基于神經網絡的棉花質量檢測系統的可行性分析

摘 要：研究了氣固兩相流中固體質量的檢測方法，針對棉花氣力輸送的非均勻性進行了分析，提出了應用神經網絡進行棉花質量建模的分析方法，并分析了神經網絡建模的過程，確定了系統的研究方案。

關鍵詞：棉花質量檢測；氣固兩相流；神經網絡；建模方法

中圖分類號 S562 文獻標識碼 A 文章編號 1007-7731（2013）19-134-02

棉花產業是新疆的支柱產業，氣力輸送已成為棉花加工廠各工序間主要的物料輸送方式。質量流量參數是控制烘干機和其他軋花機械的重要參數，質量流量的在線檢測對于提高生產效率、降低能耗、節約能源具有十分積極的意義。

在氣力輸送系統中，氣固兩相流中固體流量的測量一直是一個尚未圓滿解決的問題，目前雖然存在多種非接觸式測量方法，如電容法、靜電法、超聲波、射線法等，但是由于氣固兩相流體流動過程的隨機性和復雜性，固相流量與其影響因素之間存在著復雜的非線性關系，很難找到其流動規律，給精確測量帶來困難。

氣固兩相流中測量固相質量流量時，由于固相流量與其影響因素（壓差、流量系數、氣固混合密度等）之間存在著復雜的非線性關系，用一般的方法去獲得其質量流量模型非常困難。

本文利用人工神經網絡優良的非線性映射能力，建立一個基于神經網絡的固相質量流量測量模型，并以實驗數據為樣本對網絡進行訓練，實現對固相質量流量的在線估計。為氣力輸送系統中固相質量流量的在線測量提供一種簡單、可靠的新方法。

1 氣固兩相流質量流量的測量方法

由于氣固兩相流流體性質、流動狀態以及流動條件的復雜性和多樣性，所以固體質量流量在線連續、準確測量對生產過程的計量、節能和控制具有重大意義，國內外學者對此做了大量的研究。

從應用原理上，可將固體質量流量檢測方法分為直接測量和間接測量。現在提出的各種測量方法大多是基于間接測量原理，即獨立測量瞬時體積濃度和瞬時固體流速，通過計算得到固體質量流量，主要包括基于多普勒法、相關法、空接濾波法、質點成像法等4種原理測量瞬時固體流速的方法，和基于電學、共振、衰減/散射、層析成像等4種原理測量瞬時體積濃度的方法，測量精度主要取決于能否準確測量管道截面固相的濃度。

氣力輸送棉花屬稀相流動，棉花在管道截面呈不均勻分布，導致各類傳感器都顯示出一定程度的非均勻的空間靈敏度，使得測量存在許多難題，并容易造成較大的測量誤差。由于光學法直觀、可靠、分辨率高，對流場成分和水分變化造成的影響抗干擾性強，利用光的衰減或反射性能來得到傳感器輸出信號是比較合適的棉花質量流量檢測方法。由于棉花具有較好的透光性和漫反射性，因此只要質量密度不是過大，應用光學法能獲得較好的測量效果。

2 神經網絡的應用

2.1 神經網絡在系統辨識方面的應用 人工神經網絡從模擬人腦感知行為出發，基于神經元之間的連接，實現信息的大規模并行、分布式存儲和處理，并具備自組織、自適應、自學習能力，可實現對復雜問題的處理。

系統辨識是控制理論研究的一個重要分支，它是控制系統設計的基礎。在多數情況下，被控對象的數學模型是未知的，并且在正常運行期間，模型的參數可能發生變化，因此利用控制理論去解決實際問題時，首先必須建立被控對象的數學模型，即系統辨識問題。目前對線性、非時變和具有不確定參數對象進行辨識和自適應控制的研究已取得了很大的進展，對于非線性系統的辨識問題，往往需要有關被辨識系統的結構形式等各種先驗知識和假設，因此，它們基本上是針對某些特殊非線性系統而進行的。

神經網絡系統辨識實質上是選擇一個適當的神經網絡模型來逼近實際系統。由于神經網絡對非線性函數具有任意逼近和自學習能力，所以神經網絡為非線性系統的辨識提供了一種簡單而有效的一般性方法。

基于神經網絡的建模方法屬于辨識建模，其主要特點是辨識模型易于實現（辨識模型即為神經網絡本身）和對非線性映射的逼近性能良好。針對氣固兩相流體流量的在線檢測問題，是一個復雜多變的隨機過程，固相流量與其影響因素之間存在著復雜的非線性關系，而采用由大量實驗數據訓練好的人工神經網絡去預測不同條件下的固體流量，不失為一種可取的方法。

2.2 神經網絡建模過程 氣固兩相流量在線檢測建模實質上是一個多尺度建模問題，應從先驗知識和過程機理分析、統計學習等尺度上出發，充分考慮固相物料特性，利用工程技術研究的最新成果，應用人工智能理論和技術來建立由過程機理模型和辨識模型構造的軟測量混合模型，全面反映流量和各變量之間的關系，才是解決固相流量高精度在線估計的有效方法。

神經網絡的學習過程可分為3步：第1步為前向計算，即得出固相質量流量的歸一化估計值。第2步為誤差反向傳播，即根據估計值與實際值的誤差求得各層權系數所需的改變量。第3步為調整權系數，對每一個輸入模式執行上述第1、2步后，再執行此步驟。

對訓練樣本中的每一輸入模式，執行上述3個步驟，直到所有輸入模式執行完畢，計算網絡模型的平均誤差，如不滿足精度要求，對訓練樣本集重復執行上述步驟，直到滿足精度要求為止。

通過這樣的一個學習過程之后，人工神經網絡模型在隱含層中就建立了輸出與輸入之間的數學算法關系式。在以后的計算中只需要通過輸入層輸入某些相應的容易測量的一次參數，該模型便可以輸出固相質量流量，從而實現氣固兩相流固相質量流量的預測測量。

3 研究方案的確立

3.1 氣固兩相流試驗方法的確立 氣固兩相流中固相質量流量與其影響因素，諸如壓差、流量系數、氣固混合密度等之間存在著復雜的非線性關系，尤其是對流量系數影響的因素較多，往往只能通過試驗來確定。通過文獻分析及現場調查，可以掌握其質量流量的測量原理，并依據此基本原理指導管道氣力輸送棉花質量流量的測量。

3.2 光電檢測手段的確定 通過研究氣力輸送管道中棉花流量特性，分析管道中壓差、溫度、速度的變化對棉花流量的影響，確定利用光電檢測手段，利用光的衰減或反射性能來得到傳感器輸出信號，這種方法直觀、可靠、分辨率高，對流場成分和水分變化造成的影響抗干擾性強，只要固相濃度適宜，將容易獲得較高精度。光電傳感器在國內很多行業領域已有多年研究及應用，光電元件易于獲取，光電傳感器信號處理方法及傳感器制作均有相應理論支持。

3.3 產量監測模型中參數的確立 通過對相關文獻的查閱，表明棉花品種、種植模式、管理模式的不同，也會對測產精度造成影響。因而有必要通過試驗建立在不同濕度、品種、生長周期、管理模式條件下棉花產量檢測的模型參數，以及各種因素的權重，從而建立較為精確的產量檢測模型。

3.4 數據處理和誤差分析方法的確立 在收獲過程中對流量傳感器、速度傳感器等進行標定。現場標定可有效提高測產系統流量傳感器和速度傳感器的測量精度，但田間環境比較復雜，產量數據采集過程中仍會引入一些誤差。需對產量數據進行誤差處理。根據誤差產量數據的類型分析其中主要誤差的產生原因，采用理論分析的方法對產量數據進行分析、處理和修正；在數據分析中使用合適的空間數據的插值方法，能對離散的產量數據進行插值。

4 結語

本項目的研究集成了信息技術、自動控制理論、計算機測控技術等多個學科領域的先進技術和方法，采用基于人工神經網絡的建模方法，解決固相流量與各影響因素之間的非線性關系，可以避免復雜的機理分析和推導過程，為氣固兩相流固相質量流量的在線測量提供一種簡單、可靠的新方法，并為類似物料的氣固兩相流研究提供參考。

新疆地區采棉機的大規模應用為產量監測技術的應用推廣提供了便利。從市場發展乃至政府支持著眼，可以預計，如果全疆棉花都采用機械收獲，將為機載產量監測器的配置提供便利，促進機采棉在線測產技術的應用推廣和精準農業其他相關技術的發展。

參考文獻

[1]羅錫文，臧英，周志艷.精細農業中農情信息采集技術的研究進展[J].農業工程學報，2006，22（1）：167-173.

[2]丁永前，丁為民.新型固體顆粒料質量流量檢測方法的設計與理論分析[J]. 電子測量與儀器學報，2007，21（6）：45-48.

[3]許傳龍，趙延軍，黃健，等.基于人工神經網絡的固相質量流量軟測量研究[J].計量學報，2006，7：246-249.

[4]潘笑，韓偉.基于BP神經網絡固相流量的在線檢測[J].計算機測量與控制，2005，13（5）：431-433.

[5]董群，王麗，任東海，等.固體質量流量測量技術進展[J].化工進展，2010，29：1-4.

[6]張文景.氣固兩相流流動參數檢測方法研究[D].包頭：內蒙古科技大學，2011.

[7]李鵬.采棉機測產系統智能監控技術研究[D].北京：中國農業大學，2005

[8]岑紅蕾，李江全，吳延祥.基于無線數傳技術的農田灌溉機井集中監控系統[J].機化研究2007，1：187-189.

（責編：施婷婷）