基于GA-BP神經網絡的苜蓿薄層干燥過程中含水率預測模型研究.pdf

1、苜蓿作為生物物料其干燥過程復雜且不易控制和檢測，現有的檢測儀器和方法無法做到實時測量其含水率。利用神經網絡對苜蓿薄層干燥過程建立仿真模型及預測其含水率，有利于苜蓿干燥系統優(yōu)化設計，同時為干燥系統的自動控制提供參考依據。 本文主要研究工作如下： （1）通過單因素苜蓿干燥試驗研究，確定熱風溫度、熱風速度、苜蓿初始含水率為苜蓿干燥含水率影響因子，并進行了三因素四水平正交試驗，為模型的建立確定輸入因子和輸出因子。 （2）

2、對正交試驗獲得試驗數據建立非線性多元回歸模型，結果表明，模型不能準確的預測苜蓿含水率。 （3）利用BP神經網絡方法對苜蓿薄層干燥過程建模，解決了傳統的數學方法難以建立精確模型的問題，得到擬合度為0.99117，樣本均方誤差為0.685437，最大絕對誤差為9.4581％，平均絕對百分誤差為16.88％，模型預測精度較多元回歸模型有所提高，但某些時刻誤差較大。 （4）將遺傳算法引入到網絡初始權值的確定中，提出了基于GA—B