【技术实现步骤摘要】
烘干器控制系统及其方法
[0001]本申请涉及自动化控制领域，且更为具体的涉及一种烘干器控制系统及其方法。
技术介绍
[0002]烘干器控制系统是一种自动化系统，它用于监测和控制工业烘干器的运行。该系统通常包括传感器、控制器、执行器和人机界面等组成部分。传感器收集烘干器中的数据，如温度、湿度和气流速度等，并将这些数据传输给控制器。控制器根据预设的程序和算法分析传感器数据，并根据需要调整烘干器的运行参数，例如加热器输出、风扇转速和出料口位置等。在烘干器控制系统中，需要不断调整温度，以确保烘干过程能够达到预期效果。原因如下：1)确保产品质量：不同类型的物料对于烘干温度要求不同，如果温度过高或过低会影响产品的质量和干燥效率。因此，通过不断调整烘干器内部的温度，可以确保生产出高质量的产品；2)节约能源：将烘干器的温度保持在合适的范围内，可以避免能源浪费，并减少生产成本。当温度过高时，加热器会消耗更多的电能，而当温度过低时，则会导致烘干时间延长，从而增加生产成本；3)安全：通过不断监测和调整烘干器的温度，可以确保系统的安全性。在过高温...
【技术保护点】
【技术特征摘要】
1.一种烘干器控制系统，其特征在于，包括：数据获取模块，用于获取预定时间段的物料监控视频、所述预定时间段内多个预定时间点的烘干温度值；采样模块，用于从所述预定时间段的物料监控视频提取多个物料监控关键帧；深浅特征编码模块，用于将所述多个物料监控关键帧通过包含深浅融合模块的第一卷积神经网络模型以得到多个物料监控特征矩阵；三维卷积编码模块，用于将所述多个物料监控特征矩阵沿着时间维度聚合为三维特征张量后通过使用三维卷积核的第二卷积神经网络模型以得到物料状态变化特征向量；多尺度编码模块，用于将所述多个预定时间点的烘干温度值按照时间维度排列为烘干温度输入向量后通过多尺度邻域特征提取模块以得到烘干温度特征向量；响应性估计模块，用于计算所述物料状态变化特征向量相对于所述烘干温度特征向量的响应性估计以得到分类特征矩阵；优化模块，用于对所述分类特征矩阵进行优化得到优化分类特征矩阵，以及检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的烘干温度应增大或应减小。2.根据权利要求1所述的烘干器控制系统，其特征在于，所述深浅特征编码模块，包括：浅层特征提取单元，用于从所述第一卷积神经网络模型的第M层提取浅层特征图，其中，M大于等于1且小于等于6；深层特征提取单元，用于从所述第一卷积神经网络模型的第N层提取深层特征图，其中，N/M大于等于5且小于等于10；融合单元，用于使用所述第一卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到融合特征图；以及降维单元，用于对所述融合特征图进行沿通道维度的全局池化以得到所述物料监控特征矩阵。3.根据权利要求2所述的烘干器控制系统，其特征在于，所述三维卷积编码模块，包括：编码单元，用于使用所述第二卷积神经网络模型对所述三维特征张量进行三维卷积编码以得到物料状态变化特征图；以及降维单元，用于对所述物料状态变化特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述物料状态变化特征向量。4.根据权利要求3所述的烘干器控制系统，其特征在于，所述三维卷积编码模块，用于：使用所述使用三维卷积核的第二卷积神经网络模型在层的正向传递中对输入数据分别进行：基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述物料状态变化特征图，所述第二卷积神经网络模型的第一层的输入为所述三维特征张量。5.根据权利要求4所述的烘干器控制系统，其特征在于，所述多尺度编码模块，包括：第一尺度特征提取单元，用于将所述烘干温度输入向量输入所述多尺度邻域特征提取
模块的第一卷积层以得到第一尺度烘干温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述烘干温度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度烘干温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及融合单元，用于将所述第一尺度烘干温度特征向量和所述第二尺度烘干温度特征向量进行级联以得到所述烘干温度特征向量。...
【专利技术属性】
技术研发人员：钱伟，陈广梅，陈广兵，
申请(专利权)人：滁州市伟博电气有限公司，
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。