【技术实现步骤摘要】
用于空气源热泵干燥系统的多物理场解耦控制方法及系统
[0001]本专利技术属于空气源热泵干燥
，具体涉及用于空气源热泵干燥系统的多物理场解 耦控制方法及系统。
技术介绍
[0002]食品干燥加工是工农业生产中的重要领域。干燥是一种高耗能的加工工艺过程，烘干过 程工艺不同能耗差异巨大，国内外用于烘干所消耗的能耗占全国总能耗的7％～15％，而热效率 只有25％～50％，并且烘干过程中对热敏感性物料(例如食品和生物物料)的色泽、风味、营 养和组织产生影响。而低碳节能是目前经济和社会发展的主题，干燥系统的节能改造对节能 环保有着非常重要的意义。然而现阶段投入使用的大规模商业化干燥设备基本是以化石能源 (煤、油、气等)为主，能源转换利用特点和成本分析模糊不清，不利于高效节能干燥设备 的研制与应用推广；利用化石能源直接燃烧供热干燥，不仅污染排放大、而且智能化精准节 能控制工艺水平也低，导致耗能大、干燥品质差。利用电能替代技术、充分利用清洁能源， 以及工业生产中的余热回收等来实现零污染、低排放是今后研究干燥技术及开发新型干燥设 备的...
【技术保护点】
【技术特征摘要】
1.用于空气源热泵干燥系统的多物理场解耦控制方法，其特征在于：包括以下步骤：S1：采集烘箱内的气压、温度和湿度，以及烘箱内的除湿效率；S2：检测压缩机的供电功率，并通过训练好的神经网络进行解耦控制，得到压缩机的参考功率，并根据参考功率控制压缩机。2.根据权利要求1所述的用于空气源热泵干燥系统的多物理场解耦控制方法，其特征在于：所述步骤S1中烘箱内的除湿效率的计算方式如下：ΔW＝W
t
‑
W
t
‑1；ΔE＝E
t
‑
E
t
‑1；式中ΔW为烘干损失的物料重量，ΔE为烘干ΔW重量的物料所消耗的电能；通过两个时刻之间的物料重量差和电能差获得热泵干燥系统的除湿效率；W
t
为t时刻的物料重量，W
t
‑1为t
‑
1时刻的物料重量；E
t
为t时刻的电能；E
t
‑1为t
‑
1时刻的电能。3.根据权利要求1所述的用于空气源热泵干燥系统的多物理场解耦控制方法，其特征在于：所述步骤S2中的神经网络包含输入层，1个或1个以上隐含层，1个输出层；神经网络的输入为：烘箱内的气压、温度、湿度、除湿效率；神经网络的输出为：压缩机的参考功率。4.根据权利要求3所述的用于空气源热泵干燥系统的多物理场解耦控制方法，其特征在于：神经网络的训练过程为：设输入层的神经元节点数为P，隐含层神经元节点数为L；计算隐含层输入与输出，隐含层第l个节点S
l
为：其中b1为输入层阈值，w
pl
为输入层与隐含层之间的权值，x
p
为输入层中第p个节点的值；计算输出层的输入与输出，输出层压缩机的参考功率P
m*
为：w
l
为输出层的权值，b2为输出层阈值；其中f(
·
)为激活函数；为了使得1/ρ达到最小，设置神经网络调节误差E为：神经网络的权值调整通过最大负梯度来进行输入层与隐含层之间的权值w
pl
和阈值b1调整：调整：其中η为学习率，Δw
pl
为输入层与隐含层之间的权值w
pl
的变化量；Δb1为阈值b1的变化量；输出层的权值w
l
和输出层阈值b2调整：
Δw
l
为输出层的权值w
l
的变化量；Δb2为输出层阈值b2的变化量；更新各权值w
pl
、w
l
和阈值b1、b2，计算总误差，权值调整使神经网络控制快速朝1/ρ最小的方向变化；若总误差达到收敛精度标准或达到训练最大迭代次数，则结束训练，否则按照自适应学习率进行调整学习率，继续下一轮学习。5.根据权利要求4所述的用于空气源热泵干燥系统的多物理场解耦控制方法，其特征在于：对神经网络的输入和输出数据进行归一化处理，将数据转换到[0,1]区间中，转换函数为：6.根据权利要求4所述的用于空气源热泵干燥系...
【专利技术属性】
技术研发人员：郭小璇，韩帅，刘雨兵，舒杰，孙乐平，卢健斌，王显龙，陈浩波，陈卫东，肖静，崔琼，田甜，吴晓锐，龚文兰，郭敏，姚知洋，阮诗雅，赵立夏，
申请(专利权)人：中国科学院广州能源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。