基于BP神經網絡的玉米果穗烘干裝置參數優化*

費 強，張維合，閆麗靜，唐聯耀，金 標

（廣東科技學院機電工程學院，廣東 東莞 523083）

玉米果穗烘干過程是一個多輸入、多輸出的非線性系統[1]。人工神經網絡就是模擬人思維的一個非線性動力學系統，其特色在于信息的分布式存儲和并行協同處理。神經網絡的研究內容相當廣泛，課題組使用的前饋式的BP網絡是一種簡單而用途廣泛的人工神經網絡，它適用于非線性的模式識別和分類預測問題[2]。應用神經網絡對玉米果穗烘干工藝過程中烘干裝置進行建模與目標優化，并利用遺傳算法對已優化目標進行驗證。

1 立式烘干倉參數的設定

1.1 有效度

有效度按式（1）計算：

式中：K——使用有效度，%；

θ——干燥作業時間，單位為h；

Tg——故障及排除故障時間，單位為h。

1.2 干燥水分比率

課題組重點對玉米籽粒干燥率進行研究。在薄層干燥試驗中，玉米籽粒暴露在恒量干燥環境，其失重記錄在時間的上方，典型的結果如圖1所示，重量隨時間而減少，接近平衡重量We，即為漸近線。以測量的水分比率（MR）為縱坐標，如圖1（b）所示，測量開始值為1.0，逐漸趨近0。如果數據適合此指數曲線，形成MR=e-kθ，式中θ表示時間，圖1（b）的曲線在半對數座標中為直線。如圖1（c）所示，k為干燥常數，k值是由顆粒內部水分和干燥空氣的性質決定的，它的大小是隨顆粒繼續干燥而減小。從圖1（c）中曲線斜度k1大于k2，此對數模式適合于實際干燥過程設計，此模式一般發生在水分比率上部范圍。例如，玉米中的水分從35%烘干至17.6%，干基（26%至15%，濕基），水分比率從1.0降至0.5左右，其干燥常數可仍視為常數[3]。水分比率一般可直接以凈重量代替水分含量，如式（2）：

圖1 典型的薄層干燥曲線

式中：下腳注θ表示干燥開始后的特定時間，e表示平衡，i表示內部條件。

薄層干燥試驗分別測定了玉米粒和玉米穗的干燥率，但干燥效率接近0。在實際干燥系統中，足夠深的床或層可從熱空氣吸取合理的能源部分，最接近開始引入空氣的那層進行干燥，其干燥率最大，起到薄層干燥的作用。Hukill定義連續層為深層因子，其開發了用于計算每個無因次單位時間的平均水分含量，最初水分含量和干燥空氣的條件，相似體和數字通過干燥模型很快地評估了不同干燥機的配置、能力、效率等對玉米性質和干燥參數變化的影響[4]。圖1（a）樣品重量對持續時間（Wi=最初重量，We=平衡重量）；圖1（b）樣品重量轉換為水分比率；圖1（c）樣品水分比率對log（對數）比例；k1干燥常數用于最初干燥速率；k2用于最終干燥速率。

1.3 干燥均勻度

干燥后物料濕基含水率的最大值和最小值的差值。

1.3.1 濕基含水率

物料中的水分質量與其總質量之比，以百分數（%）表示。按式（3）計算：

式中：M——物料的濕基含水率，%；

W——物料的水分質量，單位為kg；

m——物料的總質量，單位為kg。

1.3.2 干基含水率

物料中的水分質量與其干物質質量之比，以百分數（%）表示。按式（4）計算：

式中：Mg——物料的干基含水率，%；

mg——物料中的干物質質量，單位為kg。

烘干后的含水率應均勻，并符合品質要求，主要性能指標應符合如表1所示的規定。

表1 性能指標表

2 烘干裝置神經網絡數學模型的建立

2.1 BP網絡的實現

GA-BP神經網絡的拓撲結構如圖2所示，其中：X1，物料的水分質量；X2，物料的總質量；X3，物料中的干物質質量；X4，干燥作業時間；Y1，有效度；Y2，干燥均勻度；Y3，水分比率。

圖2 烘干裝置神經網絡模型

2.2 仿真結果

應用MATLAB神經網絡工具箱[5]實現BP網絡模型的創建、計算及仿真，其仿真結果如表2所示。

表2 仿真結果

3 基于神經網絡的玉米果穗烘干裝置參數優化原理

通過神經網絡優化工具箱對玉米果穗烘干裝置的干燥有效度、干燥均勻度、水分比率進行優化，獲取相應的最優工作參數。若以某目標為主要目標，如f1(x)要求實現最優（最大），而對其他目標只滿足一定規格要求即可，如下：

其中，當f′i=﹣∞或f″i=∞，就變成單邊限制，這樣問題便可化成求下述非線性規劃問題：

對于單目標優化結果而言，所得到的立式干燥機性能指標（干燥有效度、干燥均勻度、水分比率）均符合農產品烘干設備技術條件（甘肅省地方標準）。對烘干裝置而言，首先應盡可能保證玉米果穗在干燥時水分比率降到最小值；在此基礎上，應盡量減小果穗的干燥破損率及果穗軸碎芯。

函數最優解為Fun3=0.587 227 744 018 677 6，應用線性插值法，此時，玉米果穗的水分質量為3.185 kg、果穗總質量為17.46 kg、果穗干物質質量為12.32 kg、干燥作業時間為148.13h；此時，Fun1=99.480 000 2、Fun2=5.479 104 9。

4 烘干裝置的參數優化驗證

應用遺傳算法對神經網絡數學模型中所優化的指標、因素自變量數值進行驗證。應用遺傳算法對上述函數進行最優化求解[6]，玉米果穗烘干性能指標優化參數如表3所示。

表3 玉米果穗烘干性能指標

由表3單目標參數優化結果可以看出，干燥有效度（Fun1）、干燥均勻性（Fun2）及水分比率（Fun3）與神經網絡優化結果分別相差0.023%、0.001%、0.001%。

5 結論

以玉米果穗的水分質量、果穗的總質量、果穗的干物質質量和干燥作業時間為自變量，干燥有效度、干燥均勻度、水分比率為響應值，建立神經網絡數學模型。利用BP神經網絡優化的玉米果穗烘干裝置最佳工作參數為：玉米果穗的水分質量2.80 kg～3.2 kg、果穗的總質量16.96 kg～17.53 kg、果穗的干物質質量8.25 kg～12.556 kg、干燥作業時間140 h～148.2 h。參數較優化前的干燥有效度增大0.15%～0.38%，干燥均勻度增大0.97%～1.70%；水分比率減小0.084～0.274。