[发明专利]一种基于神经网络预测算法的控制系统

说明书

本发明涉及一种基于神经网络预测算法的控制系统，所述控制系统包括采集单元、运算单元以及控制单元；所述采集单元通过采集待烘焙的茶叶的图像信息，获得第一参数；由用户确定所需要的茶叶品类从而确定标准样本值；通过所述运算单元将第一参数与烘焙工序相关的第二参数输入由神经网络组成的预测系统，获得一个调试样本值；将调试样本值与用户期望的标准样本值进行反复预测与对比，优化第二参数的权重值，从而指导烘焙设备根据最优解的参数进行程序化烘焙工作，从而获得用户期望的茶叶品类。

技术领域

本发明涉及控制或调节系统技术领域。具体而言，涉及一种基于神经网络预测算法的控制系统。

背景技术

控制系统意味着通过它可以按照所希望的方式保持和改变机器、机构或其他设备内任何感兴趣或可变的量。控制系统同时是为了使被控制对象达到预定的理想状态而实施的。控制系统使被控制对象趋于某种需要的稳定状态。而人工神经网络就是模拟人思维的某种方式，这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。基于神经网络的控制系统有很多的应用场景，但是在茶叶生产中引用不多见。

查阅相关已公开技术方案，CN111414971A 一种基于卷积神经网络的成品茶叶种类及品级识别方法公开了一种基于卷积神经网络的成品茶叶种类及品级识别方法，该方法包括：成品茶叶样本图像采集步骤；成品茶叶样本图像处理步骤；训练成品茶叶的类型品级识别模型和成品茶叶图像识别步骤。CN106295802A 一种基于粒子群算法优化BP神经网络的茶叶存储时间分类方法，其旨在通过改进的BP神经网络解决茶叶储存时间分类问题，即利用粒子群算法优化BP神经网络，获得BP神经网络的权值和阈值，进而构建毛峰茶叶储存时间的PSO-BP分类模型和方法。

以上技术方案的提出，主要都是把一般的控制方法或功能应用在茶叶分级或者存储等环节，还没法用于茶叶的生产过程尤其是不能对多种物料的原生情况进行动态的烘焙参数调节。

发明内容

本发明的目的在于，通过本控制系统通过采集单元通过图像采集的方式，获取原始茶叶的原始信息，并进行定性与定量分析，从而获取原始茶叶的第一参数P₁；进一步通过设置一个标准参数值作为烘焙后的成品目标标准，调取数据库中的第二参数P₂，并采用预测模型进行烘焙参数的优化后，并输入烘焙装置，实现根据不同品质种类的茶叶，实施不同的烘焙参数，最终尽可能产出期望的茶叶成品。

本发明采用如下技术方案：

一种基于神经网络预测算法的控制系统，所述控制系统包括：

采集单元：被配置为使用图像采样设备，用于对原材料茶叶在烘焙工序前进行初始样本的图像采集，基于初始样本的图像分析确定第一参数P₁；并且在茶叶完成烘焙工序后，进行结束样本的图像采集，分析确定结束样本值；

运算单元：一个预测模型被配置运行于所述运算单元；通过向所述预测模型输入第一参数P₁以及第二参数P₂，预测获得一个调试样本值；将所述调试样本值与标准样本值进行对比，缩小所述调试样本值与标准样本值的得分差距，确定在所述预测模型中与所述第二参数P₂对应的一组最优权重值；

控制单元：使用所述第二参数P₂以及对应的最优权重值，设置一组工作参数，并将所述工作参数用于控制烘焙设备的烘焙工作；

其中，所述采集单元使用基于采用主成分分析法，对所述初始样本的图像信息进行主成分分析，获得多个图像特征变量，并通过筛选，选择贡献率累计大于85%的7个主成分因子作为第一参数P₁的子参数；

其中，所述预测模型被配置为采用人工神经网络进行机器学习运算；