1、智能控制系统整体方案
在图1的稻谷干燥机系统中，干燥风机1向干燥塔上两个干燥段供热风，干燥风机2向干燥塔的下两个干燥段供热风．热风源来自热风炉．干燥风机2通过人口处冷风阀加入冷风使热风温度降低．本控制系统充分利用现有设备的干燥工艺，主要特色是首先检测塔内各层段的排风湿度．然后通过智能算法建立排风湿度与相应高度塔内粮食含水量的关系，用排风湿度间接反算出粮食含水量．这样就可以大大减小检测结果的滞后时间．从而提高控制系统的控制精度。系统一方面通过控制排粮速度控制各层的加热时间．另一方面利用干燥风机2入口的冷风电动阀门控制第三、四干燥段的热风温度．从而控制被干燥粮食通过第三、四干燥段时的降水量，使被干燥粮在进入冷却层时的含水量达到给定的值，这个给定值根据计算机的在线学习．干燥粮在当前大气环境条件下（温度和湿度），通过冷却段时的含水量变化情况计算获得，30码期期必中生产销售颗粒机、木屑颗粒机、木屑气流式烘干机等生物质燃料成型、木屑烘干等机械设备。
2、智能控制系统的工作原理
稻谷干燥机智能控制系统的工作原理如图2所示．主要通过以下方式解决粮食在干燥塔出口处的含水量控制问题：①系统控制量。系统控制量包括系统排粮速度和第三、四段的热风温度。②总体目标。总体目标主要通过以下三种方式实现。a、通过电机变频调速控制塔的排粮速度来控制被干燥粮在塔内的干燥时间；b、通过控制在第三、四干燥段的热风温度，控制粮食进入缓苏段时的含水量（通过检测排气湿度）；c、根据环境条件、第一第二干燥段的入口处热风压力、温度和两层的排气湿度对原粮含水量进行预测．建立系统原粮含水量的智能预测模型。
2.1稻谷在干燥塔内各段干燥时间的控制
在干燥塔各段热空气流量和热空气温度一定的条件下．被干燥粮食的降水率取决于粮食在各段的干燥时间。因此，控制进入干燥塔时具有某一含水量的被干燥粮食在塔内各段的停留时间是一项重要的控制指标。当某一段粮食由入口处进入到干燥塔时，由干燥塔顶端的位置传感器可以检测当前粮食的位置高度．由于燥塔底部的变频调速器的速度通过计算机计算出该段粮食在以后不同时刻在塔内的位置。这样在计算机内就建立起塔内粮食的动态分布图，如图3所示。
2.2干燥塔各段智能化模型的建立
理论与实践证明．模糊逻辑与神经网络可以以任意精度逼近任意非线性系统的动态过程。如前所述，干燥塔的工作过程属大时滞、多扰动的强非线性系统，无法用正常的数学手段对其精确建模，而智能控制正是为解决这一问题提出来的．并已在许多工程过程中取得了成功的应用，因此智能控制是解决干燥塔系统控制问题的最佳手段。
建立各干燥段的智能化模型的意义在于控制过程中通过检测热空气的温度、压力和塔内排出气体的湿度来预测运行于该段内粮食的降水率和含水量。用这种方法我们建立了各干燥段和冷却段的智能化模型。
2.3干燥塔含水量控制采用全局优化智能控制
如图3所示．在干燥塔内各段粮食的含水量是有一定的差异性的．含水量不同的粮食在塔内的各段内运行的时间不应该相同，所以从整体方面应将其进行全局优化处理。各批含水量不同的粮食在干燥塔内的干燥过程采用全局优化的智能控制方案。通过图2中干燥塔人口的粮食温度、含水量、流量和出口粮食的含水量检测结果，计算该部分物料在塔内各段的分布情况，再与该部分物料在各段末所检测得的含水量（由出口排风湿度换算获得）比较，进而计算出该段在当前塔状态下（各段进气量和温度）在各段的干燥时间。综合塔内的各段物料的状态．优化干燥时间，当局部物料差异较大时，在第三、四段由控制阀控制热风量，使其达到给定值。冷却段的压力、温度和湿度检测可以表明环境条件对粮食出口含水量的影响．进而控制物料在第四阶段的含水量的设定值。
在图5中，冷却段的智能模型用于确定在当前的气候条件下，经过四个干燥段和缓苏段后，在经历不同时间的冷却段运行时，粮食含水量的变化情况．进而确定被加热粮食在运行通过第四段末时的含水量以确定第三、四段的热风温度。
2.4第三、四干燥段的热风温度的控制
由于在粮食加热过程中，如上所述的全局优化控制过程是一个动态的过程．即随着新的粮源的给入，干燥塔内各段粮食含水量是动态变化的．所以优化过程也是一个动态的过程。要求系统根据新粮食含水量不断地调节系统的优化结果，而系统中不能满足要求的部分则由第三、四段集中进行补偿。第三、四干燥段的控制系统图如图6所示。
3、智能控制系统的组成
粮食干燥机智能控制系统由硬件部分和软件部分两大部分组成。
3.1硬件部分组成
硬件部分主要包括传感器部分、接口箱、主机、可编程控制器PLC、继电器阵列，开关电源以及不间断电源等。传感器部分包括入机粮含水率检测仪、出机粮含水率检测仪、废气温湿度传感器、压力传感器、环境温湿度传感器和高低风温传感器等，这些传感器的布置如图7所示。接口箱、主机（包括工控机机箱、键盘、鼠标和显示器等，机箱中配置有总线底板、CPU主板、2块PCL818数据采卡和一块PCL728模拟量输出卡）、可编程控制器PLC、继电器阵列、含水率检测传感器的变送器、开关电源以及不间断电源等分层安装在一个控制柜内．控制柜内部的布置如图8所示。
3.2软件部分组成
软件部分主要包括参数设置模块、传感器标定与检测模块、样本数据库管理模块、系统数据管理模块、干燥过程设置模块、干燥过程计算机仿真模块、干燥过程智能控制模块和打印报表模块等。
4、智能控制系统软件设计
根据稻谷干燥机干燥工艺过程为大滞后强非线性和难于建立精确系统数学模型的特点，本系统采用在线与离线相结合的自学习智能控制方法。采用理论分析、计算机仿真和实时控制试验相结合的方法．由理论分析与计算机数值仿真为系统研制提供干燥过程参数．并对系统控制结果提供定性的指导：通过在线样本的采集和智能优化算法对系统进行全局性的定量分析，建立由单机系统实时检测数据所确定的过程智能模型．再通过智能优化算法调用人工智能模型，获取系统建立的控制规则。在具体实施过程中采用人机对话与系统自组织自学习相结合的方法。系统软件采用Visual C++编写，工作界面友好，过程参数显示直观。
4.1操作界面
系统根据操作功能分为一个主界面和5个辅助功能界面．主界面的主要功能是显示系统运行过程中干燥塔各部分实时检测所得到的测试数据和系统状态，提供手动操作按钮以及调节参数用的文本框等。所显示的项目包括：人机粮含水率、出机粮含水率、排粮电机频率显示、高低温干燥段热风温度的显示环境及各层温湿度的显示、生产率指标——排粮速度显示、变频器手动调节功能等。
4.2 系统实时数据库的建立
由于干燥机工作过程为大时滞强非线性，而且入机粮为间断给粮，所以使用通常的前馈反馈控制理论很难达到理想的控制效果，因此本系统采用实时临时数据库来存储塔中过去12个小时的实时运行状态参数。实时数据库由采样程序建立，采样程序按系统设置的采样周期将数据循环存储在实时数据库中，同时发送给主界面显示程序进行显示。采样程序工作的数据流如图9①所示。
4.3实时样本抽取
实时样本抽取由实时样本抽取程序完成。定时采样器在完成采样程序的调用后，再调用实时样本抽取程序。实时样本抽取程序根据系统中所记录的上下料位开关在过去时间的状态情况，从实时数据库中计算出当前出机粮段在塔内运行过程中各段的废气温湿度平均值、运行速度平均值、高低温加热层风温平均值和人机粮出机粮含水率．形成一个完善的样本．存入实时样本文件系统中，其工作数据流如图9②所示。实时样本库为连续存储，每隔24小时形成一个文件。为节省硬盘空间，样本库采用二进制数据格式存储。
4.4优化样本的抽取
优化样本数据是供系统智能建模程序使用的，数据由优化用样本抽取程序获取。当实时样本抽取程序获得一个完整的样本并写入实时样本库后，同时调用优化用样本抽取程序，根据图4-3中样本采样差值的设置．查询优化用样本文件系统决定是否将其写入样本库，其工作过程的数据流如图9③所示。
4.5智能建模
智能建模在系统中完成由优化样本数据建立特定干燥机智能模型的功能．由智能建模程序具体实施。智能建模程序调用智能优化算法对优化样本库中的数据进行优化处理，形成模型规则，存入智能模型文件系统，其工作数据流如图9④所示。
4.6智能控制规则创建
智能控制规则创建由智能控制规则线程完成。当智能建模程序完成了模型规则的创建后，启动该线程，调用智能优化算法进行智能控制规则创立。在创立过程中．规则创立程序调用智能模型对系统进行仿真分析，优化出机粮含水率误差的累积值，获得不同入机粮含水率在不同的高温层风温的最佳排粮速度值、不同均匀度下入机粮含水率的低层风温值，存入智能规则文件系统，形成智能控制规则。
4.7智能控制的实时实施
当智能控制规则形成后．系统自动设置智能规则形成标记．采样实时时钟程序在调用完优化用样本实时抽取程序后检测到该标记，该标记调用智能控制程序对系统进行实时控制。
5、结论
通过理论研究、设计与生产运行考核，证明本稻谷干燥机智能控制系统具有以下特点：①本控制系统对稻谷干燥过程中各主要参数对干燥结果的影响进行了分析．所产生的智能模型能够很好的逼近系统的真实模型，有效地解决了由于多变量、大时滞、强非线性等特点所造成的粮食干燥过程难于控制的问题。②本控制系统能够迅速反映、指出问题所在，能在干燥参数等方面及时做出调整和修正．使整个烘干系统不因局部问题而受到太大的影响。③本控制系统软件界面友好，采用图形化人机接口，安装简单，操作简单，维护容易，便于用户使用。④本控制系统是科技含量较高的人机互动系统．干燥环节从粮食入机开始实行全方位立体控制，使用本系统可节省大量的人力物力，利于提高粮食干燥的生产效率和品质，增加企业经济效益。
