[发明专利]一种基于在线学习的微波加热温度场智能监控方法

说明书

一种基于在线学习的微波加热温度场智能监控方法，采用神经网络模型实时学习零件微波加热过程中加热模式与控制策略间的动态关联关系，并基于上述模型根据加热模式互补的思想实时预测补偿当前温度分布的控制策略，对不均匀的温度分布进行精确、智能补偿，实现对加热过程中零件温度均匀性的精确控制。

技术领域

本发明涉及一种温度场监控方法，尤其是一种微波加热温度场监控方法，具体地说是一种基于在线学习的微波加热温度场智能监控方法。

背景技术

微波是频率为300M至300GHz的电磁波。微波加热是材料依靠吸收微波能并将其转换成热能，从而使材料整体同时升温的加热方式。由于具有高频特性，微波电磁场以数十亿次/秒的惊人速度进行周期性变化，材料中的极性分子(典型的如水分子、蛋白质、核酸、脂肪、碳水化合物等)在高频电磁场的作用下亦以同样的速度做极性运动，致使分子间频繁碰撞而产生大量摩擦热，从而导致物料在短时间内温度迅速升高。基于上述加热机理，微波加热具有加热速度快、零件厚度方向温度梯度小、选择性加热、易于控制等一系列优点，因此被广泛应用于食品加工、材料处理、化学合成等各大领域。

然而，微波加热技术存在零件同一层材料温度场不均匀的难题。其根本原因在于微波腔体内电磁场呈驻波状态分布。在波腹附近，电场或磁场强度高，零件内部极性分子振动剧烈，升温迅速、温度高，形成局部热点；在波节附近，电场或磁场强度接近于零，零件内部极性分子振动轻微甚至不振动，升温缓慢、温度低，形成局部冷点。温度不均匀分布严重威胁食品加工的卫生安全和零件处理的成型质量。现有方法采用物料旋转托盘和微波模式搅拌器等实现微波场和被加热对象间的随机相对运动来改善温度均匀性。物料旋转托盘使被加热材料依次通过微波腔体内电场(或磁场)强度较高和较低的区域，利用一段时间内零件同一层材料上冷点和热点间的随机抵消效应提高温度均匀性。电磁场模式搅拌器在腔体内微波馈口处设置一系列旋转的金属片，将入射的电磁波动态地分散至腔体内各个区域，利用一段时间内动态电磁场的随机叠加效应改善零件同一层材料的温度均匀性。但物料旋转托盘、电磁场模式搅拌器等手段从原理上属于温度分布随机补偿的方法，从本质上难以实现对微波加热过程中零件同一层材料温度分布的精确控制。

发明内容

本发明的目的是针对目前微波加热存在的零件同一层材料温度场不均匀的问题，发明一种基于在线学习的微波加热温度场智能监控方法，从原理上突破微波不均匀加热的难题。

本发明的技术方案是：

一种基于在线学习的微波加热温度场智能监控方法，其特征在于：采用神经网络模型实时学习零件微波加热过程中加热模式与控制策略间的动态关联关系，并基于上述模型根据加热模式互补的思想实时预测补偿当前温度分布的控制策略，对零件进行均匀微波加热。

所述的基于神经网络算法建立零件的加热模式控制策略预测模型是指在微波加热过程中，采用温度传感器实时监测零件同一层材料的温度分布，对于任意时刻k(k≥p)，采用加热模式-控制策略数据库中距离当前时刻最近的前p组加热模式HP和控制策略U数据对：

{(HP_k-1,U_k-1),(HP_k-2,U_k-2),…,(HP_k-p,U_k-p)}

对上述预测模型进行监督训练；

当kp时，采用前k-1组加热模式HP和控制策略U数据对：

{(HP₁,U₁),(HP₂,U₂),…,(HP_k-1,U_k-1)}

对上述预测模型进行监督训练；在训练过程中采用遗忘机制：在每次训练中，距离当前时刻越远的数据对模型权重更新的贡献越小，从而更加精确地学习微波加热系统的动态特征；