特征为主要输入，经过预测得到当 前烘烤阶段所需的第一剩余时间、第一干球温度调整量和第一湿球温度调整量； 所述图像采集器用于采集烘烤对象在烘烤过程中的图像信息，所述中控计算机根据图 像采集器采集的图像信息提取图像特征，所述图像ANN网络以所述图像特征为主要输入， 经过预测得到当前烘烤阶段所需的第二剩余时间、第二干球温度调整量和第二湿球温度调 整量； 所述水分检测仪用于采集烘烤对象在烘烤过程中的水分信息，所述中控计算机根据水 分检测仪采集的水分信息提取水分特征，所述水分ANN网络以所述水分特征为主要输入， 经过预测得到当前烘烤阶段所需的第三剩余时间、第三干球温度调整量和第三湿球温度调 整量； 所述中控计算机根据所述气味ANN网络、图像ANN网络和水分ANN网络的预测值确定 当前烘烤阶段最终所需的剩余时间、干球温度调整量和湿球温度调整量来控制所述PID控 制器工作； 每一次烘烤完成后，所述中控计算机还用于自动学习本次烘烤数据并优化所述气味ANN网络、图像ANN网络和水分ANN网络的控制参数。2. 根据权利要求1所述的具有自动学习功能的电子鼻智能烘烤控制系统，其特征在 于：所述电子鼻模块中设置有多个气体/气味传感器、温度传感器、湿度传感器和气压传感 器。3. -种具有自动学习功能的电子鼻智能烘烤控制系统的控制方法，其特征在于按照以 下步骤进行： 步骤1 :根据经验数据建立烘烤规则，该烘烤规则包括烘烤时间以及预定烘烤时间点 的干球温度和湿球温度； 步骤2 :通过电子鼻模块采集烘烤对象在烘烤过程中的气味信息，以所述气味信息提 取的气味特征为主要输入，利用气味ANN网络预测得到当前阶段所需的第一剩余烘烤时间 h、第一干球温度调整量&和第一湿球温度调整量s1; 步骤3 :通过图像采集器采集烘烤对象在烘烤过程中的图像信息，以所述图像信息提 取的图像特征为主要输入，利用图像ANN网络预测得到当前阶段所需的第二剩余烘烤时间 t2、第二干球温度调整量gjP第二湿球温度调整量s2; 步骤3 :通过水分检测仪采集烘烤对象在烘烤过程中的水分信息，以所述水分信息提 取的水分特征为主要输入，利用水分ANN网络预测得到当前阶段所需的第三剩余烘烤时间 t3、第三干球温度调整量&和第三湿球温度调整量s3; 步骤4 :按照t=a^+aj^+aA计算当前阶段最终所需的剩余烘烤时间t，按照g=bigi+bj^+t^g计算干球温度调整量g，按照s=ca+ca+cp计算湿球温度调整量s，其中 a1;a2,a3,b"b2,b3,均为加权系数，且ai+afag: 1;b1;c^(^+(33= 1 ; 步骤5 :根据步骤4所得的当前阶段最终所需的剩余烘烤时间t、干球温度调整量g和 湿球温度调整量s，运用烘烤规则进行修正并以修正后的值对烘烤工艺曲线进行调整控制。4. 根据权利要求3所述的具有自动学习功能的电子鼻智能烘烤控制系统的控制方法， 其特征在于：所述电子鼻模块中设置有多个气体传感器、温度传感器、湿度传感器和气压传 感器，从该电子鼻模块中提取气味特征的方法如下： 步骤2-1 :将电子鼻模块的反应过程分为清洗阶段、响应阶段、吹扫阶段和休息阶段， 每一周期采样N个点，其中清洗阶段N1个点，响应阶段N2个点，吹扫阶段N3个点，N= N1+N2+N3,休息阶段不采样； 步骤2-2 :将响应阶段N2个点的数据减去清洗阶段N1个点的平均值，然后将气体传感 器在响应阶段的所有采样数据进行合并，经过低通滤波和归一化处理，将其归一化为方差 为1，均值为〇的数据矩阵[Xl，x2，…xp]，这里P为气体传感器的个数，每次对P个气味传感 器的采样构成矩阵的一行； 步骤2-3 :利用主成分分析算法对数据矩阵[Xl，x2，…Xp]进行降维处理，得到贡献率最 高的前两个/三个分量； 步骤2-4 :利用独立成分分析算法将步骤2-3所得到的两个/三个分量进行处理，得到 两个/三个独立分量，将其与矩阵求复相关系数；保留复相关系数最小的一个独 立分量，去掉其它独立分量。其中为温度传感器、湿度传感器和气压传感器的检测 数据矩阵； 步骤2-5 :将步骤2-4所剩余的独立分量进行低通/带通滤波，将滤波结果按每个气味 采样间隔求气味平均值作为所述气味特征输入所述气味ANN网络。5. 根据权利要求4所述的基于人工神经网络的智能烘烤控制方法，其特征在于：所述 电子鼻模块中的传感器输出被定期采样，采样过程分为四个阶段一清洗阶段、响应阶段、吹 扫阶段和休息阶段，其中休息阶段不采数据点，采样周期由被采样物的气味变化快慢决定。6. 根据权利要求3所述的具有自动学习功能的电子鼻智能烘烤控制系统的控制方法， 其特征在于：步骤3中，从图像采集器的图像信息中提取图像特征的方法如下： 步骤3-1 :对图像采集器所采集的图像信息进行预处理，包括双边滤波和区域选择，通 过双边滤波减少图像噪声的影响，通过区域选择选取图像的中间部分从而减少图像边缘影 响； 步骤3-2 :将预处理后的图像分别转换为RGB和HSV模式，提取图像的R、G、H分量作为 所述图像特征，其中H分量的计算公式如下：其中Max表示R、G、B分量中的最大值，Min表示R、G、B分量中的最小值。7. 根据权利要求3-6任意一条权利要求所述的具有自动学习功能的电子鼻智能烘烤 控制系统的控制方法，其特征在于：所述气味ANN网络、图像ANN网络和水分ANN网络的输 入参量中还包括当前烘烤阶段、当前阶段已烘烤时间、当前阶段理论干球温度、当前阶段理 论湿球温度、烘烤对象种类和烘烤对象部位信息。8. 根据权利要求3所述的具有自动学习功能的电子鼻智能烘烤控制系统的控制方法， 其特征在于：所述加权系数apa2,a3,bpb2,b3,q，c2,c3，是根据专家经验结合优化算法得 到。9. 根据权利要求3所述的具有自动学习功能的电子鼻智能烘烤控制系统的控制方法， 其特征在于：每一次烘烤结束时，中控计算机将自动建立本次烘烤的样本数据库，结合以前 采集的样本数据集，利用网络优化算法自动对气味ANN网络、图像ANN网络和水分ANN网络 进行再训练，训练结束时，选择性能参数更为优越的人工神经网络作为新调控系统预测网 络。
【专利摘要】本发明公开了一种具有自动学习功能的电子鼻智能烘烤控制系统及控制方法，系统设置有中控计算机，中控计算机的输入端分别连接有电子鼻模块、图像采集器和水分检测仪，中控计算机的输出端连接有PID控制器，PID控制器用于控制烘烤加热器和通风调节器工作，在中控计算机中配置有气味ANN网络、图像ANN网络和水分ANN网络。其显著效果是：系统具备自动学习功能并充分融合了电子鼻技术、图像处理技术以及人工神经网络技术，通过实时采集烘烤过程中烘烤对象的气味信息、图像信息和水分信息，利用大量样本数据训练出的ANN网络预测得到不同烘烤对象所对应的烘烤工艺曲线，从而适应不同烘烤对象全自动化的智能烘烤控制，优化了烘烤产品的质量。
【IPC分类】G05B13/04
【公开号】CN104914720
【申请号】CN201510178892
【发明人】梁永江, 杨先一, 田逢春, 潘文杰, 丁伟, 李正周, 朱忠彬, 刘然, 蒋卫, 张健, 黄扬帆, 霍沁建, 戴真, 温明霞, 冉建, 夏志林, 刘军令, 李家宁
【申请人】贵州省烟草公司遵义市公司, 重庆大学, 贵州省烟草科学研究院
【公开日】2015年9月16日
【申请日】2015年4月16日