[发明专利]一种用于固态发酵的智能翻醅控制系统以及控制方法

权利要求书

1.一种用于固态发酵的智能翻醅控制系统，其特征在于，包括：

采集装置，位于发酵容器固态物料中，监测并采集不同时刻不同深度监测区域中的氧含量数据和温度数据，生成各个监测区域数据集，传送至上位机；

所述上位机，包括：数据处理模块、预测模块和数据分析模块；

所述数据处理模块，用于接收所述各个监控区域数据集，对所述各个监控区域数据集进行处理，得到时间序列数据集；

所述预测模块，用于将所述时间序列数据集输入神经网络模型中，利用所述神经网络模型预测所述各个监控区域下一时刻的氧含量数据和温度数据；

所述数据分析模块，用于判断所述各个监控区域下一时刻的氧含量数据和温度数据是否达到翻醅操作的阈值，产生翻醅指令信号和翻醅深度值；

控制器，用于根据所述翻醅指令信号和翻醅深度值，控制翻醅机启动和调节所述翻醅机翻铲的深度。

2.如权利要求1所述的系统，其特征在于，还包括：

存储器，用于存储所述各个监测区域数据集，以及所述翻醅机翻醅的时间和翻醅深度值；

显示器，用于显示所述各个监测区域中的氧含量数据和温度数据，以及所述翻醅机翻醅的时间和翻醅深度值。

3.如权利要求1所述的系统，其特征在于，所述采集装置包括：溶氧微电极和温度微电极。

4.如权利要求3所述的系统，其特征在于，所述溶氧微电极和温度微电极的数量至少与所述不同深度监测区域的个数相同。

5.如权利要求3所述的系统，其特征在于，所述溶氧微电极为Clark氧电极。

6.如权利要求1所述的系统，其特征在于，所述神经网络模型包括：小波神经网络模型、BP神经网络、Elman神经网络、RBF神经网络以及GRNN神经网络中一种或多种。

7.一种用于固态发酵的智能翻醅控制方法，其特征在于，包括：

利用微电极实时监测不同时刻不同深度监测区域的氧含量数据和温度数据，构成各个监测区域数据集；

将所述各个监测区域数据集进行处理组合，得到时间序列数据集；

将所述时间序列数据输入神经网络模型中进行预测，得到各个监测区域下一时刻的氧含量和温度预测数据；

判断所述各个监测区域下一时刻的氧含量和温度预测数据是否满足预设翻醅决策标准；

若所述各个监测区域下一时刻的氧含量和温度预测数据满足所述预设翻醅决策标准，则产生翻醅指令信号并计算翻醅深度值；

根据所述翻醅指令信号和所述翻醅深度值控制翻醅机进行翻醅操作。

8.如权利要求7所述的方法，其特征在于，所述利用微电极实时监测不同时刻不同深度监测区域的氧含量数据和温度数据，构成各个监测区域数据集前包括：

采用纵向深度等分的方式将发酵容器内的待监测区域划分为等距且相互连接的多个不同深度的监测区域。

9.如权利要求7所述的方法，其特征在于，所述利用微电极实时监测当前时刻不同深度监测区域的氧含量数据和温度数据，构成各个监测区域的数据集包括：

利用溶氧微电极监测各个深度监测子区域的氧含量，将所有各个深度监测子区域的氧含量集合为数据集O_n；

利用温度微电极监测各个深度监测子区域的温度，将所述各个深度监测子区域的温度集合为数据集T_n。

10.如权利要求9所述的方法，其特征在于，所述将所述各个监测区域数据集进行处理组合，得到时间序列数据集包括：

将所述数据集O_n和所述数据集T_n按照不同深度的检测区域进行分组，并进行降噪和转化处理，得到所述时间序列数据集。