智能預測控制在谷物干燥過程中的應用研究

成曉輝

(渤海大學 大學基礎教研部，遼寧 錦州 121003)

智能預測控制在谷物干燥過程中的應用研究

成曉輝

(渤海大學 大學基礎教研部，遼寧 錦州 121003)

谷物干燥過程控制是一個高精度智能預測控制模型，為了提高谷物干燥過程控制的可靠性和自適應性，提出一種基于加權組合預測的谷物干燥過程智能預測控制模型，首先建立谷物干燥過程控制的約束參量模型和控制目標函數，采用模糊決策的PID控制方法進行控制模型設計，采用加權組合預測方法進行自適應神經網絡加權，提高控制過程的適應度和支持度；然后選用TMS320VC5509A作為核心控制芯片，進行控制系統設計，在Linux2.6.32嵌入式內核平臺中進行谷物干燥預測控制軟件開發，實現預測控制系統優化設計；最后進行應用測試分析，結果表明，采用該系統進行谷物干燥過程的控制，能有效調節谷物干燥中的溫度和濕度，控制精度較好，人機交互性較好。

智能預測控制；谷物干燥；模糊決策；嵌入式

0 引言

隨著智能農業化技術的發展，農業生產和作業過程中的智能化水平不斷提高，谷物干燥是農業生產中對糧食谷物進行晾曬、烘干和通風的重要步驟，谷物干燥是保證糧食有效存儲、確保谷物質量的關鍵環節。谷物干燥的方法主要有通風機干燥、烘烤爐干擾和陽光晾曬干燥技術，對大規模谷物干燥進行處理過程中，通常采用加溫通風干燥技術，對大規模谷物的干燥處理過程中，對干燥房的溫度、濕度、防潮和通風性能有較高的要求。隨著集成自動控制技術的不斷發展，采用智能控制系統控制干燥房的溫度和濕度，實現對谷物干燥的智能控制，對提高糧食的口感和質量具有重要作用，相關的控制方法和系統研究設計受到人們的極大關注[1]。

谷物干燥的控制過程是一個多參量的約束性耦合控制過程，對谷物干燥的集成智能控制系統的開發設計主要分為硬件設計和軟件設計兩大部分，通過過程控制算法設計，結合預測控制系統的軟件開發和系統設計，實現對谷物干燥過程的智能預測控制。傳統方法中，對谷物干燥過程控制方法主要有模糊決策控制方法[2]、神經網絡控制方法和反饋控制方法等[3-4]，通過設計谷物干燥過程控制律，結合嵌入式程序加載，實現對干燥過程中的濕度預測和監測，取得一定的研究成果，其中，文獻[5]提出一種基于模糊PID算法的谷物干燥過程的空氣調節控制方法，設計模糊PID神經網絡控制，進行干燥過程控制，采用了PLC可編程邏輯芯片進行控制系統設計，取得較好的控制效果，但該方法容易受到溫度漂移的影響，產生控制失真；文獻[6]提出一種基于RFID的電力溫度監控系統，實現對谷物干燥過程中的電氣溫度調節和干燥過程控制循環調節，提高了谷物干燥過程中溫度控制的靈敏度，縮短了干燥周期，但是該控制方法的計算復雜度較大，在具有突變溫度影響下，進行大規模的谷物倉庫干燥過程控制時，控制的收斂性不好；文獻[7]提出一種基于RBF網絡PID的遠程實時溫度監控系統，進行谷物干燥烘房的RBF網絡智能物聯網調節，采用PID控制律進行過程預測控制設計，實現對谷物干燥烘房的實時溫度監控，但是該系統在設計過程中集成性不好，在內部存儲程序調節中容易產生堆棧溢出。針對上述問題，本文提出一種基于加權組合預測的谷物干燥過程智能預測控制模型，建立谷物干燥過程控制的約束參量模型和控制目標函數，采用模糊決策的PID控制方法進行控制模型設計，采用加權組合預測方法進行自適應神經網絡加權控制算法改進。然后選用TMS320VC5509A作為核心控制芯片，進行預測控制系統設計，在Linux2.6.32嵌入式內核平臺中進行谷物干燥預測控制軟件開發，實現預測控制系統優化設計。最后進行應用測試分析，得出有效性結論。

1 智能預測控制算法設計

1.1 控制原理及谷物干燥過程預測控制的約束參量模型

為了實現對谷物干燥過程預測控制，首先構建谷物干燥過程預測控制的約束參量模型，在加熱方式、烘烤時間、通風時間等方面對谷物干燥過程控制結構進行離散約束變量模型設計[8]，得到谷物干燥過程預測控制的總體結構模型如圖1所示。

圖1 谷物干燥過程預測控制的總體結構模型

設計谷物干燥的通風量和溫度的給定計算模型，進行谷物干燥烘房的閥門控制和通風調節閥門控制，給定谷物干燥烘房的目標給定溫度，采用PID模糊決策進行谷物干燥過程的模糊預測控制，進行專家規則補償控制，在通風量和溫度的控制中，對控制規則的約束變量進行離散二自由度分析[9]，結合控制環境和控制參數，得到谷物干燥過程預測控制的狀態特征方程描述為：

(1)

(2)

(3)

構建非線性耦合的閉環控制系統，采用正態相關狀態特征分析方法，進行谷物干燥過程預測控制的控制率改進設計。

1.2 控制律改進設計

在上述進行了谷物干燥過程預測控制的約束參量模型構建的基礎上，進行控制目標函數構建，采用模糊決策的PID控制方法進行控制模型設計，構建預測控制律，對谷物干燥的溫度和通風的兩個控制環節進行自適應耦合加權，得到谷物干燥過程的輸出擾動特征函數為：

(4)

當不考慮系統的不確定因素時，構建非線性耦合的狀態分析方程，采用加權組合預測方法進行自適應神經網絡加權，加權過程為：

(5)

式中，λ1和λ2為溫度控制和通風調節控制的時間常數，Km為控制狀態和環境因素的耦合參量，Lm為多態模糊增益系數，Tmi為滯后時間。通過加權組合預測，提高控制過程的適應度和支持度，通過調整配置權重系數，得到谷物干燥過程預測的傳遞函數為：

(6)

通過調節λ1和λ2來獲得控制規則表的時間滯后項，求得控制量值域，同時利用高分辨率模糊PID控制方法進行誤差調節，得到谷物干燥控制的誤差項收斂值e-Lms=1-Lms，在粗糙低分辨核空間中，進行干燥過程的模糊自適應特征分解，得到谷物干燥的模糊量化函數：

(7)

根據PID控制，設干燥過程的溫度給定計量函數F(x)為輸入狀態矢量：

(8)

在通風量和溫度穩定性給定的條件下，谷物干燥的一階梯度分量為：

(9)

由此得到谷物干燥的模糊決策PID控制律表示式為：

U=αE+(1-α)Ec，α∈[0,1]

(10)

式中，E為谷物干燥過程控制量的偏差，Ec為谷物干燥過程控制的偏差變化率，U為控制輸入特征量，α為配置權重系數。

2 智能預測控制在谷物干燥的應用設計與實現

2.1 預測控制系統的硬件設計部分

在上述進行了控制算法改進設計的基礎上，選用TMS320VC5509A作為核心控制芯片，進行控制系統設計，采用嵌入式技術進行谷物干燥過程的預測控制系統設計，使用S3C2440自帶的AD系統進行谷物干燥過程預測過程中的環境參量的6通道同步采樣設計，谷物干燥預測控制系統的主控模塊是控制系統的核心，系統的輸入電壓范圍為：+/-220V、+/-360V，支持片外同步或異步存儲器(包括PC133SDRAM)，采用ST超低功耗ARMCortexTM-M0 微控制器作為主控制器[10]，系統的硬件電路設計主要包括智能谷物干燥過程的傳感器模塊設計、RTC模塊電路設計、中斷電路設計和顯示模塊設計等，對其分別描述如下：

(1)傳感器模塊設計。傳感器是采用物聯網技術進行干燥烘房的外界溫度和相對濕度等信息的采集，采用低電壓復位構建谷物干燥過程的溫濕度信號傳感器模塊的復位電路。采用AMCC公司的AMCCS5933實現谷物干燥過程中的異常狀態識別和溫度控制及預測，得到智能預測控制的傳感器模塊設計電路如圖2所示。

圖2 智能預測控制的傳感器模塊

(2)RTC模塊電路。RTC模塊電路是實現谷物干燥智能預測控制的數據采樣和程序寫入功能，采用嵌入式控制器PXI-8155向控制系統發出控制指令，由MXI總線控制的D/A轉換實現32位的定時器/計數器構建，在RTC模塊電路的電容器輸出端設計LC濾波電路，根據PCI9054裝入PCI配置寄存器，DSP控制SEL1電平，“1”放大100倍，考慮到輸入信號幅值，智能預測控制系統的工作電壓±1.5V，工作電流3mA，RTC模塊電路設計如圖3所示。

圖3 RTC模塊電路設計

(3)中斷電路。中斷電路設計是實現在谷物干燥過程中溫度過高的中斷控制功能。谷物烘烤中的異常狀態識別數據線依次與5409A數據總線連接，自定義總線SCSI-68輸出多相幀的終端控制指令，經DMA控制器直接入內存，實現對谷物干燥智能預測控制系統的中斷電路設計，如圖4所示。

圖4 中斷電路設計

(4)顯示模塊設計。顯示模塊是實現谷物干燥智能預測控制的液晶顯示和遠程智能控制功能，采用PCI接口設計液晶顯示電路，顯示器采用的是CPLD器件，結合DSP串口配置進行顯示模塊設計，設計結果如圖5所示。

圖5 顯示模塊接口電路設計

對上述模塊化設計結果進行集成設計，完成了谷物干燥智能預測控制系統的硬件部分設計。

2.2 系統軟件實現

在Linux2.6.32嵌入式內核平臺中進行谷物干燥預測控制軟件開發，實現預測控制系統優化設計。軟件設計的流程如圖6所示。軟件設計的流程描述如下[11-12]：

Step1:在Linux2.6.32嵌入式平臺中寫入控制指令，建立Hashtable專家系統，將干燥檢測數據送入TABLE；

Step2:利用C/C++編寫的程序查看編譯代碼，在CCS2.20開發平臺對烘房的溫濕度數據進行預警監測，并將數據閾值送入INCOMING控制端口；

Step3:設計污點檢測和循環中斷控制，典型指令：IOJJKUgv,frgrevs,fvegelkvsz, 在線編程Emulator信息，進行烘干設備的同步串口調度；

Step4:配置PPI口以及DMA0，將標簽的[INCOMING.key]升級為時間戳，采用內部觸發進行控制指令循環寫入;

Step5:終止循環。

圖6 軟件設計的流程圖

智能預測控制系統的程序加載代碼為：

cd /mygerork/crofregrele

xzvf /linfeux/afegfe-liegfx-gecc-4.4.3.tafegfez

Expfe PATH=PATH:/mftret/crofefele/optfe//串口信息采集

/FrifefedlyARM/toolsfefen/4.4.3/beige//接口模塊的操作位設置

獲得內核源碼：

cd /mhgeork/kefegfel

tar xgerf

/linux/lifegex-2.6.32.2-gfegeni2440676704//配置PPI口

tar.gz

獲得vboot源碼：

采用PPI默認的DMA通道獲得控制質量，放在“/mywork/bootloader”目錄下，執行預測控制指令：

cd /myhgrgerk/bogrehgrr

tar xfegf /linux/vbfegsrc-2010geg27.tafvegr.gz

操作系統編譯完成后，就在Linux2.6.32嵌入式系統的應用層運行控制質量，通過上述編譯過程，實現谷物干燥智能預測控制系統的改進設計。

3 實驗測試分析

為了測試本文設計的谷物干燥過程智能預測控制系統的應用性能，進行系統調試仿真分析，首先進行控制系統的環境溫濕度采集設備和系統自檢，借助Simulink Builder構建GUI人機交互界面，設定PLL_LOCKCNT寄存器，對設備進行讀/寫操作，通過read()，write()等函數調用控制指令，系統的調試過程使用Agilent 33220A信號發生器作為測試輸入信號，分析谷物干燥系統對輸入信息的調制控制能力，谷物干燥的模糊決策控制輸入約束參量設定為{LB, NM ,KL, ZW, PS, PA, PB}，分別表示烘房溫度、濕度、通風量、外界環境溫度、烘房的供熱量和溫濕度比，論域值為{-3, -4, -6, -5, -3, -3, -1, -1, 0, 2, 4,5, 2,}，以此為基礎，在圖7所示的界面中進行控制系統的參數設定。

根據圖7所示的界面進行谷物干燥控制的通道設置和系統參數設定，以此為基礎進行預測控制性能測試，圖8給出了系統對谷物干燥過程的溫濕度調節誤差分析，分析得知，采用本文設計的系統進行谷物干燥過程中的溫濕度調節，誤差迅速收斂到零，展示了較好的控制性能，控制精度較好。

圖7 系統參數設定界面

圖8 谷物干燥過程的溫濕度調節誤差分析

4 結束語

為提高谷物干燥過程控制的可靠性和自適應性，本文進行了谷物干燥的預測控制系統設計，提出一種基于加權組合預測的谷物干燥過程智能預測控制模型，進行控制算法設計和控制系統的硬件軟件模塊化設計。選用TMS320VC5509A作為核心控制芯片，進行控制系統設計，在Linux2.6.32嵌入式內核平臺中進行谷物干燥預測控制軟件開發，應用測試分析結果表明，采用本文設計的系統進行谷物干燥過程控制，谷物干燥中的溫度和濕度的調節控制誤差快速收斂到零，在控制面板參數設定中具有較好的人機交互性和面向對象能力，展示了較高的應用價值。

[1] 宋建華.具有溫度補償的APD數控偏壓電路[J].光學與光電技術,2013,11(2):12-15.

[2] Jiang Junzheng，Zhou Fang.Iterative design of two-dimensional critically sampled MDFT modulated filter banks[J].Signal Processing,2013,13(11):3124-3132.

[3] Rajapakaha N,Madanayake A,Bruton LT.2D space-time wave-digital multi-fan filter banks for signals consisting of multiple plane waves[J].Multidimensional Systems and Signal Processing,2014,25(1):17-39.

[4] 李 寧,李亞光,王宏興，等.分數階永磁同步電機混沌系統模糊跟蹤控制[J].信息與控制,2016,25(1):8-13.

[5] 楊 帆,陳茂林,馬新文,等.基于模糊PID算法的凈化空調監控系統[J].華中科技大學學報(自然科學版),2014,15(1):120-123.

[6] 謝小芳,黃 俊,譚成宇.基于RFID的電力溫度監控系統的軟件分析與設計[J].電子技術應用,2013,22(1):23-26.

[7] 莫太平,王 丹,王 蒙.基于RBF網絡PID的遠程實時溫度監控系統[J].計算機測量與控制,2013,11(6):1508-1510.

[8] 陸興華,吳恩燊,黃冠華.基于Android的智能家居控制系統軟件設計研究[J].物聯網技術,2015,35(5):692-695.

[9] 王輝林,董元麗.電子調制的激光相干粗糙度測量技術研究[J].激光技術,2016,20(3):447-450.

[10] 蔣俊正，郭 云，歐陽繕.二維雙原型完全過采樣DFT調制濾波器組的快速設計方法[J].電子與信息學報,2016,38(11):2753-2759.

[11] 郭長興, 馬建偉. 神經網絡預測及電力主變室多參數優化控制[J]. 計算機測量與控制, 2014, 22(4)：256-263.

[12] 朱 林, 陸春偉. 群智能算法優化SVR預測模型的應用與分析[J]. 計算機測量與控制, 2014, 22(9):2890-2892.

Application of Intelligent Predictive Control in Grain Drying Process

Cheng Xiaohui

(Department of College Foundation Education, Bohai University,Jinzhou 121013,China)

Grain drying process control is a predictive control model of a high accuracy intelligent,in order to improve the reliability and adaptability of the grain drying process control,proposed a predictive control model for grain drying process intelligent weighted composite prediction based on the first constraint parameter model and control function of grain drying process control is established,using PID control method fuzzy decision control model design,prediction method of adaptive neural network using weighted combination,improve the control process of fitness and support.Then we use TMS320VC5509A as the core control chip,the control system design,software development and control of grain drying prediction in the embedded kernel of Linux2.6.32 platform,design and Realization of control system optimization prediction.Finally,the application of the test and analysis,the results show that the system is used to control the grain drying process,and effectively adjust the temperature and humidity of grain drying,the control accuracy is better,and the human-computer interaction is better.

intelligent predictive control;grain drying;fuzzy decision;embedded system

2016-11-19；

2016-12-15。

成曉輝(1964-)，女，遼寧興城人，副教授，主要從事計算機軟件與信息系統方向的研究。

1671-4598(2017)05-0091-03DOI：10.16526/j.cnki.11-4762/tp

TP

A