学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络的苜蓿固定深层太阳能干燥过程仿真

作　者: 钱珊珠
导　师: 王春光
学　校: 内蒙古农业大学
专　业: 农业机械化工程
关键词: 苜蓿干燥机理太阳能干燥神经网络仿真
分类号: S817.1
类　型: 博士论文
年　份: 2008年
下　载: 249次
引　用: 11次
阅　读: 论文下载

内容摘要

鉴于苜蓿自然干燥营养成分损失大、产品质量差,常规能源干燥成本高且污染环境,对苜蓿进行了自然天气条件下的固定深层太阳能干燥试验。由试验结果分析可知,苜蓿固定深层太阳能干燥过程是一个高度复杂、非线性的过程,为实现干燥过程监测管理的智能化与自动化,有必要解决干燥过程中苜蓿湿含量的预测问题。人工神经网络具有良好的非线性映射能力和高度的并行信息处理能力,是解决非线性系统辨识的良好途径。为此,论文提出将神经网络应用于非线性太阳能干燥建模中。构建网络模型时,将苜蓿固定深层太阳能干燥系统划分为集热器热性能仿真系统、苜蓿表面温度仿真系统和苜蓿湿含量预测系统等3个子系统;建立了各子系统的网络模型及太阳能干燥系统的整体模型。主要结论如下:(1)对自然天气条件下的苜蓿固定深层太阳能干燥试验研究结果表明,太阳能空气集热器出口气流温度随辐射强度的增强而升高,且集热器出口气流温度及温升的变化滞后于太阳辐射变化,即存在延时现象;集热器内气流速度对集热器温升的影响受气候条件的制约。集热器出口气流温度的回归分析结果显示,很难获得具有普遍意义的集热器出口气流温度与其影响因素间的通用回归方程。(2)苜蓿固定深层太阳能干燥过程呈现高度非线性,草层内部不同部位苜蓿的干燥速率不同;苜蓿深层干燥过程中,沿气流方向和垂直于气流方向的截面上都存在温度梯度。温度梯度的大小、正负和变化趋势以及废气温度、废气相对湿度和介质温度、介质相对湿度间的关系均能够反映干燥进程。(3)建立基于人工神经网络的集热器热性能仿真模型时,将对空气集热器热性能有影响的太阳高度角、入射角和时角间的关系,统一用时角余弦cosω代替,称其为时间因子;时间因子的引入简化了网络模型结构;试验验证结果表明,考虑时间因素cosω和太阳赤纬δ的太阳能空气集热器热性能神经网络模型的预测误差小、训练速度快;对测试样本的验证结果属于高度拟合、满意预测;建立了不考虑空间信息和考虑空间信息的太阳能空气集热器出口气流温度仿真模型和空气集热器效率仿真模型,验证结果表明,各网络仿真结果均为高精度拟合、满意预测或良好预测。(4)在考虑了干燥过程中苜蓿湿含量是连续变化量、与初始湿含量和干燥时间有关等特点的基础上,将时间序列因子引入输入因子,建立基于人工神经网络的苜蓿表面温度仿真模型。验证结果表明,时间序列因子的引入丰富了网络样本的多样性、提高了苜蓿表面温度仿真模型的预测性能,降低了网络输出误差;建立了基于人工神经网络的含一维、二维和三维空间信息的单层和单日多层、多日多层苜蓿表面温度仿真模型,预测效果均属于高度拟合满意预测,均等系数EC值大于0.97,平均绝对百分误差mape值小于5.4% ;建立了苜蓿表面温度梯度的人工神经网络仿真模型,模型对测试样本的仿真结果EC值0.97以上,mape小于6%。建立沿气流方向的温度梯度仿真模型,对固定深层苜蓿太阳能干燥过程研究和管理意义深远,有助于在线预测牧草干燥过程的进程,对干燥工艺的合理匹配提供参考依据。(5)用单层、多层和多日试验数据建立了基于神经网络的牧草湿含量仿真模型,网络性能达到较好拟合和良好预测。模型对测试样本的仿真结果EC值大于0.90,mape值在25～34%之间,属于可行预测。苜蓿湿含量多日连续模型性能良好,对测试样本的仿真结果EC值大于0.93,mape值小于25%,属于良好预测。(6)建立了以太阳能集热器热性能仿真模型、苜蓿表面温度仿真模型及苜蓿湿含量预测模型为3个子模块的自然天气条件下的苜蓿固定深层太阳能干燥系统的仿真模型。该模型的特点为:可以对不同季节、不同时刻的太阳能苜蓿干燥系统进行性能分析和在线预测。验证结果表明,网络预测效果良好,能够较真实地反映太阳能苜蓿的动态干燥过程。

全文目录

摘要  3-5
Abstract  5-14
1 引言  14-21
  1.1 研究的目的及意义  14-15
    1.1.1 苜蓿的种植及营养价值  14
    1.1.2 苜蓿的饲用产品及其特殊用途产品  14
    1.1.3 苜蓿太阳能干燥及其仿真研究的意义  14-15
  1.2 国内外太阳能干燥及仿真研究现状  15-17
    1.2.1 国外太阳能干燥及仿真研究现状  15-16
    1.2.2 国内太阳能干燥及仿真研究现状  16-17
  1.3 神经网络在仿真建模研究中的应用  17-18
    1.3.1 神经网络在函数逼近中的应用  17
    1.3.2 神经网络在过程仿真建模中的应用  17
    1.3.3 神经网络在动态系统预测模型中的应用  17-18
  1.4 存在的问题  18-19
    1.4.1 太阳能空气集热器热性能仿真研究方面  18
    1.4.2 苜蓿太阳能干燥研究方面  18-19
    1.4.3 苜蓿深层干燥过程仿真研究方面  19
  1.5 研究内容  19-21
    1.5.1 自然天气条件下的苜蓿固定深层太阳能干燥试验  19-20
    1.5.2 基于人工神经网络的太阳能集热器热性能仿真研究  20
    1.5.3 基于人工神经网络的苜蓿表面温度仿真研究  20
    1.5.4 基于人工神经网络的苜蓿湿含量在线预测模型的建立与研究  20
    1.5.5 基于人工神经网络的太阳能干燥系统仿真模型的建立及验证  20-21
  1.6 小结  21
2 自然天气条件下的苜蓿固定深层太阳能干燥试验研究  21-48
  2.1 试验设计  21-25
    2.1.1 试验研究的目的  21-22
    2.1.2 试验装置及试验指标  22-25
  2.2 试验方案  25-29
    2.2.1 相关参数的测定及传感器的布置  27-28
    2.2.2 试验样品及试验时间、地点  28-29
  2.3 试验结果分析  29-44
    2.3.1 太阳能集热器热性能试验结果分析  29-36
    2.3.2 固定深层太阳能苜蓿干燥试验结果分析  36-43
    2.3.3 苜蓿表面温度及湿含量回归分析  43-44
  2.4 苜蓿固定深层干燥机理分析  44-48
    2.4.1 干燥方式的分类与传热  44-46
    2.4.2 物料的固定深层干燥机理分析  46-47
    2.4.3 苜蓿固定深层太阳能干燥机理分析  47-48
  2.5 小结  48
3 基于人工神经网络的太阳能集热器热性能仿真研究  48-73
  3.1 基于人工神经网络的仿真模型的实现  48-55
    3.1.1 人工神经网络模型的优点及其 MATLAB 实现  48-51
    3.1.2 基于人工神经网络仿真模型的建模思路及网络性能评价指标  51-55
    3.1.3 人工神经网络在集热器热性能仿真中的运用可行性分析  55
  3.2 太阳能集热器热性能影响因子分析  55-58
    3.2.1 太阳能辐射  55
    3.2.2 太阳能集热器热性能及其效率  55-56
    3.2.3 倾斜安装集热器太阳辐射及其影响因子  56-58
  3.3 基于人工神经网络的集热器热性能仿真模型的建立  58-62
    3.3.1 网络影响因素的确定、数据处理  58-61
    3.3.2 数据预处理  61-62
  3.4 时间因素对集热器热性能仿真模型的影响分析  62-67
    3.4.1 不考虑时间因素的集热器仿真模型  62-64
    3.4.2 考虑时间因素的集热器仿真模型  64-67
  3.5 集热器出口气流温度仿真模型的建立  67-72
    3.5.1 不带空间信息的集热器气流温度及温升仿真模型  67-69
    3.5.2 带空间信息的集热器出口气流温度仿真模型  69-71
    3.5.3 集热器效率仿真模型的建立  71-72
  3.6 小结  72-73
4 基于人工神经网络的苜蓿表面温度仿真研究  73-91
  4.1 基于人工神经网络的苜蓿表面温度仿真模型的建立  73-77
    4.1.1 人工神经网络在苜蓿表面温度仿真中的适用性分析  73
    4.1.2 苜蓿表面温度仿真网络影响因子的分析及网络创建  73-76
    4.1.3 基于BP 网络的仿真模型结构设计及数据处理  76-77
  4.2 基于人工神经网络的苜蓿表面温度仿真研究  77-91
    4.2.1 沿气流方向苜蓿表面温度的仿真研究  77-78
    4.2.2 同一截面苜蓿表面温度的仿真研究  78-81
    4.2.3 苜蓿表面温度整体仿真研究  81-86
    4.2.4 苜蓿表面温度多日连续仿真研究  86-89
    4.2.5 苜蓿温度梯度仿真研究  89-91
  4.3 小结  91
5 基于人工神经网络的苜蓿湿含量仿真研究  91-105
  5.1 苜蓿湿含量影响因素分析及网络创建  92-94
    5.1.1 苜蓿湿含量影响因素分析  92
    5.1.2 网络的创建  92-94
  5.2 基于人工神经网络的苜蓿湿含量仿真研究  94-104
    5.2.1 基于BP 网络的单层苜蓿湿含量仿真模型的建立  94-97
    5.2.2 基于BP 网络的多层苜蓿湿含量仿真模型的建立  97-99
    5.2.3 基于ELMAN 网络的多层苜蓿湿含量预测模型的建立  99-101
    5.2.4 基于BP 网络的苜蓿湿含量多日连续仿真模型的建立  101
    5.2.5 基于RBF 网络的苜蓿湿含量多日连续仿真模型的建立  101-102
    5.2.6 基于GRNN 网络的苜蓿湿含量多日连续模型的建立  102-104
    5.2.7 不同网络性能比较  104
  5.3 小结  104-105
6 基于人工神经网络的苜蓿太阳能干燥系统仿真模型的建立及验证  105-112
  6.1 基于人工神经网络的苜蓿太阳能干燥系统仿真模型的建立  105-107
    6.1.1 网络模型性能要求  105
    6.1.2 网络组成及结构  105-107
  6.2 网络性能的验证  107-111
    6.2.1 网络输入输出向量的选择  107
    6.2.2 网络训练与测试结果  107-111
  6.3 小结  111-112
7 结论与展望  112-115
  7.1 结论  112-114
  7.2 展望  114
  7.3 创新点  114-115
致谢  115-116
参考文献  116-121
作者简介  121-122
附录Ⅰ 回归分析与相关性分析数据(部分)  122-128
附录Ⅱ 仿真网络样本数据表  128-132
附录Ⅲ 试验用各种仪器和传感器的性能指标  132-133

基于人工神经网络的苜蓿固定深层太阳能干燥过程仿真

内容摘要

全文目录

相似论文