基于人工神经网络的苜蓿固定深层太阳能干燥过程仿真

【摘要】： 鉴于苜蓿自然干燥营养成分损失大、产品质量差,常规能源干燥成本高且污染环境,对苜蓿进行了自然天气条件下的固定深层太阳能干燥试验。由试验结果分析可知,苜蓿固定深层太阳能干燥过程是一个高度复杂、非线性的过程,为实现干燥过程监测管理的智能化与自动化,有必要解决干燥过程中苜蓿湿含量的预测问题。人工神经网络具有良好的非线性映射能力和高度的并行信息处理能力,是解决非线性系统辨识的良好途径。为此,论文提出将神经网络应用于非线性太阳能干燥建模中。构建网络模型时,将苜蓿固定深层太阳能干燥系统划分为集热器热性能仿真系统、苜蓿表面温度仿真系统和苜蓿湿含量预测系统等3个子系统;建立了各子系统的网络模型及太阳能干燥系统的整体模型。主要结论如下: (1)对自然天气条件下的苜蓿固定深层太阳能干燥试验研究结果表明,太阳能空气集热器出口气流温度随辐射强度的增强而升高,且集热器出口气流温度及温升的变化滞后于太阳辐射变化,即存在延时现象;集热器内气流速度对集热器温升的影响受气候条件的制约。集热器出口气流温度的回归分析结果显示,很难获得具有普遍意义的集热器出口气流温度与其影响因素间的通用回归方程。 (2)苜蓿固定深层太阳能干燥过程呈现高度非线性,草层内部不同部位苜蓿的干燥速率不同;苜蓿深层干燥过程中,沿气流方向和垂直于气流方向的截面上都存在温度梯度。温度梯度的大小、正负和变化趋势以及废气温度、废气相对湿度和介质温度、介质相对湿度间的关系均能够反映干燥进程。 (3)建立基于人工神经网络的集热器热性能仿真模型时,将对空气集热器热性能有影响的太阳高度角、入射角和时角间的关系,统一用时角余弦cosω代替,称其为时间因子;时间因子的引入简化了网络模型结构;试验验证结果表明,考虑时间因素cosω和太阳赤纬δ的太阳能空气集热器热性能神经网络模型的预测误差小、训练速度快;对测试样本的验证结果属于高度拟合、满意预测;建立了不考虑空间信息和考虑空间信息的太阳能空气集热器出口气流温度仿真模型和空气集热器效率仿真模型,验证结果表明,各网络仿真结果均为高精度拟合、满意预测或良好预测。 (4)在考虑了干燥过程中苜蓿湿含量是连续变化量、与初始湿含量和干燥时间有关等特点的基础上,将时间序列因子引入输入因子,建立基于人工神经网络的苜蓿表面温度仿真模型。验证结果表明,时间序列因子的引入丰富了网络样本的多样性、提高了苜蓿表面温度仿真模型的预测性能,降低了网络输出误差;建立了基于人工神经网络的含一维、二维和三维空间信息的单层和单日多层、多日多层苜蓿表面温度仿真模型,预测效果均属于高度拟合满意预测,均等系数EC值大于0.97,平均绝对百分误差mape值小于5.4% ;建立了苜蓿表面温度梯度的人工神经网络仿真模型,模型对测试样本的仿真结果EC值0.97以上,mape小于6%。建立沿气流方向的温度梯度仿真模型,对固定深层苜蓿太阳能干燥过程研究和管理意义深远,有助于在线预测牧草干燥过程的进程,对干燥工艺的合理匹配提供参考依据。 (5)用单层、多层和多日试验数据建立了基于神经网络的牧草湿含量仿真模型,网络性能达到较好拟合和良好预测。模型对测试样本的仿真结果EC值大于0.90,mape值在25～34%之间,属于可行预测。苜蓿湿含量多日连续模型性能良好,对测试样本的仿真结果EC值大于0.93,mape值小于25%,属于良好预测。 (6)建立了以太阳能集热器热性能仿真模型、苜蓿表面温度仿真模型及苜蓿湿含量预测模型为3个子模块的自然天气条件下的苜蓿固定深层太阳能干燥系统的仿真模型。该模型的特点为:可以对不同季节、不同时刻的太阳能苜蓿干燥系统进行性能分析和在线预测。验证结果表明,网络预测效果良好,能够较真实地反映太阳能苜蓿的动态干燥过程。