【技术实现步骤摘要】
本专利技术涉及到白酒生产酿造，具体涉及到一种酒醅摊凉智能温度控制方法及系统。
技术介绍
1、在白酒酿酒工艺中，酒醅摊凉是一个至关重要的环节，其温度控制直接影响到后续发酵过程及最终酒品的质量。传统的酒醅摊凉过程主要依赖人工经验和简单机械设备进行温度调控，存在温度波动大、控制精度低、能耗高以及生产效率低下等问题。特别是在大规模生产中，由于环境条件和工艺参数的复杂性，人工调控往往难以达到理想的温度控制效果，导致酒醅质量不稳定，甚至影响整个酿酒生产线的效率和经济效益。
2、目前，虽然有一些自动化控制系统被应用于酒醅摊凉过程中，但这些系统大多采用固定的控制策略，无法根据实时工况进行智能调整，导致温度控制效果有限。并且，这些系统往往缺乏精准的温度预测模型，难以准确预测出口酒醅的温度，使得温度控制存在较大的滞后性和误差。
3、此外，现有的温度控制方法大多未考虑风机频率等关键参数对温度控制的影响，导致在温度调控过程中难以实现精准的温度控制。同时，由于缺乏对传感器数据的全面采集和有效利用，使得温度控制策略的制定缺乏全面准确的数据支持，进一步影响了温度控制的效果。
技术实现思路
1、本专利技术的目的是针对现有技术存在的问题，提供一种酒醅摊凉智能温度控制方法及系统。通过部署多种传感器实时监测关键参数，构建精准的温度预测模型，并采用智能优化策略自动调整风机频率组合，实现了对出口酒醅温度的精准控制，降低了能耗和人工干预，提高了酒醅质量和生产效率。
2、为实现上述目的，本专
3、一种酒醅摊凉智能温度控制方法，包括以下步骤：
4、s1、通过传感器采集酒醅摊凉过程中的环境温度、入口酒醅温湿度、浆水加入量、各风室风机频率、各风室酒醅温湿度、板链速度、曲粉加入量、出口酒醅温湿度数据；
5、s2、对步骤s1中传感器采集数据进行清洗，构建数据集，筛选出稳态数据；
6、s3、以出口酒醅温度数据作为输出，其余传感器数据作为输入，构建mlp模型；
7、s4、采用遗传算法作为智能优化策略，以mlp模型作为适应度函数，以预测温度与目标温度的差值作为损失值，计算每个风机频率组合对应的适应度值，通过不断迭代优化得到最佳风机频率组合；
8、s5、对传感器数据进行实时采集，当出口酒醅温度高于设定阈值时，通过遗传算法调整风机频率组合至最佳状态，实现酒醅摊凉过程中温度的实时调控。
9、步骤s1包括：
10、s1.1、在酒醅摊凉机的入口料槽设置第一伸缩探温杆用于测量入口酒醅温度，设置第一酒醅水分检测装置用于测量入口酒醅湿度；
11、在酒醅摊凉机的出口料槽设置第二伸缩探温杆用于测量出口酒醅温度，设置第二酒醅水分检测装置用于测量出口酒醅湿度；
12、在各个风室中分别设置红外热像仪用于测量风室温度，设置红外点温仪用于测量板链温度，设置第三伸缩探温杆用于测量风室酒醅温度，设置第三酒醅水分检测装置用于测量风室酒醅湿度；
13、在浆水仓设置浆水称重传感器用于测量浆水加入量，在曲粉仓设置曲粉称重传感器测量曲粉加入量；
14、s1.2、在酒醅摊凉机正常工作的情况下，通过控制柜定时采集所有传感器数据。
15、3.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤s2包括：
16、s2.2、对存在大量数据缺失的记录进行删除；
17、对个别数据缺失的记录，采用统计值填补、局部线性插值、回归预测或前后向填充的方法进行缺失值填充；
18、对超出阈值的异常值，采用统计值填补、局部线性插值、回归预测或前后向填充的方法进行处理；
19、s2.3、对清洗后的数据，通过计算酒醅原料在传送过程中的时延和各检测点之间的距离，将各检测点的数据按照实际传输顺序进行对齐，构建数据集；
20、s2.4、根据现场工艺和业务逻辑，计算一个主要测量数据在一段预设时间内的变化量，若该主要测量数据在这段时间内的变化量未超过设定阈值，则认为该段时间内的数据为稳态数据。
21、步骤s3包括：
22、s3.1、使用多层感知机mlp作为回归模型，其中mlp模型包括输入层、至少一个隐藏层和输出层，每一层隐藏层均使用relu激活函数；
23、s3.2、将数据集分为训练集和验证集，通过前向传播，将输入数据传递给模型，输出预测的出口酒醅温度；
24、s3.3、设置均方误差作为损失函数，计算预测值与真实值之间的损失值；
25、s3.4、使用反向传播，根据损失函数的梯度来更新模型的权重和偏置，以最小化损失；
26、s3.5、重复前向传播和反向传播的过程，直到达到预设的训练轮次或损失值降低到一定阈值以下。
27、在步骤s3中，在构建mlp模型后，再对mlp模型进行校准，以实现模型精度的持续优化，其中，校准过程具体包括：
28、s3.6、持续监测实际出口酒醅温度与通过mlp模型预测得到的出口温度之间的差异；
29、s3.7、当控温效果监测发现偏差超出预设范围时，立即记录当前时间点的所有传感器数据，并对数据进行清洗、对齐和筛选处理；
30、s3.8、在确定新采集的数据样本非异常数据导致的预测偏差后，将处理后的新数据样本作为训练样本，利用迁移学习或增量学习方法，对mlp模型进行再训练，得到新模型；
31、s3.9、设计包含原始数据验证集样本和新数据验证集样本的验证集，对新模型进行性能评估，验证其预测准确率、损失值及鲁棒性指标是否提升；
32、s3.10、在确认新模型的整体性能没有下降且有所提升的情况下，将新模型替换原有模型，并完成模型校准。
33、在mlp模型的训练过程中加入批量归一化和正则化模块；其中，
34、批量归一化的计算过程包括：
35、对每一层的输出进行均值和方差的计算；
36、使用计算得到的均值和方差对输入进行标准化处理，使得输入数据的均值接近零，标准差接近一；
37、对标准化后的结果进行线性变换；
38、所述l2正则化的计算公式为：
39、
40、其中，l(θ)是原始的损失函数,λ是正则化强度的超参数,是所有权重参数平方和。
41、步骤s4包括：
42、s4.1、将风机频率组合编码为遗传算法的染色体；
43、s4.2、随机生成一定数量的风机频率组合，作为初始种群；
44、s4.3、使用mlp模型预测每组风机频率对应的出口温度，计算预测出口温度与设定出口温度之间的差异，作为适应度值；
45、s4.4、根据适应度值，采用轮盘赌选择或锦标赛选择的方法，从当前种群中选择优秀的风机频率组合作为父代；
46、s4.5、对选择出的父代染色体进行交叉和变异操作，生成新的风机频率本文档来自技高网...
【技术保护点】
1.一种酒醅摊凉智能温度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤S1包括：
3.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤S2包括：
4.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤S3包括：
5.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，在步骤S3中，在构建MLP模型后，再对MLP模型进行校准，以实现模型精度的持续优化，其中，校准过程具体包括：
6.根据权利要求4所述的一种酒醅摊凉智能温度控制方法，其特征在于，在MLP模型的训练过程中加入批量归一化和正则化模块；其中，
7.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤S4包括：
8.根据权利要求7所述的一种酒醅摊凉智能温度控制方法，其特征在于，在步骤S4.5中，对选择出的父代染色体进行交叉和变异操作包括：
9.一种酒醅摊凉智能温度控制系统，其特征在于，包括：
10.一种
...【技术特征摘要】
1.一种酒醅摊凉智能温度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤s1包括：
3.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤s2包括：
4.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，步骤s3包括：
5.根据权利要求1所述的一种酒醅摊凉智能温度控制方法，其特征在于，在步骤s3中，在构建mlp模型后，再对mlp模型进行校准，以实现模型精度的持续优化，其中，校准过程具体包括：
6.根据权利要求4所述的一种...
【专利技术属性】
技术研发人员：李琳，詹必胜，杨帅鹏，王鑫，张浩宇，王泽，汤伟豪，项柳军，徐腾，
申请(专利权)人：武汉奋进智能机器有限公司，
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。