基于人工神經網絡的苜蓿固定深層太陽能干燥過程仿真.pdf

1、鑒于苜蓿自然干燥營養(yǎng)成分損失大、產品質量差，常規(guī)能源干燥成本高且污染環(huán)境，對苜蓿進行了自然天氣條件下的固定深層太陽能干燥試驗。由試驗結果分析可知，苜蓿固定深層太陽能干燥過程是一個高度復雜、非線性的過程，為實現干燥過程監(jiān)測管理的智能化與自動化，有必要解決干燥過程中苜蓿濕含量的預測問題。人工神經網絡具有良好的非線性映射能力和高度的并行信息處理能力，是解決非線性系統(tǒng)辨識的良好途徑。為此，論文提出將神經網絡應用于非線性太陽能干燥建模中。構建網絡

2、模型時，將苜蓿固定深層太陽能干燥系統(tǒng)劃分為集熱器熱性能仿真系統(tǒng)、苜蓿表面溫度仿真系統(tǒng)和苜蓿濕含量預測系統(tǒng)等3個子系統(tǒng)；建立了各子系統(tǒng)的網絡模型及太陽能干燥系統(tǒng)的整體模型。主要結論如下： （1）對自然天氣條件下的苜蓿固定深層太陽能干燥試驗研究結果表明，太陽能空氣集熱器出口氣流溫度隨輻射強度的增強而升高，且集熱器出口氣流溫度及溫升的變化滯后于太陽輻射變化，即存在延時現象：集熱器內氣流速度對集熱器溫升的影響受氣候條件的制約。集熱器出口

3、氣流溫度的回歸分析結果顯示，很難獲得具有普遍意義的集熱器出口氣流溫度與其影響因素間的通用回歸方程。 （2）苜蓿固定深層太陽能干燥過程呈現高度非線性，草層內部不同部位苜蓿的干燥速率不同；苜蓿深層干燥過程中，沿氣流方向和垂直于氣流方向的截面上都存在溫度梯度。溫度梯度的大小、正負和變化趨勢以及廢氣溫度、廢氣相對濕度和介質溫度、介質相對濕度間的關系均能夠反映干燥進程。 （3）建立基于人工神經網絡的集熱器熱性能仿真模型時，將對空氣

4、集熱器熱性能有影響的太陽高度角、入射角和時角間的關系，統(tǒng)一用時角余弦COSω代替，稱其為時間因子；時間因子的引入簡化了網絡模型結構；試驗驗證結果表明，考慮時間因素cosω和太陽赤緯δ的太陽能空氣集熱器熱性能神經網絡模型的預測誤差小、訓練速度快；對測試樣本的驗證結果屬于高度擬合、滿意預測；建立了不考慮空間信息和考慮空間信息的太陽能空氣集熱器出口氣流溫度仿真模型和空氣集熱器效率仿真模型，驗證結果表明，各網絡仿真結果均為高精度擬合、滿意預測或

5、良好預測。 （4）在考慮了干燥過程中苜蓿濕含量是連續(xù)變化量、與初始濕含量和干燥時間有關等特點的基礎上，將時間序列因子引入輸入因子，建立基于人工神經網絡的苜蓿表面溫度仿真模型。驗證結果表明，時間序列因子的引入豐富了網絡樣本的多樣性、提高了苜蓿表面溫度仿真模型的預測性能，降低了網絡輸出誤差：建立了基于人工神經網絡的含一維、二維和三維空間信息的單層和單日多層、多日多層苜蓿表面溫度仿真模型，預測效果均屬于高度擬合滿意預測，均等系數EC值

6、大于0．97，平均絕對百分誤差mape值小于5．4％；建立了苜蓿表面溫度梯度的人工神經網絡仿真模型，模型對測試樣本的仿真結果EC值0．97以上，mape小于6％。建立沿氣流方向的溫度梯度仿真模型，對固定深層苜蓿太陽能干燥過程研究和管理意義深遠，有助于在線預測牧草干燥過程的進程，對干燥工藝的合理匹配提供參考依據。 （5）用單層、多層和多日試驗數據建立了基于神經網絡的牧草濕含量仿真模型，網絡性能達到較好擬合和良好預測。模型對測試樣本

7、的仿真結果EC值大于0．90，mape值在25～34％之間，屬于可行預測。苜蓿濕含量多日連續(xù)模型性能良好，對測試樣本的仿真結果EC值大于0．93，mape值小于25％，屬于良好預測。 （6）建立了以太陽能集熱器熱性能仿真模型、苜蓿表面溫度仿真模型及苜蓿濕含量預測模型為3個子模塊的自然天氣條件下的苜蓿固定深層太陽能干燥系統(tǒng)的仿真模型。該模型的特點為：可以對不同季節(jié)、不同時刻的太陽能苜蓿干燥系統(tǒng)進行性能分析和在線預測。驗證結果表明，