System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于GA-SVM与模糊PID结合的果蔬烘干控制方法技术_技高网

基于GA-SVM与模糊PID结合的果蔬烘干控制方法技术

技术编号:44826921 阅读:6 留言:0更新日期:2025-03-28 20:18
本发明专利技术公开了一种基于GA‑SVM与模糊PID结合的果蔬烘干控制方法,其特征在于包括以下内容:获取需烘干果蔬的烘干数据并对数据进行筛选、选择SVM模型和核函数、利用GA遗传算法获得最佳超参数、训练验证SVM预测模型、根据预测含水率由模糊PID主动调整烘干温度、风速参数。可以让控制系统提前应对含水率随时间变化后,对下一阶段所需要的温度、风速做出反应,避免出现烘干温度过调或欠调;使烘干作物品质得到提升,减少能源浪费;还可以满足不同作物有着不同的烘干工艺的控制要求。

【技术实现步骤摘要】

本专利技术涉及果蔬烘干参数控制技术,尤其是一种基于ga-svm(遗传算法支持向量机)与模糊pid结合的果蔬烘干控制方法。


技术介绍

1、随着节能减排要求的提升以及技术的进步,热泵烘干技术逐渐得到推广应用。该技术由热泵烘干机利用低温热源通过热泵系统对空气进行加热来实现果蔬低温烘干,具有节能、高效、环境友好的优点。热泵系统通过压缩、冷凝、膨胀等过程,能够将低温环境中的热能转化为可用的热量,从而实现烘干过程中所需的温度和湿度调节。

2、目前行业内多采用传统pid和模糊pid控制,传统pid和模糊pid控制的调节基于当前的误差和误差变化,主要依赖于实时反馈。如专利公开号为cn115540525a提供的一种空气能热泵烘干机控制器及其控制方法,预设烘干温度和烘干温差,检测室内温度;若室内温度满足室内温度≤烘干温度-烘干温差,则烘干机开机,运行烘干模式;若室内温度满足室内温度≥烘干温度;则烘干机停机。等等。而在面对复杂的非线性关系时,这些现有技术就无法适应,尤其在环境变化剧烈时可能产生较大的误差,不能提前对未来的温度变化做出反应,导致温控不精确,出现烘干温度过调或欠调,导致烘干作物品质下降和能源浪费等现象。

3、因此能够更好地调节温度、湿度、空气流量等关键参数,并根据不同果蔬的特性自动优化烘干过程的热泵果蔬烘干控制方法,显得尤为重要。这不仅能提高烘干效率,还能够保证果蔬的烘干质量和营养成分的保存。


技术实现思路

1、本专利技术的目的是为了解决上述问题,提供一种基于ga-svm与模糊pid结合的果蔬烘干控制方法,它结合了遗传算法优化支持向量机(ga-svm)预测模型和模糊pid的控制方法,融合了预测性控制和实时反馈控制,在果蔬烘干的控制中具有更精准、灵活、稳定的控制效果。

2、本专利技术的上述技术问题主要是通过下述技术方案得以解决的:一种基于ga-svm与模糊pid结合的果蔬烘干控制方法,其特征在于包括以下内容:获取需烘干果蔬的烘干数据并对数据进行筛选、选择svm模型和核函数、利用ga遗传算法获得最佳超参数、训练验证svm预测模型、根据预测含水率由模糊pid主动调整烘干温度、风速参数;其中:

3、s1、获取需烘干果蔬的烘干数据包括初始含水率、外部环境的温度和湿度、内部烘干温度和风速、不同时间段的含水率。

4、s2、对获取的数据先进行数据清洗,去除重复数据和处理缺失值,再对数据进行归一化处理,最后将数据集进行划分。

5、s3、选择svm回归模型,在所述回归模型中,根据输入特征得到输出目标烘干物料含水率,并表达为一个函数f(x),使它接近目标值y,假设输入特征向量为x∈rd,y∈r,则线性回归模型表示为:

6、f(x)=ωtx+b

7、式中:ω为回归模型的权重向量,b为偏置项,x为输入特征,t为向量的转置。

8、s4、控制误差范围ε,待优化函数如下:

9、

10、式中εi,分别表示第i个数据点的上偏差和下偏差;c是惩罚因子,用于控制误差与模型复杂度的平衡;ε是误差容忍度,表示模型对预测误差的容忍范围。

11、s5、svm回归模型使用核函数将输入特征映射到一个更高维的空间,以便在线性空间中找到一个适合的回归平面。

12、s6、最终线性回归模型函数优化包含了约束条件,使得误差在ε范围内并最小化回归模型的复杂度,通过拉格朗日对偶优化,最终的优化目标可以表达为:

13、

14、式中ai,aj≥0,为lagrange乘子。

15、s7、通过遗传算法(ga)生成多个候选超参数组合,训练不同的svm模型,并根据模型的预测误差来评估其适应度。

16、s8、通过优化的超参数,使用步骤s2分类的训练集和验证集数据来训练svm回归模型。

17、s9、svm回归模型训练完成,用之前步骤s2准备好的测试组数据进行测试,输入物料初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间,svm模型将根据学习到的映射关系,输出物料预测的含水率。

18、s10、根据svm的预测信号,模糊pid控制器主动调整烘干机的温湿度和风速等参数,确保果蔬的含水率逐渐降低到预定目标。

19、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s2中所述归一化是将数据缩放到指定范围:[0,1]或[-1,1];公式为:

20、

21、式中:x′为归一化后的数据,x为输入特征,min(x)是该特征的最小值,max(x)是该特征的最大值。

22、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s2中将数据集划分为:用于训练svm模型权重和偏差的训练集,用于选择模型的超参数(c、σ)和调优模型的验证集,用来评估最终模型的性能测试集。

23、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,所述步骤s3中,在回归模型中,svm回归模型所根据的输入特征是:初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间。

24、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s4中,待优化函数的约束条件为:

25、

26、式中式中εi,分别表示第i个数据点的上偏差和下偏差;c是惩罚因子,用于控制误差与模型复杂度的平衡。

27、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s5核函数中,应用径向基核核函数处理数据之间存在复杂的非线性关系,公式为:

28、

29、式中:σ是核函数的参数,控制着数据点之间的相似性。

30、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s7中,遗传算法(ga)算法通过模拟自然界中的选择和生物遗传过程,从初始种群出发,经选择、交叉、变异操作,产生一个更利于和适合环境生存的群体,进而得出最优解。

31、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s8中,训练svm回归模型的训练过程中,svm将学习物料初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间和烘干物料含水率之间的映射关系,并通过最小化误差和间隔来优化模型。

32、前述的基于ga-svm与模糊pid结合的果蔬烘干控制方法中,作为优选,步骤s9中,采用平均绝对百分比误差、均方根误差、平均绝对误差和决定系数作为评价含水率预测模型优劣的标准,不满足标准继续进行数据、超参数优化,满足标准即可为该物料烘干提供不同输入参数下含水率的预测。

33、本技术方案通过获取足够组待烘干作物的烘干数据,进行清洗,去除重复数据和处理缺失值,再对数据进行归一化处理,由于svm模型的训练对特征的尺度非常敏感,如果不同特征的数值范围差异较大,那么模型可能会倾向于使用较大范围本文档来自技高网...

【技术保护点】

1.一种基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征在于包括以下内容:获取需烘干果蔬的烘干数据并对数据进行筛选、选择SVM模型和核函数、利用GA遗传算法获得最佳超参数、训练验证SVM预测模型、根据预测含水率由模糊PID主动调整烘干温度、风速参数;其中:

2.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征在于,步骤S2中所述归一化是将数据缩放到指定范围:[0,1]或[-1,1];公式为:

3.根据权利要求1或2所述的基于GA-SVM与模糊PID结合的果蔬烘干控制

4.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征在于,所述步骤S3中,在回归模型中,SVM回归模型所根据的输入特征是:初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间。

5.根据权利要求1所述的种基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征在于,步骤S4中,待优化函数的约束条件为:

6.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征在于,步骤S5核函数中,应用径向基核核函数处理数据之间存在复杂的非线性关系,公式为:

7.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征是,步骤S7中,遗传算法(GA)算法通过模拟自然界中的选择和生物遗传过程,从初始种群出发,经选择、交叉、变异操作,产生一个更利于和适合

8.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征是,步骤S8中,训练SVM回归模型的训练过程中,SVM将学习物料初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间和烘干物料含水率之间的映射关系,并通过最小化误差和间隔来优化模型。

9.根据权利要求1所述的基于GA-SVM与模糊PID结合的果蔬烘干控制方法,其特征是,步骤S9中,采用平均绝对百分比误差、均方根误差、平均绝对误差和决定系数作为评价含水率预测模型优劣的标准,不满足标准继续进行数据、超参数优化,满足标准即可为该物料烘干提供不同输入参数下含水率的预测。

...

【技术特征摘要】

1.一种基于ga-svm与模糊pid结合的果蔬烘干控制方法,其特征在于包括以下内容:获取需烘干果蔬的烘干数据并对数据进行筛选、选择svm模型和核函数、利用ga遗传算法获得最佳超参数、训练验证svm预测模型、根据预测含水率由模糊pid主动调整烘干温度、风速参数;其中:

2.根据权利要求1所述的基于ga-svm与模糊pid结合的果蔬烘干控制方法,其特征在于,步骤s2中所述归一化是将数据缩放到指定范围:[0,1]或[-1,1];公式为:

3.根据权利要求1或2所述的基于ga-svm与模糊pid结合的果蔬烘干控制

4.根据权利要求1所述的基于ga-svm与模糊pid结合的果蔬烘干控制方法,其特征在于,所述步骤s3中,在回归模型中,svm回归模型所根据的输入特征是:初始含水率、外部环境的温度和湿度、内部烘干温度和风速及时间。

5.根据权利要求1所述的种基于ga-svm与模糊pid结合的果蔬烘干控制方法,其特征在于,步骤s4中,待优化函数的约束条件为:

6.根据权利要求1所述的基于ga...

【专利技术属性】
技术研发人员:杨一渠杨冬萍滕世政甘华胜何柳方林珍
申请(专利权)人:浙江康盛科工贸有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1