食品烘干設備溫度控制系統設計

潘霞

河南經貿職業學院計算機工程學院（鄭州 450018）

所謂干燥是指將物料表面或內部的水分揮發掉，確保物料含水量保持在規定水平。隨著生活水平的不斷提高，人們對物質的需求和質量要求也越來越高，特別是食品安全問題[1-3]。為提高食品保質期，干燥成為食品加工過程中至關重要的環節。但是食品干燥工藝耗能巨大，其直接影響企業的生產成本和產品競爭力[4-5]。為降低能耗，可改良食品干燥工藝或提高溫度控制精度。對于食品烘干設備來說，其溫度控制系統大多具有時延性、非線性等特點，僅采用常規PID控制很難實現溫度的高精度控制[6-8]。針對這些問題，眾多研究者將智能算法引入到烘干設備溫度控制系統，以提高溫度控制的準確性、快速性和穩定性[9-12]。如靳淑祎[13]以自動鏈板式茶葉烘干機為研究對象，設計一種改進BP神經網絡控制策略，將粒子群算法引入到神經網絡并與PID控制相結合，該溫度控制方法響應速度快，超調量小，可實現對熱風溫度的恒溫控制。吳曉強等[14]設計一種基于模糊PID的茶葉烘干機恒溫控制系統，利用變頻器自動調節熱風爐的排煙量，確保熱風溫度恒定，進而保證茶葉品質。張東虞等[15]設計一種基于模糊自整定PID控制的綠茶微波烘干溫控裝置，并采用AT89C52作為控制核心，結合溫度、濕度傳感器實現綠茶溫度和濕度控制。基于此，根據現有研究成果，設計一種食品烘干設備溫度控制方法，整合改進粒子群算法和分數階PID控制，通過仿真和試驗驗證所述方法的可行性和有效性。

1 微波烘干裝置簡介

烘干設備主要包括上料裝置、傳送裝置、烘干裝置、出料裝置及控制系統。其中，上料裝置由料斗和對應控制電路組成；傳送裝置由步進電機和傳送帶組成；出料裝置主要由分揀裝置和出料漏斗組成。烘干裝置是整個設備的核心，主要包括烤箱、微波管、變頻器、溫濕度傳感器及對應控制電路。烘干設備結構如圖1所示。

烘干設備各部分功能可描述為：1）上料裝置，可實現待烘干物料的均勻布置，確保物料在傳送帶上厚度均勻、間距合適；2）傳送部分，可實現物料位置的精準控制，確保物料處于烤箱有效工作區域；3）出料裝置，將已經烘干處理的物料放置到待包裝工位；4）烘干裝置，整個控制系統的核心部件，所涉及烘干設備包含3個烤箱，其中烤箱1為恒溫控制箱，在其頂部裝有天窗并配備濕度傳感器，根據水分檢測結果實時調整烤箱2的加熱功率。烤箱2為溫度自整定控制系統，烤箱3為水分自整定控制系統，各烤箱均配備響應的溫度傳感器，利用傳感器反饋的數據實時調整各烤箱溫度。

以烤箱溫度控制為研究對象，以STM32單片機為控制核心，可實現系統參數的調整和控制。另外，系統配有AM23系統，采用AT89C52單片機為核心控制元件，完成系統參數調整和控制；采用AM2301溫濕度傳感器、DHT11濕敏傳感器完成溫度、濕度等數據采集；可通過步進電機調節傳送帶運轉速度；利用變頻器控制微波管加熱頻率，進而實現烘干溫度調節。人機界面主要用于系統參數設置、設備運行情況顯示。上位機可用于集成其他系統或便于擴展。控制系統組成框圖如圖2所示。

圖1 烘干設備結構

圖2 控制系統組成框圖

2 溫度控制器設計

2.1 分數階PID控制器

烘干設備溫度控制系統比較復雜，采用常規PID控制很難取得理想控制效果。與整數階PID控制相比，分數階PID控制可在一定程度上提高實際控制效果，主要原因在于，分數階PID控制的參數為5個，增加控制靈活度。

整數階PID控制的傳遞函數可表示為

式中：U(s)為系統輸出量；E(s)為系統輸入量；Kp、Ki和Kd分別為比例、積分和微分系數。如果將式中的微分項和積分項的階次用分數表示，那么分數階PID控制的傳遞函數可表示為

式中：如果λ=u=1，那么Gf(s)就等同于式（1），說明整數階PID控制是分數階PID控制的一種特殊形式。另外，分數階PID控制的時域方程可描述為

式中：D-λ為微分器分數階微分算子；D-u為積分器分數階微分算子。

從式（2）和（3）可以看出，與整數階PID控制相比，分數階PID控制需要整定的參數總共有5個，多了2個自由度。分數階PID控制具有更高靈活性，控制效果比較理想。

2.2 基于粒子群算法的參數整定

分數階PID控制器含有5個參數，由于烘干設備溫度控制系統具有滯后性和非線性，雖然其控制靈活度比較高，但是需要實時調整才能獲得比較理想的控制效果。選用粒子群算法實現參數優化，其原理可以描述為：粒子群優化算法模擬鳥群覓食過程中遷徙和群集現象搜索最優解，每次迭代過程中，算法會跟蹤局部及全局最優解不斷更新粒子的位置和速度，具體算法如式（4）和（5）所示。

式中：ω為慣性權值系數；c1和c2均為學習因子，常數且大于零；r1和r2均為隨機數，取值范圍介于0和1之間；為粒子飛行速度；為粒子位置為局部最優解；為全局最優解。

在實際應用過程中，粒子群算法比較容易陷入局部最優，導致算法提前收斂，影響算法執行效率。為解決此問題，對粒子群算法進行改進。

1) 慣性權重

慣性權重系數ω是一個非常關鍵的參數，合理地確定其數值能夠平衡算法的局部尋優能力和全局尋優能力。總體來說，ω數值增大會提高系統的全局尋優能力，ω值減小會提高系統的局部尋優能力。所以，在迭代初期，可選用較大數值的ω；在迭代后期，可以選用較小數值的ω。

相應地，學習因子可表示為

式中：ωmax為慣性權重系數最大值；ωmin為慣性權重系數最小值；t為迭代次數當前值；tmax為迭代次數最大值。綜合考慮，ωmax可設定為0.9，ωmin可設定為0.4。

從式（6）可以看出，隨著迭代次數增加，ω數值動態變化，迭代初期ω數值較小；隨著迭代次數增加，ω數值逐漸變大；達到某個迭代次數后，ω數值就會減小。在算法前期階段，可在粒子本身附近進行局部尋優，緊接著可進行全局尋優，以及局部精準尋優。

2) 極值擾動算子

粒子群算法的速度更新存在缺陷，有可能導致算法陷入局部最優，此時往往無法準確獲取全局最優解。為解決此問題，考慮擴大粒子搜索范圍，具體表達式為

式中：i表示一個隨機數，取值介于0和1之間；Pibest為局部尋優極值點；Gibest為全局尋優極值點。

基于改進粒子群算法的PID參數整定原理如圖3所示。

圖3 改進粒子群PID控制原理圖

3 仿真與試驗

3.1 仿真

為驗證所述基于改進粒子群的PID控制算法的可行性和有效性，對食品烘干設備溫度控制系統進行仿真分析。作為對比，在單位階躍響應下，引入傳統PID控制仿真。仿真結果如圖4所示，基于改進粒子群的PID算法的超調量明顯小于傳統PID控制，達到穩定狀態所需時間出現一定程度縮減，基本上可以實現高精度自適應溫度控制。

圖4 仿真結果

為驗證溫度控制系統的響應速度和抗干擾性能，設定目標溫度100 ℃，在400 s時突然施加一個外部干擾使溫度突變到110 ℃。抗干擾仿真結果如圖5所示，基于改進粒子群優化的PID控制能夠較快穩定至目標溫度，而且超調量小，即系統具有一定抗干擾性能，魯棒性強。

圖5 抗干擾仿真結果

3.2 試驗分析

將所設計的改進粒子群PID控制方法應用于食品烘干設備溫度控制系統中，設定烘干目標溫度90 ℃，每隔2 min采集1次烤箱烘干溫度。同樣，傳統PID控制作為對比，分別采集不同時刻烘干溫度并記錄。試驗結果如表1所示。

從試驗結果可以看出，如果采用傳統PID控制，實際烘干溫度的最大誤差約6 ℃；而采用改進粒子群PID控制方法時，實際烘干溫度的最大偏差只有1 ℃。數據對比表明，改進粒子群PID控制精度明顯優于傳統PID控制，可以滿足相關行業控制要求。

表1 試驗結果

4 結論

為提高食品烘干設備溫度控制精度，設計一種基于改進粒子群算法的溫度控制系統，利用粒子群算法實現分數階PID控制5個參數的在線調整。通過動態選取慣性權重系數和引入極值擾動算子實現粒子群算法的優化和改進。仿真和試驗結果表明，所述控制方法具有控制精度高、抗干擾能力強等特點，可滿足相關行業控制要求。