| 摘 要： | 精准预测玉米出机水分含量是实现玉米干燥过程自动控制的关键。为提升玉米干燥系统自动化程度,实现玉米出机水分的快速、无损、精准预测,研究依托粮食干燥模拟试验系统,通过调节干燥过程的热风温度、干燥段温度和排粮频率,设计8组多批次玉米干燥平行试验,分时段获得玉米干燥过程6个点位的温湿度特征数据,以及相对应的出机玉米水分含量数据;通过相邻平均法（adjacent average smoothing,AAS）对12组温湿度特征数据进行平滑处理,平滑后的数据点集合毛刺减少、波动明显缓解,12组特征数据与玉米出机水分含量的Pearson相关性大幅提升,提高幅度在0.061～0.105之间,为后续构建玉米水分预测模型提供了数据基础;进而,研究以相邻平均法平滑后的12组特征数据作为模型输入量,构建了基于极限学习机（extreme learning machine,ELM）的玉米干燥过程出机水分含量预测模型并进行评价分析。结果表明：基于ELM的玉米出机水分含量预测模型以sigmoid为激活函数、神经元个数设定为22时,模型运行速率较快、预测效果较好,其中训练集和验证集拟合优度R2分别为0.988 6和0.9...
|
