基于机器学习的空气源热泵干燥能耗回归预测

作     者：杨仕 陈维汉 杨明金 张原 李守太 蒲应俊 杨玲 宋卫东 YANG Shi;CHEN Weihan;YANG Mingjin;ZHANG Yuan;LI Shoutai;PU Yingjun;YANG Ling;SONG Weidong

作者机构：西南大学工程技术学院重庆400715 丘陵山区农业装备重庆市重点实验室重庆400715 农业农村部南京农业机械化研究所南京210014 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2024年第40卷第2期

页      面：41-51页

核心收录：

学科分类：0828[工学-农业工程] 08[工学] 

基　　金：国家自然科学基金项目(31301575) 农业农村部现代农业装备重点实验室开放基金项目(HT20200705) 重庆市教育委员会项目(KJCX2020002) 

主　　题：热泵干燥 能耗模型 回归预测 机器学习 工艺切分 

摘      要：为了降低空气源热泵干燥过程能耗,研究了空气源热泵干燥能耗特性,采用多元线性回归模型(multivariate linear regression model, MLRM)和BP神经网络(back propagation neural network, BPNN)模型来预测干燥工艺能耗。在分析干燥能耗影响特征参数的基础上,提出将干燥工艺过程进行切分处理的方法以降低数据获取难度。选取烘房设定温度、烘房设定湿度、烘房初始温度、烘房初始湿度、环境平均温度、环境平均湿度、物料质量和初始含水率8个特征参数作为模型输入,能耗和物料结束含水率作为模型输出。使用MLRM模型、BPNN模型和其他机器学习模型进行能耗预测,MLRM模型对能耗拟合的决定系数为0.739,对物料结束含水率拟合的决定系数为0.931;BPNN模型使用Sigmoid函数作为激活函数时对能耗拟合的决定系数最高,为0.828,使用Identity函数作为激活函数时对物料结束含水率拟合的决定系数最高,为0.942,拟合效果优于其他机器学习模型,能够满足实际生产需求。以复水豌豆为干燥对象设计加载物料65 kg、持续时间4 h的完整变温变湿干燥工艺进行验证试验,结果表明:试验总能耗为15.066 kW·h,MLRM模型和BPNN模型的预测总能耗分别为14.476 kW·h、15.183 kW·h,预测精度分别为96.08%、99.23%;试验结束含水率为8.541%,MLRM模型和BPNN模型的预测结束含水率分别为9.560%、8.889%,预测精度分别为88.07%、95.93%。该研究提出了一种使用MLRM模型和BPNN模型对空气源热泵干燥能耗进行分段精准预测的有效手段,对于优化干燥工艺和降低干燥能耗具有实际意义。