A measurement system for estimation of the water content in grain based on dynamic drying process model

• Autorzy: Tomkiewicz D.

Warianty tytułu

PL

System pomiarowy do estymacji zawartości wody w ziarnie wykorzystujący dynamiczny model procesu suszenia

• Języki publikacji: EN

Abstrakty

EN

The paper presents a method of moisture content estimation during drying. The method is based on a dynamical model of the drying process. The method utilizes information about changes of thermodynamic parameters of a drying agent (air) such as temperature, humidity, and velocity. On the basis of these data and of the mathematical model which describes the dynamic relations between the dried material humidity and thermodynamic parameters of the ambient air, the water content in the grain is estimated. The model consists of the mass balance equation and of artificial neural networks describing air humidity dynamics. The Extended Kalman Filter Algorithm has been utilised to on-line estimation of the neural network weights. The method was tested experimentally.

PL

Zawartość wody jest decydująca dla przebiegu wielu procesów technologicznych zwłaszcza w przemyśle chemicznym i przetwórstwa spożywczego. W układach sterowania procesem suszenia konieczne jest zastosowanie układu pomiarowego pozwalającego na pomiar zawartości wody wewnątrz suszarni. Przemysłowe układy pomiaru zawartości wody w materiale suszonym zazwyczaj nie są dostosowane do pracy w środowisku występującym wewnątrz suszarni. Tym samym pomiar zawartości wody odbywa się po procesie suszenia. Czujniki te nie pozwalają również na oszacowanie przestrzennego rozkładu wody w materiale suszonym. Zmiana parametrów termodynamicznych powietrza suszącego jest ściśle skorelowana z zawartością wody w materiale suszącym. Na podstawie modelu matematycznego, który opisuje związek pomiędzy zawartością wody w materiale suszonym a parametrami termodynamicznymi i powietrza suszącego można, oszacować zmianę wilgotności materiału suszonego wewnątrz suszarni. Jakość metody pomiaru zawartości wody zależy od dokładności modelu matematycznego. Istniejące modele zbudowane na podstawie praw fizycznych opisujących wymiane ciepła i masy podczas procesu suszenia nie są odpowiednie do tego celu. Modele uzyskane metodami identyfikacji są natomiast wrażliwe na zmianę parametrów suszenia, co często występuje w układach sterowania. W pracy przedstawiono metodę identyfikacji modelu matematycznego procesu suszenia, na podstawie którego mozna oszacować zawartośc wody w materiale suszonym. Model ten składa się z równania zachowania masy i sieci neuronowej. Równanie opisujące bilans masowy suszarni pozwala na powiązanie zawartości wody w materiale suszonym z wilgotnością czynnika suszonego. Dynamika zmian wilgotności powietrza opisana jest poprzez sieć neuronową, której wagi sa estymowane przy pomocy Rozszerzonego Filtru Kalmana. Zastosowanie Filtru Kalmana pozwala na estymację wag sieci w trybie on-line i tym samym wyeliminowanie błędów spowodowanych niestacjonarnością procesu. Zastosowanie sieci neuronowych umożliwia identyfikację nieliniowości występujących w procesie suszenia. Metoda ta została przetestowana na zbudowanym do tego celu stanowisku. Eksperymenty potwierdziły poprawność działania metody.

Słowa kluczowe

EN

water content; drying; measurement; identification

PL

zawartość wody; suszenie; pomiary; identyfikacja

• Wydawca: Komitet Metrologii i Aparatury Naukowej PAN
• Czasopismo: Metrology and Measurement Systems
• Rocznik: 2002
• Tom: Vol. 9, nr 4
• Strony: 401--412
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Tomkiewicz D.

• Technical University of Koszalin, Department of Mechanical Engineering

Bibliografia

• 1. Demuth H., Beale M.: Neural Network Toolbox. The Math works Inc. 1994.
• 2. Franklin G. F., Powell J. D.: Digital Control of Dynamic Systems. Addison Wesley 1980.
• 3. Goodwin G. C.: Dynamic System Identification: Experiment Design and Data Analysis. Academic Press 1977.
• 4. Korbicz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe. Akademicka Oficyna Wydawnicza PU, Warszawa 1994.
• 5. Pabis S.: Teoria konwekcyjnego suszenia produktów rolnych. PWRiL, Warszawa 1982.
• 6. Pham D. T., Lin X.: Neural networks for Identification Prediction and Control. Springer 1995.
• 7. Strejc V.: Least Squares and Regressions Methods. Trends and Progress in System Identification. Pergamon Press Oxford 1981.
• 8. Strumiłło Cz.: Podstawy teorii i techniki suszenia. WNT, Warszawa 1983.
• 9. Tomkiewicz D.: The Model and Simulation of Convection Drying Process, (in Polish). Proceedings of the XVI National Conference of Termodynamics, Koszalin 1996.
• 10. Tomkiewicz D.: Application of the Neural Network to the Identification Heat and Mass Exchange Process. Proceedings of the III Conference Neural Networks and Their Applications, Częstochowa 1997.
• 11. Tomkiewicz D., The Intelligent Moisture Content Sensor for Drying Process Control, (in Polish), PhD Thesis, technical University of Koszalin 2000.