一种调味料生产工艺参数调控方法及系统与流程

本技术涉及工艺调控，尤其涉及一种调味料生产工艺参数调控方法及系统。

背景技术：

1、调味料生产中的炒制工序，通常在卧式夹套炒锅内进行，由夹套蒸汽提供热量、由刮壁桨对锅内物料作翻搅与推送，物料在锅内经历升温、水分脱除与风味物质生成的过程后由锅底出料口排出，经出料溜槽送往制粒或包装工序。现有产线对该工序的参数调控采用配方驱动的定值控制路线，由工艺人员依据既往批次台账为每一品种编制固定工艺配方，将炒制温度与搅拌转速写入控制系统的配方库，生产时按品种调用配方，由控制器将设定值分发至夹套蒸汽调节阀与搅拌变频器，各自构成单回路闭环。检测环节一部分设在锅体上，以热电偶采集锅内温度、以湿度探头采集仓内湿度；一部分设在出料侧，在出料溜槽上安装红外测温元件与在线水分仪，对排出物料的温度与含水率作在线采集，并由称重模块计量出料质量。上述采集数据经现场总线送入数据采集控制系统，形成趋势曲线、超限报警与批次报表。质量端则依赖离线检验，每批取样测定水分、色差与结块率，由感官评定小组给出评分，当检验结果偏离标准时，由工艺人员修改配方中的相应数值，在下一批次生产中验证。

2、上述调控方式存在明显不足。锅体上的测点只能反映锅内某一固定位置的状态，而卧式炒锅内贴近锅壁的物料受夹套直接加热、桨叶回转死区内的物料长期不参与翻搅，同一锅料内部本身即存在显著的温度分化，单点测值无法反映该分化。出料侧的在线检测虽然能覆盖全部物料，但其输出被处理为该批次的一个平均含水率或一个终点温度，锅内各部位的差异在求取平均值的过程中被完全抹去，而调味料成品的结块、焦糊与批间色差恰恰由该差异产生而非由平均值偏移产生。溜槽上的单点测温所得数值中混有物料在溜槽内的散热量，该散热量随车间环境温度与料流速率变动而无法以固定数值扣除。溜槽测温窗口在长期使用中附着油脂与粉尘，窗口污染造成的局部虚高读数与物料本身的部位分化在单路温度数据上呈现相同形态。离线检验的取样、送检与出具报告的时长跨越整个批次的生产周期，检验结论只能作用于后续批次，当前批次的偏差已经固化在成品中。工艺人员对配方的修改依赖个人经验，不同班组对同一偏差给出的修正量并不一致，且单次修改的幅度不受约束。

技术实现思路

1、本技术提供了一种调味料生产工艺参数调控方法及系统，本技术解决了现有调味料生产工艺参数调控中锅内物料的部位温度分化被在线检测的平均值抹去、且溜槽段散热量与测温窗口污染使该分化的大小与指向无法判明的问题。本技术改进的是以出料次序为坐标对物料部位状态的定位方式以及分化指向与真伪的判定方式。

2、第一方面，本技术提供了一种调味料生产工艺参数调控方法，所述调味料生产工艺参数调控方法包括：

3、步骤s1、按累计出料质量对出料溜槽内的上游料流温度、下游料流温度与料流湿度分别作重采样，并以本批总出料质量作归一化，得到归一化出料序位下的上游序位温度、下游序位温度与序位湿度；

4、步骤s2、取同一所述归一化出料序位处的所述上游序位温度与所述下游序位温度之差，得到序位散热梯度，按所述序位散热梯度将所述上游序位温度向溜槽入口方向作外推，得到离锅温度序列；

5、步骤s3、以所述离锅温度序列的中位数为基准取逐点偏差，得到批内温度偏离轮廓，由所述批内温度偏离轮廓的极差取得批内不均幅值，由所述批内温度偏离轮廓的四分位偏度取得批内不均方向量，并以所述序位湿度的极差在所述归一化出料序位上的谷位与所述批内温度偏离轮廓的峰位作位置一致性核验，由核验通过的所述批内不均幅值与所述批内不均方向量组成批内分化特征组；

6、步骤s4、通过模糊神经网络对所述批内分化特征组与本批搅拌转速作映射，得到批内阈值修正量，按所述批内阈值修正量对下一批次的炒制温度阈值与搅拌转速阈值作限幅修正。

7、第二方面，本技术提供了一种调味料生产工艺参数调控系统，所述调味料生产工艺参数调控系统包括：

8、采样模块，用于按累计出料质量对出料溜槽内的上游料流温度、下游料流温度与料流湿度分别作重采样，并以本批总出料质量作归一化，得到归一化出料序位下的上游序位温度、下游序位温度与序位湿度；

9、外推模块，用于取同一所述归一化出料序位处的所述上游序位温度与所述下游序位温度之差，得到序位散热梯度，按所述序位散热梯度将所述上游序位温度向溜槽入口方向作外推，得到离锅温度序列；

10、核验模块，用于以所述离锅温度序列的中位数为基准取逐点偏差，得到批内温度偏离轮廓，由所述批内温度偏离轮廓的极差取得批内不均幅值，由所述批内温度偏离轮廓的四分位偏度取得批内不均方向量，并以所述序位湿度的极差在所述归一化出料序位上的谷位与所述批内温度偏离轮廓的峰位作位置一致性核验，由核验通过的所述批内不均幅值与所述批内不均方向量组成批内分化特征组；

11、修正模块，用于通过模糊神经网络对所述批内分化特征组与本批搅拌转速作映射，得到批内阈值修正量，按所述批内阈值修正量对下一批次的炒制温度阈值与搅拌转速阈值作限幅修正。

12、本技术提供的技术方案中，按累计出料质量而非采样时刻对溜槽内三路信号作重采样，使横坐标由刮壁桨的推料几何决定，出料蝶阀开度的变动、料流速率的起伏以及出料中途的停顿不再改变某一序位点所对应的锅内部位，不同批次在同一归一化出料序位上采得的物料指向同一部位，跨批次比对不再依赖出料节拍的重复性。取同一序位处上游序位温度与下游序位温度之差构成序位散热梯度，该差值由同一份物料在已知行程内的实际温降构成，车间环境温度与料流速率对散热的作用已经包含在该差值之内，向溜槽入口方向外推所得的离锅温度序列中不再残留溜槽段的散热量，环境温度在季节交替期间的漂移不进入下游的轮廓计算。以离锅温度序列的中位数为基准取逐点偏差，基准由本批物料自身给出而不取自预设数值，贴壁层与死区料在序位点中的占比不足两成，中位数不被这两段拉动，批间投料量与品种切换所引起的整体温度平移在取差之后被消去。由给出分化的大小、由给出分化的指向，四分位偏度只取三个分位数，单个序位点上的异常读数不改变符号的正负，贴壁层过热与中心团块欠熟两种情形所需的相反动作各自对应到确定的符号区间，按幅值单向调节而使其中一种情形被调反的情况不再出现。以序位湿度谷位与轮廓正向峰值所在序位的间距作核验，测温窗口污染造成的虚高读数在湿度一路上没有对应的谷位，该类读数在核验环节即被隔断而不进入阈值修正。对批内阈值修正量设置温度修正限幅值与转速修正限幅值，单批修正幅度被约束在设备允许的量级之内，批与批之间的往复调节不再出现。

13、模糊神经网络在本方案中承担的并非通用的回归拟合，而是把已经判明的分化大小与分化指向换算为下一批次配方中两项阈值的具体修正数值，其适配性来自两点。其一，与分属不同量纲且物理含义不同，前者为温度量、后者为无量纲的符号量，模糊化层按各自论域上的高斯隶属度函数分别取值，二者不需要预先归一到同一尺度即可参与同一条规则的连乘，若换用直接以原始数值作输入的多元回归，量纲不同的两项须先行人为定权，该权值一旦固定即无法随工作点变动。其二，炒制工序在不同搅拌转速下对温度阈值调整的响应并不相同，本批搅拌转速作为第三项输入参与规则的连乘，使同一组分化特征在不同转速下落到不同的规则组合上，后件的一阶形式使修正数值随分化大小连续变化而不出现跳变，若换用查表匹配或分段常值的处理方式，转速在两档之间时修正数值会在档位边界处发生阶跃，该阶跃将直接体现为相邻两批阈值的突变。模糊化层的隶属度函数中心与宽度按各输入量的实际论域设定，规则后件的系数由历史批次的分化特征与该批成品结块率、色差的配对样本训练获得，训练所用的样本与本方案的观测量同源，网络所学的映射与出料序位轮廓这一观测量绑定，换用与本观测量无关的通用工艺参数样本训练则该映射失去依据。