[发明专利]一种混合机的混匀度预测方法及系统

权利要求书

1.一种混合机的混匀度预测方法，其特征在于，所述混合机的混匀度预测方法包括：

实时获取混合料的原料种类、原料配比、堆密度，含水率和粘结剂占比，所述堆密度根据抽样检测获得，所述含水率根据混合料成分中原始水分率计算或在混合料进入混合筒前采用水分仪直接测量，所述原料配比和所述粘结剂占比可从混合料的配比数据系统获取；

实时检测混合筒转速、主桨转速、副桨转速以及混合筒内混合料的填充率；

将同一时刻的堆密度、混合筒转速、主桨转速和副桨转速，按照一定收缩比例量化到同一区间；

根据量化后的堆密度、混合筒转速、主桨转速和副桨转速，以及混合料的原料种类、原料配比、含水率、粘结剂占比和填充率，生成预测样本；

将预测样本输入到预先建立的动态预测模型中，获得混匀度预测值，所述动态预测模型中包含预测样本与混匀度预测值的映射关系；

所述动态预测模型是基于神经网络模型训练生成，并按照以下步骤建立：

获取N组独立的混合料参数以及对应的混合机状态参数，混合料参数包括混合料的原料种类、原料配比、堆密度、含水率、粘结剂占比和混合筒内混合料的填充率，混合机状态参数包括混合筒转速、主桨转速和副桨转速；

将N组独立的混合料参数以及对应的混合机状态参数，作为N组训练样本的输入；

按照预先设定的时间间隔，从混合机不同物料深度获取混合料检测样本，对检测样本进行离线测量，获得混合料的混匀度检测值；并将一个混匀周期的检测值，作为对应N组训练样本的输出；

利用训练样本的输入以及训练样本的输出，采用时间反向传播法训练神经网络模型；

通过迭代训练过程不断更新神经网络模型的权重参数、偏置参数以及学习因子；

若神经网络模型的预测值与检测值达到设定的允差范围，或神经网络模型达到设定的最大迭代次数，则训练结束，并保存最后更新的权重参数、偏置参数以及学习因子，作为获得的动态预测模型。

2.根据权利要求1所述的混合机的混匀度预测方法，其特征在于，在将预测样本输入到预先建立的动态预测模型中，获得混匀度预测值的步骤之前，还包括：

获取与所述预测样本邻近时序上的学习样本，其中，所述学习样本包括输入样本，以及所述输入样本对应的混匀度检测值；

利用所述学习样本在线更新所述动态预测模型，获取更新后的动态预测模型。

3.根据权利要求2所述的混合机的混匀度预测方法，其特征在于，所述获取预测样本采集时间点之前，且与所述预测样本最近的学习样本包括：

获取与所述预测样本邻近时序上预设时间间隔内的历史学习样本；

获取与所述历史预学习样本相对应的混匀度检测值。

4.根据权利要求1所述的混合机的混匀度预测方法，其特征在于，将同一时刻的堆密度、混合筒转速、主桨转速和副桨转速，按照一定收缩比例量化到同一区间，具体执行以下步骤：

计算堆密度与各原料中密度最大的原料的密度的比值；

计算混合筒转速与混合筒的最大转速的比值；

计算主桨转速与主桨的最大转速的比值；

计算副桨转速与副桨的最大转速的比值。

5.根据权利要求1所述的混合机的混匀度预测方法，其特征在于，所述动态预测模型还可以是混匀度预测表，并按照以下步骤建立：

获取N组独立的混合料参数以及对应的混合机状态参数，混合料参数包括混合料的原料种类、原料配比、堆密度、含水率、粘结剂占比和混合筒内混合料的填充率，混合机状态参数包括混合筒转速、主桨转速和副桨转速；

按照预先设定的时间间隔，从混合机不同物料深度获取混合料检测样本，对检测样本进行离线测量，获得混合料的混匀度检测值；

对N组独立的混合料参数、混合机状态参数以及对应的混匀度检测值，进行统计分析，建立混匀度预测表。