神经网络模糊PID算法设计了一种控制器，以实现干燥设备的温湿度控制。最后，进行相关试验研究。

1 干燥设备

1.1 简介

以热风真空组合干燥设备为研究对象，其组成如图1所示，其中1为破空阀；2为控制系统；3为温湿度传感器；4为物料托盘；5为加热板；6为破空阀；7为真空泵；8位离心风机；9为热风出口；10为温度传感器；11为破空阀；12为加热装置；13为排湿风机[14]。该设备工作模式有两种，即热风干燥、真空干燥，工作模式可通过控制系统进行切换。如果采用热风干燥模式时，传感器采集温湿度信号并将其交给信号处理模块；经滤波等处理后传送到PLC，PLC判断所采集信号是否有效，然后发送给上位机；上位机经过相关算法处理后得到控制信号，并发送给PLC，PLC控制执行元件完成相关操作。整个干燥过程中，触摸屏会实时显示当前温湿度、设备工作状态、当前运行模块等信息。

图1 干燥设备结构

1.2 控制系统

干燥设备控制系统主要包括上位机、PLC、温湿度传感器、触摸屏、开关电源、直流继电器、交流接触器等[5]，控制系统接线图如图2所示。总体来说，PLC选用西门子S7-200系列PLC、触摸屏选用威纶通系列、上位机选用微型计算机。

图2 控制系统接线图

食品干燥前，需要通过触摸屏设置温度、湿度、温度上限、温度下限、湿度上限、湿度下限等参数；温湿度传感器可用于测量干燥箱内部温湿度；触摸屏可实时显示温湿度数值和变化曲线；上位机和PLC之间实时通信，更新控制参数。如果温湿度过高或过低达到上下限时，蜂鸣器就会报警，PLC会控制直流继电器、交流接触器等元器件，进而实现设备内部加湿装置、加热元件、鼓风装置的控制。概括来讲，温湿度控制过程可分为以下几种情况：

1) 设备内部温度低于设定温度下限时，蜂鸣器报警、温度报警器变蓝，PLC发送加热指令，加热元件开始工作，温度会逐渐接近设定温度。

2) 设备内部湿度低于设定湿度下限时，蜂鸣器报警、湿度报警器变蓝，PLC发送加湿指令，加湿元件开始工作，湿度会逐渐接近设定湿度。

3) 设备内部温度高于设定温度上限时，蜂鸣器报警、温度报警器变红，PLC发出鼓风指令，离心风机开始工作，风机会加速食品温度下降；加热元件停止加热，温度会逐渐接近设定温度。

4) 设备内部湿度高于湿度上限时，蜂鸣器报警、湿度报警器变红，PLC发出鼓风和加热指令，排湿风机开始工作，带走高湿度热空气；同时加热元件间歇工作，湿度会逐渐接近设定湿度。

2 基于模糊神经网络的PID控制器

2.1 模糊神经网络PID控制器结构

为提高干燥设备温湿度控制性能，设计了一种模糊神经网络PID控制器。该控制器包括模糊神经网络控制器和PID控制器。控制器输入为温湿度误差及其变化率、误差累积量；PID控制器参数由模糊神经网络实现实时在线调整；理论上，所述控制方法具有精度高、响应速度快等特点，避免了超调、振荡的问题，进而达到期望控制效果。控制器结构如图3所示。

图3中PID控制器直接处理被控对象，模糊神经网络控制器则在线调整PID控制器参数Kp、Ki、Kd，采用增量式PID控制，相关算法如下：

式中：u(k)为控制器输出；r(k)为设定值；y(k)为实际输出；e(k)为偏差信号。

图3 控制器结构

2.2 模糊神经网络

对于模糊神经网络控制器，其所采用神经网络总共4层，即输入层、模糊层、模糊推理层和输出层，其结构如图4所示。

图4 神经网络结构

神经网络输入层的输入量分别为温湿度误差e、温湿度误差变化率e以及误差累积量，输入层激活函数可表示为：

其中具体输入可分别表示为：

神经网络模糊层含有7个神经元，可将输入层的输出分别划分到7个模糊集，实现模糊化。所述7个神经元分别对应模糊集内部的{NB，NM，NS，Z，PS，PM，PB}，即负大、负中、负小、零、正小、正中、正大。根据干燥设备控制系统的特点，可选用高斯函数作为激活函数，即：

式中：i=1, 2, 3；j=1, 2, 3, 4, 5, 6, 7；mij为第i个输入量的第j个模糊集隶属度函数的均差，σij为标准差。

神经网络模糊推理层同样包含7个神经元，各神经元分别对应一个模糊规则，可将已模糊化处理的输入量两两相乘，进而得到该层输出值。所以该层激活函数可表示为：

式中：

神经网络输出层的输出分别对应PID控制器的3个参数Kp、Ki、Kd。定义连接权矩阵为w，那么神经网络输出可表示为：

2.3 学习算法

由于干燥设备具有很强的非线性和滞后性，需要实时整定网络权系数，即调整模糊规则。文中选用如下性能指标函数：

综合考虑，可根据梯度下降法调整神经网络权值，同时为确保最优搜索能够快速收敛，可设计一种全局极小惯性项。那么Δwij(k)的学习算法可表示为：

式中：η为学习速率；α为惯性系数。

3 试验研究

为验证所述自动控制系统的可行性和有效性，文中进行了相关试验研究。以某茶厂干燥设备为试验平台，采用不同控制方法进行试验并对比实际效果。以温度控制为例，温度设定值为80 ℃；试验周期为80 min；数据采样周期为5 min。具体试验条件如下：

1) 试验材料：大红袍。

2) 试验设备：某茶厂干燥设备。

3) 试验方案：控制方法包括人工控制、模糊PID以及所述控制方法等，研究指标为热风温度、排烟温度，试验结果如图5～图6所示。

图5 排烟温度变化曲线

图6 热风温度变化曲线

从试验结果可以看出：人工控制模式下，热风温度的最高值为130.6 ℃、最低值为64.9 ℃、最大波动幅度达到了65.5 ℃；模糊PID控制模式下，热风温度的最高值为87.8 ℃，最低值为73.9 ℃，最大波动幅度为13.9 ℃；模糊神经网络PID控制模式下，热风温度的最高值为82.9 ℃，最低值为78.3 ℃，最大波动幅度只有4.6 ℃。

试验结果表明：人工控制模式下，热风温度和排烟温度的变化幅度非常大，收敛速度比较慢，脱水效果一般。与人工控制相比，后两种控制方式，温度变化幅度明显变小，而且收敛速度较快，达到了恒温控制的效果。其中，文中所述控制方法的控制效果最优。

4 结语

为解决干燥设备温湿度控制系统的非线性、时滞性、控制精度不高等问题，首先介绍了干燥设备结构和控制系统组成。结合模糊控制、神经网络控制和PID控制，设计了一种温湿度控制方法。通过具体试验验证了所述方法的可行性和有效性。试验结果表明：试验所述控制方法控制效果最优，温度最大波动幅度只有4.6 ℃。食品干燥设备自动控制系统具有一定的应用价值。