大米抛光机智能控制方法及系统与流程

本发明涉及大米加工领域，特别是一种大米抛光机智能控制方法及系统。

背景技术：

抛光是大米加工的重要工序，抛光机的智能控制是水稻加工智能工厂不可缺少的重要环节，但在实际工作中普遍存在着这些问题：

（1）手动调制抛光机仅凭经验操作：凭目测判断加工工艺、凭手感调制设备的各项控制元素。

（2）手动控制时通常难以达到加工需求：或者因压砣压力过大造成过抛而增加了粮食加工损耗，或者给水量太小达不到抛光效果，或者给水量太大致使机器过载而“闷车”，或者气压与流量不能匹配致使加工效果不均。

（3）生产中使用的抛光机均为传统机电设备：既无智能化控制元件，也无智能化控制接口，还无支持物联网的物理上或者数据上接口。

有人提出抛光机的智能控制方案：在抛光室内安装湿度与压力传感器，根据额定的指标控制抛光机的喷风气压与给水流量。这种方案还有着较多的缺点：

（1）没有给出具体的控制方式：如何智能控制气压与给水流量。

（2）抛光室内压力由喷风气压与砣压以及入料流量共同作用而成，根据抛光室内压力传感器数据控制气压不能得到控制效果。

（3）湿度传感器安装在抛光室内的不同位置将反应出不同的测量值，也不能准确反馈给水流量数据。

（4）不依据抛光的工艺效果进行控制正是舍本逐末。

（5）不具有联网功能，仍然只是一个信息孤岛，也就无法与智能工厂对接。

技术实现要素：

本发明所要解决的技术问题是，针对现有技术不足，提供一种大米抛光机智能控制方法及系统，使得抛光机始终保持在工艺效果的最佳状态。

为解决上述技术问题，本发明所采用的技术方案是：一种大米抛光机智能控制方法，包括以下步骤：将砣压、气压、水流量、入料流量、抛光机工作电流作为神经网络的输入，将抛光达标率、不达标率、糠粉粒、碾减率、增碎率、均匀度、抛光精度作为神经网络的输出，神经网络依据每一次的实际输出值与目标输出值之间的差值不断修正输入各元素的数据值，使得每次输出与目标值不断接近，直至输出与目标值之间的误差满足设定要求，即得到最优训练器；利用所述最优训练器实时调整大米抛光机的砣压、气压、水流量、入料流量、抛光机工作电流。

设定以下规则调整神经网络的输入：当碾减高出设定目标值时将砣压调小；糠粉粒偏多时，将水流量调大；出糠小于正常量时，将气压调大；负载过大时，将水量、砣压调小。

大米抛光机入料斗底部的入料流量开合器一端与执行杆连接；所述执行杆与伺服电机的输出轴连接，且所述伺服电机驱动所述执行杆在水平方向上移动，调节所述入料流量开合器开度，从而调节大米抛光机的入料流量。

大米抛光机出料口处的压砣杆一端与大米抛光机机体铰接，另一端通过第一连接器与弹性件一端连接，所述弹性件另一端与连杆固定连接；所述连杆与第二连接器连接，且所述第二连接器能在直线电机驱动下沿竖直方向上移动，从而调整大米抛光机的砣压。

大米抛光机气压通道内安装有电控比例阀，便于调节大米抛光机的气压。

大米抛光机进液管上安装有液体流量控制器，便于调节大米抛光机的水流量。

相应地，本发明还提供了一种大米抛光机智能控制系统，包括：

输入单元，用于将砣压、气压、水流量、入料流量、抛光机工作电流输入到神经网络；

智能控制器，用于将抛光达标率、不达标率、糠粉粒、碾减率、增碎率、均匀度、抛光精度作为神经网络的实际输出，并控制神经网络依据每一次的实际输出值与目标输出值之间的差值不断修正输入各元素的数据值，使得每次输出与目标值不断接近。

还包括规则设置单元，所述规则设置单元设定以下规则调整神经网络的输入：当碾减高出设定目标值时将砣压调小；糠粉粒偏多时，将水流量调大；出糠小于正常量时，将气压调大；负载过大时，将水量、砣压调小。

还包括入口流量调节单元，所述入口流量调节单元包括套设于大米抛光机入口流量调节旋钮上的调节机构；所述调节机构通过减速机与伺服电机连接。

与现有技术相比，本发明所具有的有益效果为：本发明为各控制元素加装传感与智能控制机构；并依据每道抛光工序的在线工艺检测数据通过智能控制器驱动各控制元素，使得抛光机始终保持在工艺效果的最佳状态。

附图说明

图1为本发明入口流量调节单元结构示意图；

图2为本发明压砣杆结构部分示意图；

图3为本发明通信示意图；

图4为本发明控制器逻辑示意图。

具体实施方式

如图1所示，大米抛光机入料斗1底部的入料流量开合器2一端与执行杆3连接；所述执行杆3与伺服电机4的输出轴连接，且所述伺服电机驱动所述执行杆3在水平方向上移动，调节所述入料流量开合器2开度，从而调节大米抛光机的入料流量。本发明通过对流量调节旋钮加装旋转精度为0.1mm的执行机构改造流量调节并使之适用于智能控制，执行机构由执行臂、减速机（选用涡轮蜗杆减速机，减速比1:20）、伺服电机（选用57脉冲步进电机作为驱动电机）。

本发明伺服电机安装于伺服电机安装支架5上，伺服电机安装支架5安装于抛光机机顶盖上。

加装精度为100pa量程为10kpa-100kpa的电控比例阀作为抛光机气压传感器与控制执行器，电控比例阀直接在抛光机气压通道加装改造而成。

选用精度为0.3-2%fs、传感与控制范围为40ml/min-20l/min的液体流量控制器作为进水流量的传感与控制器。

如图2，大米抛光机出料口处的压砣杆7一端与大米抛光机机体8铰接，另一端通过第一连接器9与弹性件10一端连接，所述弹性件10另一端与连杆11固定连接；所述连杆11与第二连接器12连接，且所述第二连接器12能在直线电机13驱动下沿竖直方向上移动，从而调整大米抛光机的砣压。第一连接器2为万向连接器；弹性件3为拉力弹簧；第二连接器6为滑块。直线电机输出轴上安装有位移传感器。调整滑块的位置，连杆与拉力弹簧连接，拉力弹簧与万向连接器相连，万向连接器与砣压杆相连，改变滑块的位置，改变拉力弹簧的长度，从而改变拉力弹簧的拉力，达到改变压砣杆的压力的目的。

如图3，将智能化改造后的抛光机各传感与控制要素通过信号线与控制线集成于前置边缘网关，并为前置边缘网关增添通信模块：一端负责与抛光机上所有传感与控制的协议转换和通信，一端负责与工业总线的协议转换及通信；前置边缘网关与智能化改造后的抛光机和通信模块一起构成水稻加工智能工厂的前置智能生产节点。抛光机前置智能生产节点通过工业总线与在线工艺检测系统和智控云平台进行交互与通信。

在线工艺检测系统为抛光机的智能控制提供决策依据，检测指标包括抛光精度、糠粉粒、抛光均匀度、碎米率、碾减率、达标率、不达标率等，一抛与二抛的指标相同但检测标准不同。各道抛光的检测标准依据期望的目标加工精度决定，且通过对目标精度样本的机器学习获得。

本发明控制逻辑如图4所示。

构建一个人工神经网络系统：这个神经网络有一个输入层、一个输出层与多个隐层，输入层向量由砣压、气压、水流量、入料流量等传感数据和工作电流转化而成，每个数据分解为一个或者多个向量，输出量则为在线工艺检测的各项指标：抛光达标率、不达标率、糠粉粒、碾减率、增碎率、均匀度、抛光精度等。这还是一个具有无监督学习能力的神经网络。

设定自适应规则：对碾减与砣压的关系、气压与出糠的关系、水流量与糠粉粒的关系、抛光室负载与工作电流的关系等建立相对应的自适应规则：

a、当碾减高出设定目标值时将砣压调小；

b、糠粉粒偏多时，将水量调大；

c、出糠小于正常量时，将气压调大；

d、负载过大时，将水量、砣压调小。

设定一个函数，输出g是输入各控制元素砣压t、气压p、水流量s、入料流量q、工作电流i的函数：。对于神经网络的输入与输出关系将其称为“函数”，本质上g的各元素是神经网络的输入向量，而f的各元素为实际输出值。

神经网络将依据每一次的实际输出值与目标输出值之间的“差值”不断修正输入各元素的数据值，以使得每次输出与目标值不断接近。