[发明专利]一种叶丝干燥工艺参数优化方法

说明书

本发明公开了一种叶丝干燥工艺参数优化方法，本发明为叶丝干燥工艺参数的优化设置提供了方法，解决了传统方法无法建立叶丝干燥工艺函数模型、难以对工艺参数进行优化设置的问题，同时提高了预测模型的运行效率和预测精度，通过建立轻量化数据驱动预测模型构建叶丝干燥过程中各工艺参数与叶丝含水率之间的映射关系，并依据该映射关系寻求叶丝含水率的最优值和其对应的叶丝干燥最优工艺参数的组合，实现了即使当叶丝干燥工艺参数较多时也可以精确的优化叶丝干燥工艺参数和叶丝含水率。

技术领域

本发明涉及一种叶丝干燥工艺参数优化方法，属于农副产品干燥领域。

背景技术

叶丝干燥是农副产品干燥过程中一道重要的工序，通过对干燥过程的工艺参数优化设置，使叶丝含水率保持稳定，以改善及控制叶丝的品质。目前，叶丝干燥工艺参数的优化设置主要依靠技术人员的经验，很难采用优化设置方法，其主要原因是由于叶丝干燥过程是一个包含物理、化学等多场多学科耦合的复杂工艺过程，其各项工艺参数与叶丝含水率之间的关系非常复杂，传统方法难以确定其函数关系。

发明内容

为解决传统方法无法建立叶丝干燥工艺函数模型、难以对工艺参数进行优化设置的问题等，本发明提供了一种叶丝干燥工艺参数优化方法。

本发明的技术方案是：一种叶丝干燥工艺参数优化方法，所述方法步骤如下：

步骤1、剔除叶丝干燥工艺参数数据中的异常数据和错误数据，得到待优化工艺参数数据；

步骤2、对待优化工艺参数数据进行降维处理，得到轻量化参数数据；

步骤3、创建初始BP神经网络，将轻量化参数数据、叶丝含水率训练数据代入其中对其进行训练，得到轻量化数据驱动预测模型；

步骤4、对待优化工艺参数数据进行随机筛选，得到叶丝干燥工艺参数种群；

步骤5、对叶丝干燥工艺参数种群中的个体进行降维操作；

步骤6、将降维后的种群个体数据代入轻量化数据驱动预测模型，获取叶丝含水率的预测值y_i；

步骤7、收敛判断：将叶丝含水率的预测值y_i与叶丝含水率的设定值y₀作差，若差值小于或等于收敛精度e，则输出该叶丝含水率的预测值所对应的叶丝干燥工艺参数种群中的个体，否则不输出。

所述降维处理采用主成分分析方法。

所述步骤7中，若不输出，则更新叶丝干燥工艺参数种群，并重新进行步骤5至步骤7，直至|y_i-y₀|≤e。

本发明的有益效果是：为叶丝干燥工艺参数的优化设置提供了方法，解决了传统方法无法建立叶丝干燥工艺函数模型、难以对工艺参数进行优化设置的问题，同时提高了预测模型的运行效率和预测精度，通过建立轻量化数据驱动预测模型构建叶丝干燥过程中各工艺参数与叶丝含水率之间的映射关系，并依据该映射关系寻求叶丝含水率的最优值和其对应的叶丝干燥最优工艺参数的组合，实现了即使当叶丝干燥工艺参数较多时也可以精确的优化叶丝干燥工艺参数和叶丝含水率。

附图说明

图1为本发明的流程图。

具体实施方式

实施例1：如图1所示，一种叶丝干燥工艺参数优化方法，所述方法步骤如下：