滚筒式茶叶烘干机温度控制系统设计

申超群，薛姣

河南机电职业学院（郑州 450000）

茶叶加工过程中一个重要的工序就是茶叶炒制，如何控制炒制温度将直接决定茶叶品质。温度过高，茶叶会出现焦边、爆点；温度过低，茶叶会出现红梗。随着工业自动化水平不断提高，茶叶炒制已很少采用纯手工方式，大多采用半机械化方式或全自动化方式，未来会向智能化加工发展[1-2]。目前，炒茶机在制茶领域的应用越来越广泛，炒茶机不仅能够减轻工人劳动强度，而且可以提高加工效率以及质量，进一步降低企业生产成本。当前，炒茶机的温控装置智能化水平较低，结构比较简单、功能相对单一，所以温度波动较大、精度低而且具有比较明显的滞后性，实际控制效果不甚理想[3-4]。

为解决上述问题，提高炒茶机温控系统的精度、响应速度、稳定性，国内研究人员进行了相关探讨。李兵等[5]设计一种基于动态矩阵控制的茶叶烘干机，运动DMC-PID串级温度控制系统既可以提高系统动态响应能力与鲁棒性又可以提高系统抗干扰性能，但是该方法的控制精度有待进一步提高。靳淑伟[6]设计一种基于BP神经网络算法的茶叶烘干机控制系统，利用粒子群算法提高神经网络的收敛速度，该方法响应速度快、超调量小，但是算法比较复杂、不易实现。潘玉成等[7]设计一种基于模糊专家控制的茶叶炒制温度控制系统，控制效果良好但是缺乏自学习能力。参考现有研究成果，结合模糊控制器和神经网络控制器设计一种滚筒式茶叶烘干机温度控制系统，既善于处理定性问题又具有一定的自学习、自适应能力，通过试验验证所述控制系统的有效性。

1 滚筒式茶叶烘干机

滚筒式茶叶烘干机结构如图1所示，在某种程度上，茶叶属于食品而且对温度比较敏感，因此此次选用滚筒式对流换热方式进行干燥处理。新鲜茶叶由料斗进入，借助高温气流到达滚筒内部；滚筒不停旋转可使茶叶与热气流充分接触，这样茶叶中水分就会被热气流带走；出风口抽气电机可将携带湿气的热气抽出。从工作过程看，烘干温度将直接决定茶叶品质。但是烘干温度时变性、滞后性比较明显，干扰因素较多，因此很难建立其数学模型。一般情况下，烘干温度可通过调节热风风量或者温度来实现。考虑到烘干温度控制的非线性，若采用PID控制很难取得比较理想的控制效果，因此利用模糊神经网络PID控制器实现烘干机温度控制。

图1 滚筒式茶叶烘干机结构

2 模糊神经网络PID控制器

本质上讲，模糊神经网络控制是模糊算法和神经网络算法结合的产物，它具有二者的优点，既能够利用模糊规则进行推理，又具有很好的逼近能力，因此在解决时滞、非线性等问题上具有比较理想的控制效果，可用于烘干机温度控制[8-11]。整体来说，模糊神经网络控制器的作用就是在线调整PID控制器参数，使其具有自适应特点，控制原理如图2所示。

图2 模糊神经网络PID控制器原理

2.1 PID控制算法

PID控制是工业领域应用最广泛的一种控制方式，其主要由比例、积分、微分等环节组成。PID控制利用实际反馈值和设定值之间偏差来实现闭环控制，其u(t)数学表达式可描述为：

采用一种比较常用的PID控制形式，即增量式PID算法，其控制规律可描述为：

式（1）～（3）中：Kp为比例系数；Ki为积分系数；Kd为微分系数、T为采样周期。

2.2 模糊逻辑设计

模糊神经网络控制器的输入量为烘干机温度偏差e及其变化率ec；输出量为PID控制器的3个参数，即比例系数Kp、积分系数Ki、微分系数Kd。

控制器输入变量的模糊子集为{NB（负大）、NM（负中）、NS（负小）、ZO（零）、PS（正小）、PM（正中）、PM（正大）}，量化为7个等级；输出变量的模糊子集与输入变量相同。烘干机温度偏差及其变化率的论域可取{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；PID的3个参数Kp、Ki、Kd的论域可取{-0.6，-0.4，-0.2，0，0.2，0.4，0.6}。

参考输入变量和输出变量之间关系可确定模糊规则库，该库总共包含49条模糊条件。鉴于模糊神网络系统的两输入三输出结构，因此模糊规则可描述为：

模糊规则如表1所示。

表1 模糊控制规则

2.3 控制器结构

炒茶机烘干温度控制器可分为4层：第一层为输入层，含2个节点；第二层为模糊化层，含7个节点；第三层为模糊推理层，同样含7个节点；第四层为输出层，含3个节点，即参数Kp、Ki、Kd。

茶叶烘干机温度偏差可表示为：

式中：k为第k个采样时刻。那么PID控制器输出可描述为：

神经网络PID控制器结构[12-15]描述如下。

（1）输入层。该层输入变量可选择烘干温度偏差及其变化率，该层将输入直接输出，因此，该层输入可表示为x1=e、x2=ec；活化函数可选用f1(x)=x；输出可表示为x1和x2。

（2）模糊化层。该层可将上一层输出模糊化，即将e和ec划分为7个模糊集。利用隶属度函数计算e和ec属于7个模糊集合的程度，因此，该层输入为x1=e和x2=ec；活化函数选择隶属度函数；输出可表示为：

式中：cij和bij分别为高斯函数第i个输入变量的第j个模糊集合的隶属度函数的均差和标准差。

（3）模糊推理层。该层可实现上一层模糊量的两两配对，每个节点就是一条模糊规则。此次研究通过两两相乘得到该层输出值，即：

（4）输出层。该层输出为PID控制器的3个参数，具体可表示为：

式中：w为连接权矩阵。

考虑到烘干机温度控制系统参数的时变性、滞后性以及非线性，需要在线调整神经网络权值w。此次研究采用delta规则对其进行修正，故输出层权值可表示为：

式中：k为迭代次数；α为学习动量因子；Δwj(k)的学习过程可描述为：

式中：η为学习速率；wj为输出节点模糊推理层各节点的连接权。利用上述学习算法，可使性能函数E=1/2[r(k)-y(k)]2趋于最优。

3 试验研究

为验证所述控制系统性能，进行茶叶烘焙试验。试验对象为所述模糊神经网络PID控制器；对比对象为常规PID控制器。原料为绿茶10 kg，设定烘焙温度为90 ℃，烘焙时间60 min。试验结果如图3所示。

图3 试验结果

从试验结果可以看出，初始升温阶段，试验方法和常规PID控制方法升温速率基本一致，说明所述烘干机温度控制方法执行效率比较高、响应速度快，模糊神经网络PID控制器并没有因为算法复杂程度提高而降低了系统响应速度。达到预定温度后，常规PID控制的超调量比较大，而试验控制方法的超调量较小，只有PID控制的50%。稳定性方面，常规PID控制达到稳定状态耗时超过80 s，而采用试验所述控制方法耗时不到40 s。试验结果表明模糊神经网络PID控制器具有控制精度高、响应速度快、稳定性高等优点。

进一步对烘焙茶叶成品进行人工评审，参照SB/T 10157—1993《茶叶感官评审方法》，绿茶品质评审因子权重分配为外形-1.5、碎度-1.0、净度-1.0、色泽-0.5、香气-1.5、滋味-2.0、汤色-1.0、叶底-1.5。得分计算见式（14）。

式中：Ai为各评审因子得分；αi为因子权重。

评审结果如表2所示。从评审结果可以看出：在外形、净度、汤色、叶底等方面两种控制方法基本一致，差别非常小；但是在碎度、色泽、香气、滋味等方面，模糊神经网络PID控制明显优于常规PID控制；在总分方面，常规PID控制得分为82.2分，模糊神经网络PID控制得分为86。评审结果表明：采用模糊神经网络PID控制进行烘焙，茶叶品质会更优。

表2 人工评审结果

4 结语

以滚筒式茶叶烘干机温度控制为研究对象，结合模糊控制、神经网络控制和PID控制设计一种温度控制系统。详细论述控制器设计方法，试验结果表明，与常规PID控制相比，所述模糊神经网络PID控制器在响应速度、控制精度、稳定性等方面优势明显；人工评审结果表明采用文中所述控制系统可以提高茶叶烘焙品质。后续可从模糊控制规则优化、自适应调整等方面入手，进一步提高茶叶烘干机温度控制精度。