[发明专利]一种基于卡尔曼滤波的谷物干燥方法

摘要

本发明设计开发了一种基于卡尔曼滤波的谷物干燥方法，通过实时检测谷物水分含量和环境温度参数，精确控制谷物流速，并实时校正测量参数，采用卡尔曼滤波对近红外谷物分析仪测量结果进行预估校正，并采用BP神经网络进行训练，弱化环境因素对谷物水分含量值检测的影响，实现了干燥周期和干燥效果的精准控制。

主权项

1.一种基于卡尔曼滤波的谷物干燥方法，其特征在于，包括：步骤一：采用近红外谷物分析仪实时检测谷物水分含量M_r，实时检测干燥装置内温度T_r，热源温度T_h，环境湿度M₀；步骤二：谷物输送到干燥装置内，开启热风干燥装置和远红外辐射干燥装置，谷物在自重作用下，自上至下滚落，通过排粮机构控制谷物在装置内流动速度其中，L_r为谷物在干燥设备内流动距离；Q_all为装置内谷物总重量，其；为时间系数，γ为谷物复水比；K为玻尔兹曼常数，J_r为标准大气压下，蒸发单位质量水分所需的热量，μ为引风机风速，为平衡因数；所述步骤一还包括：应用卡尔曼滤波对近红外谷物分析仪检测到的谷物水分含量值进行误差校正，建立观测方程，将近红外谷物分析仪检测到的谷物水分含量值迭代卡尔曼滤波估计方程，获得谷物水分含量的最优估计值，即为校正后谷物水分含量值；所述误差校正过程包括以下步骤：步骤A.按照采样周期，对谷物水分含量M_r进行多次取样，取出一组取样数据{Z_k}，k＝0,1,2......t；建立卡尔曼滤波观测方程，计算状态转移量{φ_k}，k＝0,1,2......t，V_k和V_k+1分别为对应k和k+1时刻检测白噪声，其由数据模拟获得，服从均值为零，方差为G；其中，G为取样数据{Z_k}的近似方差；步骤B.令并将其迭代卡尔曼滤波估计方程，计算得出谷物水分含量估计值其中，Z_max为取样数据的最大值，Z_min为取样数据的最小值；还包括BP神经网络，用于获得谷物水分含量估计值与测量值之间的最优连接权值，根据最优连接权值获得精确的谷物水分含量值，实现对近红外谷物分析仪因环境温度和湿度变化引入的检测误差进行实时校正，包括以下步骤：步骤A.建立三层BP神经网络结构，规格化谷物水分含量估计值近红外谷物分析仪检测到的谷物水分含量M_r，环境湿度M₀，环境温度T_r；确定输入层节点数为3个，输入层向量为y＝{y_1k,y_2k,y_3k}，其中y_1k为检测水分含量值系数，y_2k为环境湿度系数，y_3k为环境温度系数；步骤B.确定隐含层输出向量为{f₁,f₂,f₃…f_j…f_p}，其中p为隐含层节点个数；步骤C.确定输出层节点数为1个，输出层向量为{l′_ik}，l′_ik为对应的谷物水分含量估计值系数；步骤D.计算隐含层和输出层向量输出值，并计算隐含层和输出层训练误差，对连接权值进行修正；步骤E.当神经网络输出规格化系数l′_ik与谷物水分含量估计值系数l_ik之间的均方差e≤0.01时结束训练，其中，