徐佳樂(lè) 黃丹平 田建平 于少東 黃 丹 羅惠波 田 穎 劉 亮

(1. 四川輕化工大學(xué)機(jī)械工程學(xué)院，四川 宜賓 644000；2. 四川輕化工大學(xué)生物工程學(xué)院，四川 宜賓 644000)

曲房中曲塊發(fā)酵好壞直接影響白酒品質(zhì)，而曲塊發(fā)酵依靠曲塊自身和環(huán)境中的微生物，其生長(zhǎng)代謝過(guò)程又主要受到曲房環(huán)境條件影響，微生物的發(fā)酵需要低氧、高濕度和高溫的環(huán)境，其中溫度的變化是導(dǎo)致曲塊發(fā)酵好壞的關(guān)鍵因素[1-2]。目前中國(guó)對(duì)于智能曲房的研發(fā)仍處于工程測(cè)試階段，曲房溫度控制方法已經(jīng)取得了一部分研究成果：趙殿臣等[3]提出的溫濕度無(wú)線控制自動(dòng)開關(guān)窗技術(shù)在曲房的開發(fā)應(yīng)用通過(guò)開合門窗大小，控制曲房溫度，但開窗會(huì)使曲房?jī)?nèi)外空氣交互導(dǎo)致曲房?jī)?nèi)濕度、二氧化碳等含量降低，影響曲塊發(fā)酵；黃娟等[4]提出基于模糊C均值聚類算法的溫度測(cè)點(diǎn)優(yōu)化與建模研究，通過(guò)均值聚類選擇最優(yōu)點(diǎn)進(jìn)行測(cè)量，從而減少采集溫度點(diǎn)，但不適用于曲房等高密度，多變量環(huán)境；吳曉強(qiáng)等[5]提出的基于模糊神經(jīng)網(wǎng)絡(luò)的溫室溫濕度智能控制系統(tǒng)，陳曉春[6]提出的啤酒發(fā)酵系統(tǒng)溫度智能控制；張申宇等[7]提出的基于模糊自適應(yīng)PID真空室溫度控制，解決的是溫度測(cè)量點(diǎn)較少的情況，并不適用于多輸入的曲房溫度控制。

在現(xiàn)有研究的基礎(chǔ)上，為避免上述中的曲房?jī)?nèi)外空氣交互，采集溫度點(diǎn)多，數(shù)據(jù)量大等問(wèn)題，高效、可靠地實(shí)現(xiàn)曲房溫度實(shí)時(shí)控制，擬研制新型曲房?jī)?nèi)循環(huán)溫度測(cè)控系統(tǒng)，著重對(duì)溫度控制系統(tǒng)的硬件結(jié)構(gòu)和溫度控制算法做出改進(jìn)，設(shè)計(jì)內(nèi)循環(huán)管道結(jié)構(gòu)和雙神經(jīng)網(wǎng)絡(luò)的控制算法，使曲房?jī)?nèi)部溫度更均勻，以期改善曲房溫度的控制效果。

1 系統(tǒng)組成

由于曲塊中含有大量的高溫厭氧性微生物，微生物發(fā)酵時(shí)曲房中的溫度、濕度和二氧化碳含量應(yīng)高于外界。開窗通風(fēng)控溫方式與傳統(tǒng)曲房的控溫模式都會(huì)使曲房?jī)?nèi)外空氣接觸，導(dǎo)致曲房?jī)?nèi)的水分和二氧化碳含量減少，不利于微生物的發(fā)酵。

為了在控溫的同時(shí)不讓曲房?jī)?nèi)的空氣與外部空氣交換，采用內(nèi)循環(huán)管道結(jié)構(gòu)。該結(jié)構(gòu)能使曲房?jī)?nèi)部空氣在循環(huán)管道中流通，在控溫的同時(shí)不與外界空氣接觸，減少水分和二氧化碳的流失。內(nèi)循環(huán)管道結(jié)構(gòu)如圖1(a)所示。

1. 加熱器 2. 風(fēng)向切換蝶閥 3. 風(fēng)機(jī) 4. 空氣管 5. 風(fēng)口開度蝶閥

曲房?jī)?nèi)循環(huán)系統(tǒng)通過(guò)改變曲房不同位置的風(fēng)口開度蝶泵的流量和風(fēng)向切換蝶閥的開閉，進(jìn)而控制曲房中左上、左下、右上和右下4個(gè)位置的空氣管抽取曲房中的空氣，空氣通過(guò)內(nèi)循環(huán)管道、加熱器內(nèi)的熱源、4個(gè)位置的空氣管道再次進(jìn)入曲房，實(shí)現(xiàn)溫度的控制，其循環(huán)模式如圖2(b) 所示，該系統(tǒng)能隔絕曲房?jī)?nèi)外空氣的接觸，防止水分和二氧化碳的流失。

曲房?jī)?nèi)循環(huán)溫度測(cè)控系統(tǒng)結(jié)構(gòu)框架圖如圖2所示。

圖2 智能曲房測(cè)控系統(tǒng)硬件結(jié)構(gòu)框Figure 2 Hardware structure frame of intelligent Qufang measurement and control system

系統(tǒng)運(yùn)行時(shí)，無(wú)線模塊接收多個(gè)溫度傳感器輸出的模擬量信號(hào)并轉(zhuǎn)換為數(shù)字量信號(hào)，無(wú)線路由器接收該信號(hào)，并將其傳輸?shù)缴衔粰C(jī)進(jìn)行處理分析，依據(jù)所得到結(jié)果發(fā)出控制命令傳輸?shù)絇LC中。由模擬量輸出模塊與數(shù)字量輸出模塊控制變頻器輸出功率，控制曲塊發(fā)酵過(guò)程中曲房溫度參數(shù)的變化。

軟件系統(tǒng)框圖如圖3所示。上位機(jī)軟件與PLC之間采用EtherNet/IP協(xié)議實(shí)現(xiàn)通訊。PLC利用以太網(wǎng)通信模塊將傳感器采集數(shù)據(jù)通過(guò)工業(yè)以太網(wǎng)的方式傳輸?shù)缴衔粰C(jī)中，并由上位機(jī)軟件組態(tài)王接收、處理、查詢以及顯示，如圖4所示。Visual studio通過(guò)DDE share(內(nèi)存共享)調(diào)用組態(tài)王中的數(shù)據(jù)，進(jìn)行雙神經(jīng)網(wǎng)絡(luò)計(jì)算，并將控制參數(shù)存回本地地址中，等待組態(tài)王下傳。

圖3 軟件系統(tǒng)Figure 3 Software system

圖4 組態(tài)王界面Figure 4 Kingview interface

2 雙神經(jīng)網(wǎng)絡(luò)控制算法

曲房溫度在采集和控制時(shí)存在以下問(wèn)題：曲房空間大，不同位置尤其是上下層之間存在較大溫差；曲房中堆積著大量曲塊和曲架，無(wú)法在適當(dāng)位置放置溫度傳感器；少量溫度傳感器數(shù)據(jù)不能很好地反映曲房的實(shí)際環(huán)境溫度，測(cè)量點(diǎn)過(guò)度會(huì)導(dǎo)致數(shù)據(jù)特征不明顯；采集點(diǎn)靠近曲塊時(shí)容易受到曲塊自身溫度的干擾。

為了解決上述問(wèn)題，采用基于雙神經(jīng)網(wǎng)絡(luò)的溫度控制方式，如圖5所示。核心算法由聚類算法和溫度控制算法組成。其中聚類算法接收所有采集點(diǎn)的溫度數(shù)據(jù)通過(guò)非線性映射，聚類成K個(gè)特征溫度；溫度控制算法將聚類后的特征溫度作為輸入，輸出8個(gè)控制參數(shù)，控制風(fēng)口開度蝶閥的流量和加熱器功率，進(jìn)而調(diào)控曲房?jī)?nèi)的溫度。

圖5 曲房溫度系統(tǒng)控制流程Figure 5 Control flow of temperature system in Qufang

由于RBF神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，而且學(xué)習(xí)規(guī)則簡(jiǎn)單，具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力等優(yōu)勢(shì)，研究選用其作為聚類網(wǎng)絡(luò)。而相比于傳統(tǒng)的PID控制，BP神經(jīng)網(wǎng)絡(luò)具有一定的智能性、時(shí)效性，控制時(shí)能夠根據(jù)曲房溫度變化情況實(shí)時(shí)地對(duì)控溫系統(tǒng)做出調(diào)整[8-11]。

雙神經(jīng)網(wǎng)絡(luò)算法第1～5層分別為輸入層、RBF隱藏層、中間層、BP隱藏層和BP輸出層，利用網(wǎng)絡(luò)學(xué)習(xí)方法對(duì)雙神經(jīng)網(wǎng)絡(luò)的輸出信號(hào)進(jìn)行調(diào)整和優(yōu)化，可使該算法具備邏輯判斷和自我優(yōu)化的能力，利用梯度下降法對(duì)輸出信號(hào)進(jìn)行修正[12-14]。中心、寬度、調(diào)節(jié)權(quán)重參數(shù)和誤差校正均通過(guò)學(xué)習(xí)來(lái)自適應(yīng)調(diào)節(jié)到最佳，其迭代計(jì)算：

(1)

(2)

(3)

(4)

式中：

dkj(t)——寬度；

ckj(t)——中心分量；

η——學(xué)習(xí)因子。

其中誤差函數(shù)為：

(5)

dk=(Ok-yk)yk(1-yk)，

(6)

式中：

ylk——RBF網(wǎng)絡(luò)輸出值；

Olk——期望中間層輸出值；

yk——網(wǎng)絡(luò)輸出值；

Ok——期望輸出值。

RBF隱藏層輸出為：

(7)

式中：

cj——隱藏層的中心向量；

x——輸入溫度，℃；

dj——輸入的溫度向量。

中間層的輸出為：

(8)

式中：

wkj——輸出層第k個(gè)神經(jīng)元與隱藏層第j個(gè)神經(jīng)元間的調(diào)節(jié)權(quán)重。

BP隱藏層輸出為：

(9)

式中：

θj——閾值；

wji——權(quán)重。

3 仿真與分析

3.1 仿真分析

使用solidworks將曲房簡(jiǎn)化為4 m×4 m×4 m的簡(jiǎn)化模型，如圖6所示。以此模型為基礎(chǔ)，在ANSYS中仿真分析蝶閥流速、加熱溫度對(duì)曲房溫度變化的影響規(guī)律，將曲房初始溫度設(shè)為20 ℃，墻體設(shè)定固定導(dǎo)熱系數(shù)，模擬內(nèi)循環(huán)加熱方式，單邊抽氣，另一邊恒溫加熱進(jìn)氣的狀態(tài)。

圖6 曲房簡(jiǎn)化模型Figure 6 Simplified model of Qufang

由圖7可知，通入氣流溫度越高、流速越快，曲房溫度上升越快，由此可知，當(dāng)曲房需要升溫或降溫時(shí)，可以高流速通入高溫?zé)釟饣蚶錃?；在需要恒溫階段，則需要低流速相近溫度的氣流進(jìn)行微調(diào)，以達(dá)到曲房溫度整體均勻。

圖7 不同流速和溫度下曲房中心溫度變化對(duì)比

3.2 優(yōu)化分析

為表達(dá)傳統(tǒng)曲房中的溫度場(chǎng)結(jié)構(gòu)，以均值算法進(jìn)行曲房溫度控制試驗(yàn)，將21個(gè)溫度傳感器均勻分布在曲房上、中、下3個(gè)平面，每層的分布情況如圖8(a)所示。為了便于傳感器的擺放和降低曲塊溫度對(duì)傳感器數(shù)據(jù)帶來(lái)的干擾，試驗(yàn)在空曲房中進(jìn)行，每隔10 min記錄一次溫度傳感器數(shù)據(jù)。

由圖8(b)可知，曲房溫度整體呈“上穩(wěn)定下波動(dòng)”的趨勢(shì)，上層與中層溫度基本穩(wěn)定，而曲房下層溫度存在較大差異。

圖8 溫度采集點(diǎn)平面分布與溫度數(shù)據(jù)對(duì)比Figure 8 Control flow of temperature system in Qufang

考慮到以上原因，試驗(yàn)擬選取21個(gè)采集點(diǎn)中的上層中心點(diǎn)傳感器4、下層傳感器5、下層傳感器6和下層傳感器7的數(shù)據(jù)為特征數(shù)據(jù)，用于RBF網(wǎng)絡(luò)的訓(xùn)練，特征傳感器分布如圖9(a)所示，組成四面體結(jié)構(gòu)，可表達(dá)曲房整體溫度情況。

為了反映曲房中曲塊發(fā)酵溫度對(duì)溫度采集的影響情況，在放置曲塊和未放置曲塊的曲架上各安置4個(gè)傳感器，每5 min記錄一次試驗(yàn)數(shù)據(jù)，其結(jié)果如圖9(b)所示。放置曲塊后，采集到的溫度略高于未放置曲塊的曲架。

圖9 特征溫度點(diǎn)分布與傳感器溫度誤差曲線

以曲房實(shí)測(cè)共計(jì)1 500組溫度數(shù)據(jù)為試驗(yàn)數(shù)據(jù)，其中隨機(jī)將1 200組設(shè)定為訓(xùn)練集，300組設(shè)定為測(cè)試集進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練，以及225組規(guī)則數(shù)據(jù)，訓(xùn)練17輸入4輸出的雙神經(jīng)網(wǎng)絡(luò)，權(quán)重參數(shù)的訓(xùn)練方法取梯度下降法，調(diào)節(jié)權(quán)值參數(shù)通過(guò)學(xué)習(xí)自適應(yīng)調(diào)節(jié)到最佳值，網(wǎng)絡(luò)層數(shù)設(shè)為4層，節(jié)點(diǎn)數(shù)為34，15，17，16個(gè)。由于此系統(tǒng)的輸入值為-20～20的任意值，輸出數(shù)值為非負(fù)數(shù)，所以傳遞函數(shù)選用sigmoid型傳遞函數(shù)[15-17]。其函數(shù)形式為：

(10)

為了驗(yàn)證雙神經(jīng)網(wǎng)絡(luò)的聚類效果，使用上述的RBF網(wǎng)絡(luò)控制算法，并用9組溫度數(shù)據(jù)進(jìn)行聚類效果測(cè)試。測(cè)試結(jié)果如圖10所示，兩條曲線誤差小于1%，網(wǎng)絡(luò)輸出的特征數(shù)據(jù)與真實(shí)的特征數(shù)據(jù)相似度在99%以上。

圖10 RBF網(wǎng)絡(luò)輸出特征數(shù)據(jù)與特征數(shù)據(jù)采集點(diǎn)真實(shí)特征對(duì)比

由表1可知，使用RBF神經(jīng)網(wǎng)絡(luò)溫度聚類響應(yīng)時(shí)間短，且精度較高，效率為99%遠(yuǎn)高于漂移算法與粒子濾波算法。

表1 算法比較Table 1 Algorithm comparison

3.3 結(jié)果分析

新型曲房?jī)?nèi)循環(huán)控制系統(tǒng)運(yùn)行后，對(duì)控制效果進(jìn)行實(shí)際測(cè)試。測(cè)試時(shí)曲房溫度25 ℃，目標(biāo)溫度55 ℃。每隔10 min 采集一次數(shù)據(jù)，根據(jù)采集的數(shù)據(jù)繪制曲線圖，如圖11所示，其中實(shí)際溫度為傳感器采集到的溫度數(shù)據(jù)。60 min左右溫度達(dá)到設(shè)定目標(biāo)值，并能長(zhǎng)期穩(wěn)定在±3 ℃以內(nèi)。

圖11 曲房溫度實(shí)測(cè)控制效果Figure 11 Effect of temperature measurement and control in Qufang

4 結(jié)論

設(shè)計(jì)了新型曲房?jī)?nèi)循環(huán)溫度測(cè)控系統(tǒng)，完成了以內(nèi)循環(huán)結(jié)構(gòu)和雙神經(jīng)網(wǎng)絡(luò)算法為核心的測(cè)控系統(tǒng)的軟硬件設(shè)計(jì)與測(cè)試平臺(tái)的搭建，利用Ansys仿真與試驗(yàn)測(cè)試的方法進(jìn)行驗(yàn)證。結(jié)果表明，該新型曲房?jī)?nèi)循環(huán)溫度測(cè)控系統(tǒng)具有良好的穩(wěn)定性和抗干擾能力，溫度曲線平緩，曲房溫度在70 min左右達(dá)到設(shè)定溫度值，并能長(zhǎng)期保持曲塊周邊溫差為±3 ℃，滿足曲房發(fā)酵的溫度控制要求。試驗(yàn)主要研究發(fā)酵曲塊周邊溫度，并未考慮內(nèi)循環(huán)管道出口與門框邊界溫度，下一步將通過(guò)改善材料屬性、覆膜等方式減少熱量流失，使曲房?jī)?nèi)溫度更加均勻，穩(wěn)定。