滾筒式食品烘干機全過程溫度控制

李文武，陳佳楠

1.浙江長征職業技術學院（杭州 311113）；2.大連理工大學（大連 116024）

穩態ANN模型也稱為人工神經網絡（ANN）模型，由于該模型只需要根據試驗數據就能夠完成輸入和輸出[1]，因此，比建立其他詳細數理模型更為簡單，并且ANN模型的控制策略是控制溫度的有效方法之一。滾筒式烘干機是一種專門為烘干設計的操作設備，該設備集烘干冷卻干燥為一體，主要適用于酒糟渣、稻殼等行業的大顆粒、大比重物料干燥，如礦石粉、煤泥、煤粉等[2]。由于烘干機的烘干過程是一個極為復雜的過程，不僅內部參數錯綜復雜、相互影響，也容易受到外界環境的干擾，因此導致烘干機在自動控制方面存在很大難度。中國烘干機大多采用手動控制運行，并采用經驗判斷的方式完成烘干物的含水率判斷[3]，該判斷方式勞動強度大、控制精度低，導致失烘率較大，嚴重影響烘干物質量，因此，實現烘干全程溫度控制具有重要意義。針對該現象，諸多領域內的研究人員提出多種溫度控制方法，如靳淑祎[4]研究的基于BP神經網絡算法的食品烘干機溫度控制方法，該方法將BP神經網絡與PID控制方法相結合，提高BP神經網絡算法的收斂速度，實現溫度控制，但是該方法在多種環境下會出現相應的控制誤差；烏蘭等[5]研究的基于改進粒子群優化IPSO算法的茶葉烘干機溫度控制方法，該方法通過對粒子群算法（PSO）進行混沌處理，得出一種改進粒子群算法，根據熱風爐的實時溫度，自動調節熱風爐的排煙量，以實現烘干機的溫度恒定，該方法在調節過程中，所需要的時間相對較多。因此，提出基于穩態ANN模型的滾筒式烘干機全過程溫度控制方法，解決烘干全過程中溫度控制精度差、效率低問題。

1 基于穩態ANN模型的滾筒式烘干機全過程溫度控制

1.1 滾筒烘干機全過程

1.1.1 滾筒烘干機結構

滾筒烘干機由烘干筒、烘干物入口、旋轉篩網筒、熱風裝置、旋轉接頭等組成，結構如圖1所示。

圖1 滾筒烘干機結構

烘干物在烘干機中向內部運行時，蒸汽經管路系統輸送至蒸汽旋轉接頭后進入烘干機內壁的薄板夾層中后，對烘干物不斷地傳導加熱；同時工藝熱風從前室、后室進入烘筒內，完成與烘干物熱交換，實現加快干燥，并保證烘干物能夠干燥均勻[6]。風機將烘干過程中產生的濕熱空氣和粉塵抽到除塵器中，對其除塵后排放。熱風氣流分成兩路：第1路從烘干筒的進料口引入后，與烘干物流動方向相同并與烘干物接觸，實現烘干物的脫水干燥，流至烘干機的尾部，通過旋轉篩網過濾后，由排潮風機排出烘干機[7]；第2路熱風氣流從烘干筒出口端引入后，直接進入旋轉篩網，與第1路含濕量較高的熱風混合，使露點溫度提高、結露現象降低，通過排潮風機排出烘干機。

1.1.2 烘干全過程溫度控制

滾筒式烘干機為完成烘干物脫水量的調節，需要通過調節滾筒筒壁溫度完成[8]。其控制原理為：根據烘干物來料流量、入口含水率及設定的出口含水率目標值，通過算法計算獲取烘干物所需的脫水量，根據設置初始的筒壁溫度和工藝熱風溫度，最終與烘干機出口含水率檢測值和筒壁溫度調節構成閉環控制。烘干機實現干燥脫水過程中，工藝熱風溫度、流量恒定在該過程中均不會發生變化，通過穩態ANN模型調節筒壁入口蒸汽壓力，自動調節筒壁溫度[9-10]，結合排潮風門開度和熱風風門開度調節，共同保障烘干機出口目標含水率的符合標準，溫度控制流程見圖2。

圖2 烘干機溫度控制流程

根據來料烘干物的流量、含水率及出口目標含水率，設定初始的筒壁溫度和工藝熱風溫度。正常烘干時，當烘干機出口含水率發生變化，烘干機自動調節筒壁溫度[11-12]，完成烘干機出口含水率的自動控制。如果來料烘干物流量、含水率以及環境溫、濕度的變化，引起筒壁溫度A調整大于設定的上限值T2或小于設定的下限值T1時，則烘干機將筒壁溫度A固定在T1或T2上后，自動調節排潮風門開度B，排潮風門開度B調整到設定的最大臨界值K2或最小臨界值K1時，也無法保證來料烘干物出口含水率到達目標含水率，則調節熱風風門開度程序啟動[13]，保障來料烘干物出口目標含水率符合設定值，實現烘干全過程溫度自動控制。

1.2 穩態ANN模型

穩態ANN（人工神經網絡）如下。

1) 確定人工神經網絡結構、輸入層點數和隱含層節點數，并完成各層權系數初始值的設定后，挑選合適的學習率和慣性因子。

2) 計算人工神經網絡各層的輸入和輸出，并將控制器的可調參數hp、hi、hdQ作為網絡的最后輸出。

3) 選擇增量式數字PID控制算法，實現控制器的輸出的計算。

4) 實行網絡學習并完成權系數的在線調整，自適應調整PID控制參數。

5) 返回步驟（2）。

人工神經網絡的輸入為：

式中：x為輸入參數。

人工神經網絡隱層的輸入和輸出分別為：

采用Sigmoid函數為：

人工神經網絡輸出層的輸入和輸出分別為：

式中：輸出層權系數、輸出節點數和輸出層神經元的活化函數分別為wli(3)、l和f2。由于輸出的是PID的3個可調參數，因此l取值1、2、3。

通過線性函數增加輸出范圍為：

1.3 基于穩態ANN模型的溫度控制算法

基于穩態ANN模型控制原理的控制算法，整個溫度控制過程分為A和B這2個過程。

過程A通過將烘干物流量Tdb(t)和含水率Twb(t)與設定值作對比獲取誤差信號，將獲取的誤差信號輸入模糊邏輯控制器（FLC）中進行處理，并計算中間控制變量的變化值作為筒壁溫度調節值，分別用dRs(t)和dRl(t)表示。

過程B由ANN和逆ANN模型2個重要部分組成，其主要是依據物料所需烘干溫度計算所需排潮風門開度和熱風風門開度，結合A過程完成烘干過程溫度控制[14]。

在控制過程B中，由穩態ANN模型計算得出滾筒式烘干機當前所需排潮風門開度和熱風風門開度對應的輸出溫度值Rs(t)和Rl(t)。下一時刻滾筒式烘干機的目標輸出為當前烘干機的Rs(t)、Rl(t)和FLC計算所得中間控制變量之和，分別為Rs(t+1)和Rl(t+1)。

通過逆ANN模型，將計算得出的Rs(t+1)和Rl(t+1)對應的排潮風門開度和熱風風門開度，作為實際控制信號傳輸至受控裝置，完成滾筒式烘干機全過程溫度控制[15]。具體見圖3。

圖3 基于穩態ANN模型的溫度控制原理

2 測試分析

將試驗方法應用在型號為HAUNI KLD-2的滾筒式烘干機上，并采用基于BP神經網絡算法的溫度控制方法（文獻[4]方法）、基于改進粒子群優化IPSO算法的溫度控制方法（文獻[5]方法）與試驗方法進行對比。測試試驗方法的控制性能。試驗環境溫度為正常室內溫度20 ℃。

2.1 可行性測試

設置理想的烘干溫度150 ℃、時間720 s，測試3種方法在相同時間內，熱風溫度、排潮頻率、筒壁溫度3項測試指標的變化，其結果見表1和表2。

分析表1和表2可以看出，在相同時間內，試驗方法控制熱風溫度變化及筒壁溫度變化幅度較小，誤差比均在3.1%以下，且排潮頻率能夠根據設定溫度要求自動調頻，在實現恒溫控制的同時，減少能量損耗，達到節能減排的目的。另外2種對比方法的控制熱風溫度變化及筒壁溫度變化幅度較大，并且頻率為定值無法自動調節，會造成電能的損耗增加。說明試驗方法的具備控制可行性，烘干全過程中的溫度控制效果更好。

表1 3種方法的指標測試對比結果

表2 3種方法的數據對比結果

為進一步測試試驗方法的性能，測試3種方法在室溫-5 ℃、25%的電力負荷干擾與2.3 Hz頻率干擾的3種情況下，在不同時間內的升溫情況，其結果見表3。

分析表3可以看出，在室溫-5 ℃、25%電力負荷干擾與2.3 Hz頻率干擾的3種情況下，試驗方法均能夠在300 s內完成指定溫度的升溫控制。另外2種對比方法無法在300 s內完成指定溫度的升溫控制，說明試驗方法的控制性能更優。升溫耗時短，也間接說明試驗方法的烘干效率較高。

表3 3種方法所需時間對比結果

2.2 穩定性測試

溫度控制的穩定性，決定了烘干物烘干后的質量和品質。因此為測試試驗方法的穩定性，在滾筒式烘干機達到理想溫度后，采用3種方法控制滾筒式烘干機溫度在720 s內維持穩定，測試結果見圖4。

圖4 3種方法的恒溫對比結果

通過分析圖4可以看出，試驗方法對溫度的恒溫控制過程中，整體溫度均沒有較大浮動，一直處于平穩狀態。另外兩種對比方法在恒溫控制過程中，均出現較大的溫度變化。說明試驗方法的控制穩定性較好，能夠有效保證烘干物的烘干質量。

為進一步測試試驗方法的穩定性，室溫-5 ℃、25%電力負荷干擾與2.3 Hz頻率干擾時，測試在720 s內3種方法的恒溫控制情況，其結果見圖5和表4。

分析圖5的3種情況下的恒溫控制結果可以看出，試驗方法的控制效果優于另外2種對比方法。在試驗方法的控制下，在室溫5 ℃、25%電力負荷干擾與2.3 Hz頻率干擾的情況下，烘干機的恒溫持續均相對穩定，沒有大幅溫度變化情況。另外2種對比方法，均出現溫度上下浮動情況，進一步說明試驗方法的控制穩定性較好。

圖5 不同干擾情況下3種方法的恒溫控制結果

統計試驗過程中3種方法的各項性能，統計結果見表4。

分析表4能夠看出，在室溫5 ℃、25%電力負荷干擾與2.3 Hz頻率干擾的情況下，試驗方法的超調量、穩態誤差等6項性能指標均優于另外2種對比方法。說明試驗方法的性能較好。

表4 3種方法的多項性能對比結果

2.3 抗干擾性測試

在試驗對象升溫至150 ℃后，在維持恒溫狀態360 s時，加入幅值20～80的瞬時干擾與連續干擾，測試3種方法的溫度控制過程的抗干擾性能，其結果見圖6。

分析圖6可以看出，試驗方法在幅值20～80的瞬時干擾與連續干擾的情況下穩態狀態好，溫度浮動較低。另外2種對比方法均呈現溫度浮動相對較大的情況，且穩態狀態較差，超調量大，延滯時間較長。說明幅值的大小對于試驗方法的影響可以忽略不計，間接說明該方法具有良好抗干擾性。

圖6 3種方法的瞬時干擾與連續干擾的對比結果

2.4 烘干率測試

為測試試驗方法的烘干率，在25%的電力負荷干擾情況下，采用3種方法對不同質量的烘干物烘干過程進行溫度控制，并統計烘干結果見表5。

分析表5可以看出，在25%電力負荷干擾情況下，即使隨著烘干物質量的增加，試驗方法溫度控制下的烘干物失烘率均在2%以下，并沒有受到質量增加的影響；另外2種對比方法溫度控制下的烘干物烘干率均值分別為90.52%和90.63%，遠低于試驗方法。說明試驗方法的溫度控制較為精準，失烘率極低。

表5 3種方法溫度控制下的烘干率對比結果 單位：%

3 結語

試驗建立基于ANN模型的滾筒烘干機全程溫度控制方法。該方法有效利用基于穩態ANN模型完成壁筒溫度、排潮及熱風門開度完成烘干全過程溫度控制。通過試驗說明，該方法在控制性能測試中，能夠根據設定溫度要求自動調頻，并300 s內完成指定溫度的升溫控制；穩定性能測試中，在不同干擾情況下，全程的溫度控制均較為平穩，沒有出現溫度上下浮動較大的情況；抗干擾的測試中，在幅值20～80的瞬時干擾與連續干擾的情況下，依舊能夠快速且超調量小的完成溫度控制。后續將開展運用試驗方法控制多個溫度之間的反復跳躍相關研究。