滾筒式茶葉烘干機溫度控制系統設計

申超群，薛姣

河南機電職業學院（鄭州 450000）

茶葉加工過程中一個重要的工序就是茶葉炒制，如何控制炒制溫度將直接決定茶葉品質。溫度過高，茶葉會出現焦邊、爆點；溫度過低，茶葉會出現紅梗。隨著工業自動化水平不斷提高，茶葉炒制已很少采用純手工方式，大多采用半機械化方式或全自動化方式，未來會向智能化加工發展[1-2]。目前，炒茶機在制茶領域的應用越來越廣泛，炒茶機不僅能夠減輕工人勞動強度，而且可以提高加工效率以及質量，進一步降低企業生產成本。當前，炒茶機的溫控裝置智能化水平較低，結構比較簡單、功能相對單一，所以溫度波動較大、精度低而且具有比較明顯的滯后性，實際控制效果不甚理想[3-4]。

為解決上述問題，提高炒茶機溫控系統的精度、響應速度、穩定性，國內研究人員進行了相關探討。李兵等[5]設計一種基于動態矩陣控制的茶葉烘干機，運動DMC-PID串級溫度控制系統既可以提高系統動態響應能力與魯棒性又可以提高系統抗干擾性能，但是該方法的控制精度有待進一步提高。靳淑偉[6]設計一種基于BP神經網絡算法的茶葉烘干機控制系統，利用粒子群算法提高神經網絡的收斂速度，該方法響應速度快、超調量小，但是算法比較復雜、不易實現。潘玉成等[7]設計一種基于模糊專家控制的茶葉炒制溫度控制系統，控制效果良好但是缺乏自學習能力。參考現有研究成果，結合模糊控制器和神經網絡控制器設計一種滾筒式茶葉烘干機溫度控制系統，既善于處理定性問題又具有一定的自學習、自適應能力，通過試驗驗證所述控制系統的有效性。

1 滾筒式茶葉烘干機

滾筒式茶葉烘干機結構如圖1所示，在某種程度上，茶葉屬于食品而且對溫度比較敏感，因此此次選用滾筒式對流換熱方式進行干燥處理。新鮮茶葉由料斗進入，借助高溫氣流到達滾筒內部；滾筒不停旋轉可使茶葉與熱氣流充分接觸，這樣茶葉中水分就會被熱氣流帶走；出風口抽氣電機可將攜帶濕氣的熱氣抽出。從工作過程看，烘干溫度將直接決定茶葉品質。但是烘干溫度時變性、滯后性比較明顯，干擾因素較多，因此很難建立其數學模型。一般情況下，烘干溫度可通過調節熱風風量或者溫度來實現。考慮到烘干溫度控制的非線性，若采用PID控制很難取得比較理想的控制效果，因此利用模糊神經網絡PID控制器實現烘干機溫度控制。

圖1 滾筒式茶葉烘干機結構

2 模糊神經網絡PID控制器

本質上講，模糊神經網絡控制是模糊算法和神經網絡算法結合的產物，它具有二者的優點，既能夠利用模糊規則進行推理，又具有很好的逼近能力，因此在解決時滯、非線性等問題上具有比較理想的控制效果，可用于烘干機溫度控制[8-11]。整體來說，模糊神經網絡控制器的作用就是在線調整PID控制器參數，使其具有自適應特點，控制原理如圖2所示。

圖2 模糊神經網絡PID控制器原理

2.1 PID控制算法

PID控制是工業領域應用最廣泛的一種控制方式，其主要由比例、積分、微分等環節組成。PID控制利用實際反饋值和設定值之間偏差來實現閉環控制，其u(t)數學表達式可描述為：

采用一種比較常用的PID控制形式，即增量式PID算法，其控制規律可描述為：

式（1）～（3）中：Kp為比例系數；Ki為積分系數；Kd為微分系數、T為采樣周期。

2.2 模糊邏輯設計

模糊神經網絡控制器的輸入量為烘干機溫度偏差e及其變化率ec；輸出量為PID控制器的3個參數，即比例系數Kp、積分系數Ki、微分系數Kd。

控制器輸入變量的模糊子集為{NB（負大）、NM（負中）、NS（負小）、ZO（零）、PS（正小）、PM（正中）、PM（正大）}，量化為7個等級；輸出變量的模糊子集與輸入變量相同。烘干機溫度偏差及其變化率的論域可取{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；PID的3個參數Kp、Ki、Kd的論域可取{-0.6，-0.4，-0.2，0，0.2，0.4，0.6}。

參考輸入變量和輸出變量之間關系可確定模糊規則庫，該庫總共包含49條模糊條件。鑒于模糊神網絡系統的兩輸入三輸出結構，因此模糊規則可描述為：

模糊規則如表1所示。

表1 模糊控制規則

2.3 控制器結構

炒茶機烘干溫度控制器可分為4層：第一層為輸入層，含2個節點；第二層為模糊化層，含7個節點；第三層為模糊推理層，同樣含7個節點；第四層為輸出層，含3個節點，即參數Kp、Ki、Kd。

茶葉烘干機溫度偏差可表示為：

式中：k為第k個采樣時刻。那么PID控制器輸出可描述為：

神經網絡PID控制器結構[12-15]描述如下。

（1）輸入層。該層輸入變量可選擇烘干溫度偏差及其變化率，該層將輸入直接輸出，因此，該層輸入可表示為x1=e、x2=ec；活化函數可選用f1(x)=x；輸出可表示為x1和x2。

（2）模糊化層。該層可將上一層輸出模糊化，即將e和ec劃分為7個模糊集。利用隸屬度函數計算e和ec屬于7個模糊集合的程度，因此，該層輸入為x1=e和x2=ec；活化函數選擇隸屬度函數；輸出可表示為：

式中：cij和bij分別為高斯函數第i個輸入變量的第j個模糊集合的隸屬度函數的均差和標準差。

（3）模糊推理層。該層可實現上一層模糊量的兩兩配對，每個節點就是一條模糊規則。此次研究通過兩兩相乘得到該層輸出值，即：

（4）輸出層。該層輸出為PID控制器的3個參數，具體可表示為：

式中：w為連接權矩陣。

考慮到烘干機溫度控制系統參數的時變性、滯后性以及非線性，需要在線調整神經網絡權值w。此次研究采用delta規則對其進行修正，故輸出層權值可表示為：

式中：k為迭代次數；α為學習動量因子；Δwj(k)的學習過程可描述為：

式中：η為學習速率；wj為輸出節點模糊推理層各節點的連接權。利用上述學習算法，可使性能函數E=1/2[r(k)-y(k)]2趨于最優。

3 試驗研究

為驗證所述控制系統性能，進行茶葉烘焙試驗。試驗對象為所述模糊神經網絡PID控制器；對比對象為常規PID控制器。原料為綠茶10 kg，設定烘焙溫度為90 ℃，烘焙時間60 min。試驗結果如圖3所示。

圖3 試驗結果

從試驗結果可以看出，初始升溫階段，試驗方法和常規PID控制方法升溫速率基本一致，說明所述烘干機溫度控制方法執行效率比較高、響應速度快，模糊神經網絡PID控制器并沒有因為算法復雜程度提高而降低了系統響應速度。達到預定溫度后，常規PID控制的超調量比較大，而試驗控制方法的超調量較小，只有PID控制的50%。穩定性方面，常規PID控制達到穩定狀態耗時超過80 s，而采用試驗所述控制方法耗時不到40 s。試驗結果表明模糊神經網絡PID控制器具有控制精度高、響應速度快、穩定性高等優點。

進一步對烘焙茶葉成品進行人工評審，參照SB/T 10157—1993《茶葉感官評審方法》，綠茶品質評審因子權重分配為外形-1.5、碎度-1.0、凈度-1.0、色澤-0.5、香氣-1.5、滋味-2.0、湯色-1.0、葉底-1.5。得分計算見式（14）。

式中：Ai為各評審因子得分；αi為因子權重。

評審結果如表2所示。從評審結果可以看出：在外形、凈度、湯色、葉底等方面兩種控制方法基本一致，差別非常小；但是在碎度、色澤、香氣、滋味等方面，模糊神經網絡PID控制明顯優于常規PID控制；在總分方面，常規PID控制得分為82.2分，模糊神經網絡PID控制得分為86。評審結果表明：采用模糊神經網絡PID控制進行烘焙，茶葉品質會更優。

表2 人工評審結果

4 結語

以滾筒式茶葉烘干機溫度控制為研究對象，結合模糊控制、神經網絡控制和PID控制設計一種溫度控制系統。詳細論述控制器設計方法，試驗結果表明，與常規PID控制相比，所述模糊神經網絡PID控制器在響應速度、控制精度、穩定性等方面優勢明顯；人工評審結果表明采用文中所述控制系統可以提高茶葉烘焙品質。后續可從模糊控制規則優化、自適應調整等方面入手，進一步提高茶葉烘干機溫度控制精度。