Способ оценки влажности материала в процессе сушки в барабанной сушильной установке Российский патент 2022 года по МПК F26B25/22 

Изобретение относится к области вычислительной техники, а именно способу оценки влажности, и может быть использовано для мониторинга и управления процессом сушки с целью повышения качества высушиваемого материала.

Известен способ измерения влажности сыпучих материалов экспресс-анализатором влажности (влагомером) HX204 фирмы MettlerToledo. В анализаторе влажности используется термогравиметрический принцип измерения, т.е. содержание влаги определяется путем измерения потери массы образца за счет высушивания при нагревании. С этой целью анализаторы влажности оснащены встроенными высокоточными весами. Применение в качестве нагревательного элемента галогеновой лампы позволяет сократить время анализа до 10-15 минут. Достоинством способа является определение влажности с точностью до 0,001%, а также компактность измерителя, дающая возможность использования данного способа измерения в лабораториях.

Недостатком способа является невозможность определять влажность материала в процессе его сушки. Необходимо взять образец и в лабораторных условиях определить его влажность. Этот недостаток ограничивает применения способа для управления процессом сушки движущегося материала в реальном времени.

Известен метод бесконтактного определения влажности в реальном времени с использованием инфракрасных измерителей влажности, например, MM710, в котором реализована прогрессивная проверенная оптическая технология для измерения влажности и процентного содержания органических веществ в сочетании с микропроцессорным контролем. Достоинством метода является работа в реальном времени и точное бесконтактное определение влажности, а также возможность объединения нескольких измерителей в сеть для дальнейшего контроля процесса сушки.

Недостатком использования метода в сильно запыленной среде, характерной для данной сушильной установки, является низкая помехозащищенность рабочей зоны измерительного прибора, что снижает диапазон и точность контроля влажности движущегося материала.

Известен способ измерения влажности порошкообразных, гранулированных, пастообразных и сыпучих материалов анализатором влажности «FIZEPR-SW100» ВИГТ.415210.100-10.2». Влагомер работает следующим образом. Электронный блок содержит генератор, который перестраивается по частоте в метровом диапазоне длин волн. Одновременно измеряются волновые параметры линии передачи, образованной прутком датчика и металлическим основанием (стенкой бункера, трубы и т.п.) или двумя и более прутками. В момент достижения резонанса запоминается частота гармонического сигнала, вырабатываемого генератором, и измеряется добротность резонанса. Эти параметры, измеренные в контролируемом материале и на воздухе, позволяют вычислить показатель преломления материала (коэффициент замедления электромагнитной волны в материале) и его диэлектрическую проницаемость. По переводным таблицам, составленным для набора температур и заложенным в память электронного блока для выбранного материала, микроконтроллер влагомера вычисляет влажность материала. Вид контролируемого материала вводится в память электронного блока с компьютера.

Недостатком способа является невозможность его реализации без наличия анализатора влажности «FIZEPR-SW100» ВИГТ.415210.100-10.2» в отличие от предлагаемого способа, где при высокой точности измерения не требуется оснащать барабанную сушильную установку дополнительными измерительными приборами.

Известен способ измерения влажности материала анализатором влажности радарного типа TRIME-GW – устройство измерения влажности сыпучих материалов на основе диэлькометрического метода. Сущность метода состоит в том, что диэлектрическая проницаемость любого материала сильно зависит от содержания в нем воды. Поскольку диэлектрическая проницаемость воды значительно превышает этот же параметр других веществ, обобщенная диэлектрическая проницаемость влажного вещества в основном является функцией объёмного содержания в нем воды.

Электроды датчика (зонда) помещаются в массу сыпучего материала и создают в нем высокочастотное электромагнитное поле. Характеристики протекающего при этом в цепи датчика электрического процесса изменяются в зависимости от величины диэлектрической проницаемости (то есть влажности) материала. Сравнение изменившихся параметров процесса с контрольными значениями позволяет определить влажность материала с высокой точностью.

Недостатком способа является необходимость оборудования барабанной сушильной установки анализатором влажности TRIME-GW в отличие от предлагаемого способа, где при высокой точности измерения не требуется использовать дополнительные измерительные приборы.

Прототип «Способ оценки влажности пастообразного материала в процессе его сушки в вальцеленточной сушильной установке» (патент на изобретение № 2444725) представляет собой способ оценки влажности пастообразного материала в процессе его сушки в вальцеленточной сушильной установке, включающий последовательное перемещение через сушильные камеры и обеспечивающий бесконтактное косвенное измерение влажности материала посредством обученной нейронной сети. Преимущество этого способа - работа в реальном времени и бесконтактное измерение влажности с низкой погрешностью измерения.

Недостатком использования способа является применимость обученной нейронной сети для бесконтактной косвенной оценки влажности только при сушке пастообразного материала в сушильной установке вальцеленточного типа.

Технической задачей изобретения является оперативная оценка в реальном режиме времени влажности движущегося материала в процессе его сушки для мониторинга и управления процессом сушки с целью повышения качества высушиваемого материала.

Поставленная техническая задача достигается следующим.

1. В способе оценки влажности, включающем его последовательное перемещение в сушильной установке и обеспечивающем бесконтактное косвенное измерение влажности материала в реальном режиме времени по нормированным сигналам, полученным с множества датчиков, которые подают на входы обученной нейронной сети, с выхода которой получают оценку влажности материала в процессе его сушки, посредством бесконтактного косвенного измерения.

2. В отличие от прототипа обучение нейронной сети организуют по образцовым мерам в адаптивном диапазоне с фиксированной точностью следующих датчиков барабанной сушильной установки: влажности и температуры барды на входе, температуры барды на выходе, давления теплоносителя, температуры воздуха внутри установки, мощности вытяжных вентиляторов, содержания кислорода в воздухе внутри установки, температуры выпара, нагрузки электродвигателя, вся информация передается и обрабатывается микроконтроллером.

Предложенный способ представлен на фиг. 1 (Функциональная схема системы оценки и мониторинга влажности барды).

Способ оценки влажности материала во время сушки включает измерение ряда факторов, влияющих на сушку таких как: начальной влажности барды на входе барабанной сушильной установки, температур в различных температурных зонах внутри барабанной сушильной установки, давления свежего пара в системе отопления барабанной сушильной установки, содержания кислорода в воздухе внутри сушильной установки, температуры выпара, температуры барды на выходе сушильной установки, мощности вытяжных вентиляторов, нагрузки электродвигателя сушильной установке. При этом сигналы от множества датчиков, установленных в барабанной сушильной установке принимаются одновременно, затем они нормализуются и подаются на вход заранее обученной нейронной сети, с выхода которой в реальном масштабе времени получают оценку влажности посредством бесконтактного косвенного измерения.

Барабанная сушильная установка нагревается паром, поступающем от парового котла. Она оборудована воздухозаборником, через который сушильный агент попадает в сушильную установку. Отработанный сушильный агент удаляется из вытяжного вентилятора путем включения вытяжного вентилятора в режиме рециркуляции.

Система оценки и мониторинга влажности барды в процессе его сушки в масштабе реального времени реализована в виде программных блоков, интегрированных в систему управления процессом производства продукции всего предприятия.

Система управления процессом производства обеспечивает широто-импульсное регулирование мощности вытяжных вентиляторов барабанных сушильных установок. В ней реализовано определение нагрузки электродвигателя для каждой сушильной установки. Мощность конкретной сушильной установки зависит от количества контролируемых установок, в которых установлены основные преобразователи. Для определения управляющего воздействия с целью достижения требуемого качества высушенного материала и своевременной его корректировки необходимого оперативно производить оценку влажности высушиваемого материала в режиме реального времени. Это и позволяет реализовать система оценки влажности и мониторинга барды.

Функциональная схема системы оценки и мониторинга влажности барды представлена на фиг. 1. Она включает в свой состав два основных программных модуля: нейросетевой блок, позволяющий оценить влажность на выходе барабанной сушильной установки по аналитической модели (2); базу данных, которая содержат исчерпывающий объем априорной и апостериорной информации, необходимой для реализации процедур анализа. Сигналы, получающие от датчиков, нормализуются и поступают на входы обученной нейросетевой модели, с выхода которой в реальном масштабе времени производится оценка текущего значения влажности материала в барабанной сушильной установке. Эта информация передается для отображения и дальнейшего использования. Система оценки и мониторинга влажности барды выполнена в виде отдельных программных модулей, интегрированных в систему управления производственным процессом (СУПП) всего предприятия.

Входами сети являются следующие значения: x₁ - начальная влажность барды на входе сушильной установки, % от сухого вещества; x₂ - температура барды на выходе сушилки, °С; х₃ - давление теплоносителя, атм; х₄ - температура воздуха в сушильной установке, °С; x₅ - мощность вытяжных вентиляторов, %; х₆ - содержание кислорода в воздухе сушильной установки, %; x₇ - температура выпара,°С; х₈ - нагрузка электродвигателя сушильной установки, %.

Каждый входной параметр обычно имеет разные физические значения и размерности при этом каждая входная выборка одинаково важна. Поэтому все входные переменные представляются в диапазоне [0; 1], а начальный диапазон должен охватывать все возможные значения входных параметров в штатном режиме работы системы. Нормализация значений производится по формуле:

(1) 

где – нормированное значение i-й переменной, – значение i-й переменной, – математическое ожидание i-й переменной, – дисперсия i-й переменной.

Обучение нейронной сети организовано по образцовым мерам технологических параметров в адаптивном диапазоне сушильной установки с фиксированной точностью.

Аналитическая модель для оценки и мониторинга влажности материала в барабанной сушильной установке представляет собой искусственную нейронную сеть, представляющую собой многослойный персептрон, обученный с помощью алгоритма обратного распространения ошибок. Она может быть записана следующим образом:

, (2)

где φ – оценка влажности материала.

– нормированное значение i-й входной переменной.

, , – активационные функции ReLu – функция.

), (3)

, (4)

(5)

(6)

, (7)

n – количество входных переменных (в нашем случае n = 8), (i=1…n).

m₁ – количество нейронов в 1-м скрытом слое (в нашем случае m₁ = 36) (j=1…m₁=36).

m ₂ – количество нейронов в 2-м скрытом слое (в нашем случае m₂ = 36)

(k=1…).

m₃ – количество нейронов в 3-м скрытом слое (в нашем случае m₃ = 36)

(h=1…).

x_i – значение i-й входной переменной.

, , – скрытые и выходные весовые коэффициенты.

, (8)

, (9)

(10)

, (11)

, , , – входные, 1 – скрытые, 2 – скрытые и выходные смещения

, (12)

, (13)

). (14)

Использованная аналитическая модель (2) дает возможность оценивать влажности материала в реальном масштабе времени в сушильной установке в процессе его сушки с относительной ошибкой, менее 2%.

Для оценки и мониторинга влажности материала при его сушке в сушильной установке необходимо однократно настроить систему. Используя массивы статистических данных, полученных с датчиков, установленных в сушильной установке, обучают нейронную сеть. Полученные параметры сети , , , , , , - записывают в базу данных системы, а полученную аналитическую модель в базу знаний. В базе данных, также храниться информация, поступающая с датчиков в процессе функционирования системы.

Алгоритм оценки и мониторинга влажности материала заключается в следующем.

Шаг 1. Опросить датчики сушильной установки и вычислить входные значения нейронной сети.

Шаг 2. Проверить условия входящих измеренных значений в адаптивные диапазоны значений, использовавшихся при обучении нейронной сети. Если условие не выполняется, данные записываются в базу данных и пользователю отправляется сообщение.

Шаг 3. Нормализовать полученные значения (1).

Шаг 4. Рассчитать влажность материала по аналитической нейросетевой модели (2).

Шаг 5. Сохранить рассчитанное значение в базе данных.

Оценка влажности материала на примере случайной выборки данных, показанных в таблице 1.

Здесь: x₁ – исходная влажности барды на входе сушильной установки, % сухого вещества; x₂ – температура барды на выходе барабанной сушильной установки, °C; x₃ – давление теплоносителя, атм; x₄ – температура воздуха в барабанной сушильной установке, °C; x₅ – мощность вытяжных вентиляторов, %; x₆ – содержание кислорода в воздухе барабанной сушилки, %; x₇ – температура выпара, °C; x₈ – нагрузка электродвигателя барабанной сушилки, %.

В таблице 1 максимальная абсолютная ошибка мониторинга влажности по модели (2) < 0,6, а относительная < 0,6%.

Способ позволяет производить оперативную оценку влажности в реальном масштабе времени в процессе его сушки. Оперативная оценка влажности дает возможность, в случае отклонения значения влажности от идеальной влажности в сушильной установке, своевременно настроить параметры сушильной установки с целью увеличения качества выпускаемого материала.

Внедрение способа оценки и мониторинга влажности материала в процессе сушки в барабанной сушилке на АО «Талвис» Новая Ляда позволило повысить выпуск качественного продукта. Таким образом, поставленная техническая задача достигнута - получением в реальном масштабе времени оперативной оценки влажности материала в процессе сушки для контроля этого процесса с целью обеспечения заданного качества выпускаемого продукта.

Таблица 1

x₁ x₂ x₃ x₄ x₅ x₆ x₇ x₈ Образная мера Оценка влажности по модели 80,6 117 6,47 114 44 5,5 108,3 75 97,0 96,85234 73,4 115 4,82 109 63 5,4 100,8 75 97,2 97,35859 72,7 115 7,28 117 71 5,8 106,6 77 97,4 96,82810 73,6 116 7,21 111 70 6,2 106,7 76 96,7 96,63859 74,6 116 5,22 107 70 7,4 101,5 77 97,5 97,46047 76,0 115 7,03 131 69 4,6 108,5 75 96,2 96,49960 75,8 106 4,67 125 82 4,9 105,5 70 95,1 95,57700 73,6 106 4,67 123 81 5,4 103,4 71 96,2 96,44693 75,6 98 3,78 115 85 4,4 100,5 75 95,5 95,53036 74,5 114 6,82 119 57 5,1 103,1 80 96,0 95,97664

Изобретение относится к области вычислительной техники, а именно способу оценки влажности барды, включающему ее последовательное перемещение в барабанной сушилке и обеспечивающему бесконтактное косвенное измерение влажности барды в реальном режиме времени по нормированным сигналам, полученным с множества датчиков, которые подают на входы обученной нейронной сети, с выхода которой получают оценку влажности барды в процессе ее сушки, причем обучение нейронной сети организуют по образцовым мерам в адаптивном диапазоне с фиксированной точностью следующих датчиков барабанной сушильной установки: влажности и температуры барды на входе, температуры барды на выходе, давления теплоносителя, температуры воздуха внутри установки, мощности вытяжных вентиляторов, содержания кислорода в воздухе внутри установки, температуры выпара, нагрузки электродвигателя. Технический результат заключается в получении в реальном масштабе времени оперативной оценки влажности барды в процессе сушки и обеспечении заданного качества выпускаемого продукта. 1 табл., 1 ил.

Способ оценки влажности барды, включающий ее последовательное перемещение в барабанной сушилке и обеспечивающий бесконтактное косвенное измерение влажности барды в реальном режиме времени по нормированным сигналам, полученным с множества датчиков, которые подают на входы обученной нейронной сети, с выхода которой получают оценку влажности барды в процессе ее сушки, причем обучение нейронной сети организуют по образцовым мерам в адаптивном диапазоне с фиксированной точностью следующих датчиков барабанной сушильной установки: влажности и температуры барды на входе, температуры барды на выходе, давления теплоносителя, температуры воздуха внутри установки, мощности вытяжных вентиляторов, содержания кислорода в воздухе внутри установки, температуры выпара, нагрузки электродвигателя.