真空冷冻干燥温度的智能预测控制

doi:10.3778/j.issn.1002-8331.2010.30.068

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 241-244.DOI: 10.3778/j.issn.1002-8331.2010.30.068

真空冷冻干燥温度的智能预测控制

李晓斌^1，2，王海波²

1.上海应用技术学院，上海 200235
2.兰州理工大学电气与信息工程学院，兰州 730050

收稿日期:2009-12-16 修回日期:2010-01-25 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 李晓斌

Intelligent predicting control of vacuum freeze-drying temperature

LI Xiao-bin^1，2，WANG Hai-bo²

1.Shanghai Institute of Technology，Shanghai 200235，China
2.College of Electrical and Information Engineering，Lanzhou University of Technology，Lanzhou 730050，China

Received:2009-12-16 Revised:2010-01-25 Online:2010-10-21 Published:2010-10-21
Contact: LI Xiao-bin

摘要/Abstract

摘要： 真空冷冻干燥过程中，升华温度的精确控制是一个大时滞、非线性的控制问题，实际测试表明，现有的PID控制很难实现对升华温度的精确动态跟踪控制，影响冻干物质的物理、化学和生物性状，尤其是生物制品的活性等。提出基于自适应粒子群优化预测函数控制（APSO-PFC）的真空冻干温度控制方法，通过与PID控制方法的比较，以及对洋葱等真空冷冻干燥温度的动态跟踪控制表明，该方法优于原有的PID控制，实现了真空冷冻干燥温度的精确动态跟踪控制。

关键词: 真空冷冻干燥, 温度, 模型辨识, 智能预测控制

Abstract: In process of vacuum freeze-drying，the accurate control of freeze-drying temperature is a nonlinear dynamic tracking control problem.In practice，the freeze-drying temperature accurate dynamic tracking control is very difficult by PID controller.It influences physical chemical and biological performance and shape，particularly activity of biological product.These problems are solved by Predictive Functional Control（PFC） based on Adaptive Particle Swarm Optimization algorithm（APSO）.These results of simulation and experiment show that the APSO-PFC has higher precision than the method of PID control.It is proved that this method is effective in the onion freeze-drying temperature accurate dynamic tracking control.

Key words: vacuum freeze-drying, temperature, model identification, intelligent predicting control

中图分类号:

TP273

李晓斌^1，2，王海波². 真空冷冻干燥温度的智能预测控制[J]. 计算机工程与应用, 2010, 46(30): 241-244.

LI Xiao-bin^1，2，WANG Hai-bo². Intelligent predicting control of vacuum freeze-drying temperature[J]. Computer Engineering and Applications, 2010, 46(30): 241-244.

[1]	许明西，何汉武，吴悦明，邹序焱，陈友滨. 虚拟实验热触觉再现系统的设计与实现[J]. 计算机工程与应用, 2020, 56(16): 226-233.
[2]	崔爱莲1，吴志军2，李建勋1. 基于温度场一致性的红外目标移植方法[J]. 计算机工程与应用, 2017, 53(3): 177-182.
[3]	高晓梅1，丁彦蕊2，3. 基于群智能的蛋白质耐热温度预测研究[J]. 计算机工程与应用, 2017, 53(13): 141-145.
[4]	赵志然，吴运新，石文泽，龚海. 热钢板无损检测缺陷定位精度分析与修正方法[J]. 计算机工程与应用, 2016, 52(8): 250-255.
[5]	毛琪波，余震虹. 改进的粒子群算法在传感器温度补偿中的应用[J]. 计算机工程与应用, 2016, 52(23): 229-235.
[6]	谢宏，陈俊辉，陈海滨，邹高亮，杨鹏，谭阳红，何怡刚. 无模型自适应模糊算法的多晶硅棒温度控制[J]. 计算机工程与应用, 2016, 52(1): 244-249.
[7]	李京娜，董静洁，冯丽辉. 烟叶复烤区温度与排潮率的解耦控制仿真研究[J]. 计算机工程与应用, 2015, 51(20): 267-270.
[8]	马思思1，何建忠1，刘涛2. 云雾室串级模糊自适应PID控制研究及实现[J]. 计算机工程与应用, 2012, 48(33): 217-221.
[9]	何爱香. 一种新型的比例-周期控温算法[J]. 计算机工程与应用, 2012, 48(26): 225-230.
[10]	史永胜，岳俊杰，宋云雪. 非线性去噪对发动机排气温度预测精度影响[J]. 计算机工程与应用, 2012, 48(25): 212-216.
[11]	沈默1，廖瑛2，尹大伟2. RVM在航空发动机故障诊断中的应用研究[J]. 计算机工程与应用, 2012, 48(25): 220-223.
[12]	王海珍1，廉佐政2，滕艳平1. 智能办公环境中多Agent模糊Q学习研究[J]. 计算机工程与应用, 2012, 48(18): 231-235.
[13]	甄彤，郭嘉，吴建军，肖乐. 粒子群算法求解粮堆温度模型参数优化问题[J]. 计算机工程与应用, 2012, 48(12): 206-208.
[14]	薛晶，李玉忍，刘卫国. 粗糙表面Cantor集分形对温度场影响分析[J]. 计算机工程与应用, 2011, 47(9): 240-242.
[15]	丁亚军1，2，钱盛友2，胡继文2，刘畅3 . 凹球面换能器在多层生物组织中的温度场仿真[J]. 计算机工程与应用, 2011, 47(36): 242-244.

真空冷冻干燥温度的智能预测控制

Intelligent predicting control of vacuum freeze-drying temperature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics