一种基于神经网络算法的粮油生产线自动控制系统的制作方法

1.本发明属于自动控制技术领域，特别是涉及一种基于神经网络算法的粮油生产线自动控制系统。


背景技术：

2.人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。
3.粮油加工是指对原粮和油料进行工业化处理，制成粮油半成品、粮油成品、粮油食品以及其他产品的过程，粮油加工主要包括稻谷加工、小麦加工、玉米加工、大豆加工、油料加工、杂粮加工和薯类加工、粮油食品生产、粮油副产品综合利用，且各个自动化加工过程中均涉及上料、分料、下料等步骤，现有的粮油生产线中上料、分料和下料操控主要通过操作人员的经验和手动控制，物料参数不稳定，使得后续工艺的质量得不到保障，且影响产能，不利于粮油的自动化生产，故此，我们提出一种基于神经网络算法的粮油生产线自动控制系统。


技术实现要素：

4.本发明的目的在于提供一种基于神经网络算法的粮油生产线自动控制系统，以解决上述背景技术中提出的问题。
5.为解决上述技术问题，本发明是通过以下技术方案实现的：
6.本发明为一种基于神经网络算法的粮油生产线自动控制系统，包括数据采集模块、数据库、数据训练模块、数据计算模块、电气控制模块、外部数据输入、粮油生产线、电气参数监测，所述电气参数监测用以读取粮油生产线的生产工艺参数，所述数据采集模块实时采集生产工艺参数，并将其存储于数据库中，所述数据训练模块用以读取数据库中的生产工艺参数，并利用神经网络进行训练学习，建立相应的数据模型，所述数据计算模块用以读取外部数据输入，并将外部数据导入至相应的数据模型中进行计算，并得出新的生产工艺参数，所述电气控制模块用以读取数据计算模块中计算出的新生产工艺参数，并将新的生产工艺参数导入粮油生产线进行生产。
7.优选地，所述电气参数监测的内容包括各种传感器的监测数据和粮油生产线设备的生产数据。
8.优选地，所述数据采集模块的采集频率为每三小时一次，并将采集的数据进行初步分类整理。
9.优选地，所述数据库设置有断电保护、云存储、自动备份功能，所述数据库采用数据加密技术。
10.优选地，所述数据训练模块基于人工神经网络技术，所述数据训练模块的训练频率为每一小时一次。
11.优选地，所述外部数据输入的内容为上料参数、分料参数和下料参数。
12.本发明具有以下有益效果：
13.本发明通过设置数据训练模块基于人工神经网络技术根据粮油生产线的历史生产工艺参数数据构建数据模型，在生产时只需要向数据计算模块中输入上料参数、分料参数和下料参数，数据计算模块就会根据数据模型自动计算出新的生产工艺参数，并将新的生产工艺参数导入至粮油生产线指导生产，避免了由于人工操作误差导致的生产质量不稳定现象。
14.本发明通过设置数据采集模块收集每次粮油生产线的生产工艺参数，利用数据训练模块重新进行训练学习，不断修正改进神经网络数据模型，进而提高生产质量。
15.本发明通过设置具有断电保护、云存储、自动备份功能的数据库达到保护数据的目的，避免出现生产工艺参数丢失导致神经网络数据模型构建失败的情况。
16.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
17.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明的一种基于神经网络算法的粮油生产线自动控制系统的运行模块流程图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
20.请参阅图1所示，本发明为一种基于神经网络算法的粮油生产线自动控制系统，包括数据采集模块、数据库、数据训练模块、数据计算模块、电气控制模块、外部数据输入、粮油生产线、电气参数监测，所述电气参数监测用以读取粮油生产线的生产工艺参数，所述数据采集模块实时采集生产工艺参数，并将其存储于数据库中，所述数据训练模块用以读取数据库中的生产工艺参数，并利用神经网络进行训练学习，建立相应的数据模型，所述数据计算模块用以读取外部数据输入，并将外部数据导入至相应的数据模型中进行计算，并得出新的生产工艺参数，所述电气控制模块用以读取数据计算模块中计算出的新生产工艺参数，并将新的生产工艺参数导入粮油生产线进行生产。
21.其中，电气参数监测的内容包括各种传感器的监测数据和粮油生产线设备的生产
数据。
22.其中，数据采集模块的采集频率为每三小时一次，并将采集的数据进行初步分类整理。
23.其中，数据库设置有断电保护、云存储、自动备份功能，数据库采用数据加密技术。
24.其中，数据训练模块基于人工神经网络技术，数据训练模块的训练频率为每一小时一次。
25.其中，外部数据输入的内容为上料参数、分料参数和下料参数。
26.本实施例中，通过设置数据训练模块基于人工神经网络技术根据粮油生产线的历史生产工艺参数数据构建数据模型，在生产时只需要向数据计算模块中输入上料参数、分料参数和下料参数，数据计算模块就会根据数据模型自动计算出新的生产工艺参数，并将新的生产工艺参数导入至粮油生产线指导生产，避免了由于人工操作误差导致的生产质量不稳定现象。
27.本实施例中，通过设置数据采集模块收集每次粮油生产线的生产工艺参数，利用数据训练模块重新进行训练学习，不断修正改进神经网络数据模型，进而提高生产质量。
28.本实施例中，通过设置具有断电保护、云存储、自动备份功能的数据库达到保护数据的目的，避免出现生产工艺参数丢失导致神经网络数据模型构建失败的情况。
29.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
30.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。