[发明专利]基于BP神经网络的植物提取的生产过程控制系统

权利要求书

1.一种基于BP神经网络的植物提取的生产过程控制系统，其特征是，包括植物清洗模块、植物粉碎模块、浸泡提取模块、杂质分离模块和蒸发浓缩模块，所述植物清洗模块用于对待提取的植物进行清洗，所述植物粉碎模块用于将清洗后的植物进行粉碎，所述浸泡提取模块用于将有效成分从粉碎后的植物中提取出来，获取包含有效成分的提取液，所述杂质分离模块用于去除所述提取液中的杂质，所述蒸发浓缩模块用于将浸泡提取模块得到的提取液进一步蒸发使提取液的浓度达到预设的浓度值；

所述浸泡提取模块包括浸泡提取装置和加热控制系统，所述浸泡提取装置包括冷却器、提取罐和外壳体，所述提取罐和外壳体之间形成夹层，所述加热控制系统包括控制器、夹层蒸汽阀门、罐内蒸汽阀门、冷却水阀门和传感检测单元，所述夹层蒸汽阀门用于向提取罐夹层内注入蒸汽，所述罐内蒸汽阀门用于向提取罐内注入蒸汽，所述冷却水阀门用于向冷却器中注入冷却水，所述传感检测单元包括设于提取罐内用于检测提取罐内压力的第一压力传感器、设于提取罐夹层内用于检测提取罐夹层内蒸汽压力的第二压力传感器和设于提取罐内用于检测提取罐内提取液温度的温度传感器，所述控制器通过调节夹层蒸汽阀门、罐内蒸汽阀门和冷却水阀门的开度来控制提取罐内提取液的温度；

所述蒸发浓缩模块用于将浸泡提取模块得到的提取液进一步蒸发使提取液的浓度达到预设的浓度值，所述蒸发浓缩模块包括蒸发器和浓度检测系统，所述浓度检测系统采用BP神经网络对蒸发器内提取液的浓度进行在线检测，当检测到蒸发器内提取液的浓度达到预设的浓度值时令蒸发器停止工作，所述BP神经网络包括输入层、隐含层和输出层，所述输入层的输入变量包括蒸发器内提取液的当前浓度、提取液的沸点、提取液加入蒸发器的流量、蒸发器内的真空度、蒸发器内的蒸汽压力和蒸发器内提取液的液位，所述输出层的输出值为预测的提取液的浓度；

采用样本数据集D对浓度检测系统采用的BP神经网络进行训练，所述BP神经网络采用单隐含层结构，所述BP神经网络隐含层的节点数采用下列步骤进行确定：

(1)设样本数据集D＝{D^j，j＝1，2，...，6}，其中，{D^j，j＝1，2，...，6}分别代表蒸发器内提取液的当前浓度、提取液的沸点、提取液加入蒸发器的流量、蒸发器内的真空度、蒸发器内的蒸汽压力和蒸发器内提取液的液位的样本数据集，对样本数据集D^j进行预处理，具体为：

式中，x^j为样本数据集D^j中的样本数据，y^j为x^j预处理后的样本数据，和为样本数据集D^j中样本数据的最大值和最小值；

(2)设样本数据集D^j经预处理后表示为H^j，对样本数据集H^j中的样本数据进行数据筛选，去除样本数据集H^j中的异常值，将去除异常值后的样本数据集H^j表示为K^j；

(3)统计样本数据集K^j中样本数据出现过的数值，令表示样本数据集K^j中数据出现过的数值，q表示样本数据集K^j中出现过的数值个数，分别统计样本数据集K^j中数值为的数据个数，令表示样本数据集K^j中数值为的数据个数，构建集合其中，为集合F^j中的数据点，q为集合F^j中的数据点数，将集合F^j中的q个数据点分别标注在坐标轴上，并将坐标轴的q个数据点相连形成折现图，统计折现图中的峰值数p_j，则神经网络的隐含层的节点数β为：

式中，l_j为样本数据集K^j中数据的属性值，且当p_j-1＞0时，令l_j＝p_j，当p_j-1＜0时，令l_j＝1，n为满足{p_j-1＞0，j＝1，2，...，6}的峰值的个数。

2.根据权利要求1所述的基于BP神经网络的植物提取的生产过程控制系统，其特征是，所述加热控制系统的控制器采用PID控制器对提取罐内提取液的温度进行控制，给定温度值T_r，利用温度传感器对提取罐内提取液的温度进行采集，并对采集得到的温度值进行修正，将修正后的温度值与给定的温度值T_r进行比较，并将比较结果反馈给PID控制器，PID控制器根据反馈的偏差值的大小生成控制量，所述控制量用于控制夹层蒸汽阀门、罐内蒸汽阀门和冷却水阀门的开度，设温度传感器t时刻采集的提取罐内提取液的温度值为y(t)，对温度值y(t)进行修正，具体为：

(1)设X¹＝{x¹(t-l+1)，x¹(t-l+2)，...，x¹(t)}为第一压力传感器采集得到的提取罐内压力值序列，X²＝{x²(t-l+1)，x²(t-l+2)，...，x²(t)}为第二压力传感器采集得到的提取罐夹层蒸汽压力值序列，Y＝{y(t-l+1)，y(t-l+2)，...，y(t)}为温度传感器采集得到的提取罐内提取液的温度值序列，其中，l为序列X¹、X²和Y的长度，t为当前时刻，定义提取液的温度值和压力值的关联步长为则的计算公式为：

式中，为压力值序列X¹中提取罐内压力值均值，为压力值序列X²中夹层蒸汽压力值均值，为压力值序列Xⁱ的压力值均值，当i＝1时，则当i＝2时，则x¹(j)为压力值序列X¹中的第j个数据，x²(j)为压力值序列X²中的第j个数据，xⁱ(j)为压力值序列Xⁱ中的第j个数据，为温度值序列Y中的温度值均值，为温度值序列Y中的第个数据；

(2)设Y(d)＝{y(d+1)，y(d+2)，...，y(d+m)}和分别为温度值序列Y和压力值序列X¹中由相邻元素构成的子序列，且d＝t-l，t-l+1，...，t-m，定义提取液的温度值和提取罐内压力值的关联趋势指数为δ₁，则δ₁的计算公式为：

式中，t为当前时刻，r₁(d)为子序列Y(d)和子序列X¹(d)的关联系数，且r₁(d)的计算公式为：

式中，y(i)为子序列Y(d)中的第i个数据，为子序列X¹(d)中的第个数据，m为子序列Y(d)和X¹(d)的长度；

根据上述计算方法计算提取液的温度值和夹层蒸汽压力值的关联趋势指数δ₂，根据关联趋势指数δ₁和δ₂确定综合趋势指数ρ，则ρ的表达式为：

(3)设y′(t)为温度值y(t)修正后的值，则y′(t)的计算公式为：

式中，y(t)为t时刻温度传感器采集得到的提取罐内提取液的温度值，x¹(t)和x²(t)分别为t时刻采集得到的提取罐内压力值和夹层蒸汽压力值，x¹(0)为预设的提取罐内压力值的阈值，x²(0)为预设的夹层蒸汽压力值的阈值。