[发明专利]基于出料水分含量的烘干机控制方法、装置和计算机设备

权利要求书

1.一种基于出料水分含量的烘干机控制方法，其特征在于，所述方法包括：

获取待烘干物料的目标水分值、待烘干物料的配方信息，以及烘干机进料口处的物料水分值、物料质量流量、对所述物料进行烘干时进入所述烘干机烘干区空气的水分含量、从所述烘干区排出空气的水分含量和所述烘干机的运行参数；

根据所述待烘干物料的配方信息确定对应的出料水分含量预测模型；

根据进入所述烘干机烘干区空气的水分含量以及从所述烘干区排出空气的水分含量，确定所述烘干区的湿度增加量；

将所述湿度增加量、所述烘干机进料口处的物料水分值和物料质量流量输入所述出料水分含量预测模型，得到所述烘干机出料口处的物料水分值；

若所述烘干机出料口处的物料水分值与所述目标水分值之间的差值不满足要求，则基于所述差值以及所述烘干机的运行参数，获取所述烘干机运行参数的优化目标值；

基于所述烘干机运行参数的优化目标值调整所述烘干机的运行参数。

2.根据权利要求1所述的方法，其特征在于，所述出料水分含量预测模型通过如下方法得到：

获取若干个配方信息分别对应的样本物料的训练数据集，所述样本物料的训练数据集包括烘干机进料口处的样本物料水分值、样本物料质量流量、对所述样本物料进行烘干时进入所述烘干机烘干区空气的水分含量、从所述烘干区排出空气的水分含量以及烘干机出料口处的样本物料水分标签；

对每个配方信息所对应的样本物料的训练数据集进行标准化处理，得到所述配方信息对应的标准化后的训练数据；

采用所述配方信息对应的标准化后的训练数据，通过反向传播训练深度神经网络，直到损失函数达到最小值时，得到与所述配方信息对应的出料水分含量预测模型。

3.根据权利要求2所述的方法，其特征在于，所述通过反向传播训练深度神经网络，直到损失函数达到最小值，包括：

通过反向传播训练深度神经网络，并采用梯度下降法、共轭梯度法、拟牛顿法中的任一种迭代求解所述损失函数，直到所述损失函数达到最小值时结束训练过程。

4.根据权利要求1所述的方法，其特征在于，所述根据进入所述烘干机烘干区空气的水分含量以及从所述烘干区排出空气的水分含量，确定所述烘干区的湿度增加量，包括：

计算从所述烘干区排出空气的水分含量与进入所述烘干机烘干区空气的水分含量之间的差值；

将所述差值确定为所述烘干区的湿度增加量。

5.根据权利要求1所述的方法，其特征在于，所述将所述湿度增加量、所述烘干机进料口处的物料水分值和物料质量流量输入所述出料水分含量预测模型，得到所述烘干机出料口处的物料水分值，包括：

当有多个所述烘干区时，则将每个烘干区的湿度增加量、对应烘干区进料口处的物料水分值和物料质量流量输入与所述烘干区对应的出料水分含量预测模型，得到所述烘干区出料口处的物料水分值，且预测的上游烘干区出料口处的物料水分值为相邻下游烘干区进料口处的物料水分值，预测的最后一个烘干区出料口处的物料水分值为所述烘干机出料口处的物料水分值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述差值以及所述烘干机的运行参数，获取所述烘干机运行参数的优化目标值，包括：

基于所述差值以及所述烘干机的运行参数，采用梯度下降法获取所述烘干机运行参数的优化目标值。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

若所述差值满足要求，则基于所述要求将所述烘干机的运行参数限制在对应的范围内。