Содержание к диссертации
Введение
ГЛАВА I. Анализ алгоритмов адаптивного управления сложными объектами II
1.1. Задача адаптивной идентификации объектов управления . II
1.2. Адаптивное управление сложными объектами с использованием модели 27
1.3. Постановка задач и цели исследований 43
ГЛАВА II. Адагггивная идентификация нестационарных технологических процессов методом случайного поиска 45
2.1. Анализ и выбор алгоритмов адаптации моделей нестационарных технологических процессов 45
2.2. Адаптация линейных моделей нестационарных технологических процессов методом случайного поиска 64
2.3. Исследование устойчивости процедуры адаптации линейных регрессионных моделей 73
ГЛАВА III. Адаптивный алгоритм оптимального управлениянестационарными технологическими процессами 76
3.1. Формализация критериев оптимальности и выбор алгоритма управления 76
3.2. Оптимальное управление нестационарными технологическими процессами с использованием адаптивной модели 81
ГЛАВА ІУ. Адаптивный алгоритм оптимального управления процессом отжима форпрессового масла 87
4.1. Общая характеристика производства хлопкового масла и определение объекта управления 87
4.2. Получение формализованной модели процесса отжима форпрессового масла 102
4.3. Адаптация линейной регрессионной модели процесса отжима форпрессового масла 116
4.4. Адаптивный алгоритм оптимального управления процессом отжима форпрессового масла 125
4.5. Некоторые воцросы применения адаптивных алгоритмов оптимального управления в АСУГО масложирових предприятий , 133
Заключение 138
Литература 140
Приложения 148
- Задача адаптивной идентификации объектов управления
- Анализ и выбор алгоритмов адаптации моделей нестационарных технологических процессов
- Формализация критериев оптимальности и выбор алгоритма управления
- Общая характеристика производства хлопкового масла и определение объекта управления
Введение к работе
Актуальность проблемы. В материалах ХХУІ съезда КПСС уделено особое внимание вопросам создания и внедрения эффективных автоматизированных систем с использованием современных микропроцессоров и микро-ЭВМ для широкого класса технологических процессов (ТП) производства.
Повышение эффективности производства прежде всего связано с развитием технологических и управляемых процессов, которые, в свою очередь, требуют создания более совершенных систем автоматического управления (САУ). В процессе решения конкретных прикладных задач автоматизации часто приходится сталкиваться с ситуацией, когда технологические процессы характеризуются заранее непредсказуемыми изменениями их параметров в широких пределах. Такого рода объекты управления часто встречаются в химической, нефтехимической, пищевой и масложировой отраслях промышленности и определяются как нестационарные технологические процессы (НТП).
Современным подходом к решению этих задач является синтез адаптивных систем автоматического управления (АСАУ). При этом наблюдается тенденция к разработке дискретно-непрерывных, адаптивных систем автоматического управления (ДіАСАУ), которая обусловлена следующими объективными факторами. Во-первых, объекты управления непрерывно усложняются, что приводит к резкому возрастанию объема вычислительных работ при решении задач управления; во-вторых, происходит постоянное совершенствование и удешевление средств вычислительной и управляющей техники, Помимо этого, повышение требований к качеству управления приводит к тому, что многие практические задачи не могут быть решены методами и
- 5 -средствами непрерывной автоматики и автоматического регулирования.
При создании ДіАСАУ НТП одна из главных задач - разработка алгоритмического обеспечения, позволяющего повысить эффективность функционирования цифрового вычислительного комплекса (ЦБК) при решении задач оптимального управления в реальном масштабе времени. Практика показала, что существующий класс алгоритмов, основанных на беспоисковых методах, недостаточен для эффективного решения адаптивного управления НТП, которые подвергнуты случайным возмущениям.
Дополнение этого класса алгоритмов на современном этапе происходит за счет поисковых методов, разрабатываемых ведущими отечественными и зарубежными учеными в этой области.
При этом возникает необходимость решения множества конкретных задач, связанных с обучением моделей НТП, на базе которых синтезируются системы адаптивного управления, позволяющие оптимизировать процесс.
Бее эти обстоятельства определяют актуальность и народнохозяйственную значимость научных исследований, связанных с разработкой алгоритмического обеспечения систем управления с целью эффективного их функционирования в условиях априорной неопределенности.
Диссертационная работа выполнена в рамках проблемы І.І2.6.6 "Проблемы автоматизации технологических процессов" и в соответствии с целевой комплексной программой МГШ СССР по созданию АСУТП и АСУП масложировых предприятий, утвержденной приказом МГШ СССР от 23.10.81 г. за № 203, а также в соответствии с планом работ по созданию АСУТП масложировых предприятий, утвержденным
постановлениями Госплана СССР и ГКНТ СМ СССР от 16.II.81 г. за № 211/245.
Цель работы сводится к разработке алгоритмов последовательной адаптации моделей и адаптивного управления, обеспечивающих оптимальное функционирование технологических процессов в условиях априорной неопределенности.
Методика исследования. Использованы методы общей теории систем, теории оптимального управления, адаптивной идентификации и поисковой оптимизации, а также методы теории случайного поиска (СП).
Научная новизна работы: обоснована необходимость дополнения алгоритмического обеспечения задач адаптации линейных моделей и оптимального управления нестационарными технологическими процессами (НТЇ1); разработан эффективный алгоритм адаптации линейной регрессионной модели СЛРМ) нестационарных технологических процессов с использованием метода СП, допускающий реализацию на ЭВМ в реальном масштабе времени; получены условия устойчивости процедуры адаптации линейных моделей; разработан адаптивный алгоритм оптимального управления НТП с использованием СП, позволяющий реализацию на ЭВМ в реальном масштабе времени; на основе предложенных алгоритмов разработан комплекс программ (КП) "PQISK? который дает возможность решать задачи параметрической идентификации и поисковой оптимизации для широкого класса ТП в виде системы "объект-ЭВМ-объект".
Практическая ценность работы заключается в следующем:
- разработанные алгоритмы адаптации ЛРМ и оптимизации осуществляют минимизацию времени запаздывания реакции синтезируемых систем управления ТП при наличии помех, что позволяет синтезировать эффективные системы адаптивного управления реальными ТП;
предлагаемые алгоритмы адаптации и оптимизации в составе комплекса программ "РОТЗК" могут быть использованы при решении задач адаптивной идентификации и поисковой оптимизации широкого класса ТП (в частности, в химической, нефтехимической, пищевой и масложировой отраслях промышленности). Последнее подтверждается тем, что указанные алгоритмы и КП непосредственное апробированы на реальном объекте - процессе отжима форпрессового масла (ПОФМ) при производстве хлопкового масла. При этом синтезирована структура модели ПОФМ; решена задача параметрической адаптации модели ШХШ: получена последовательность оптимальных режимов функционирования схема адаптивного управления ПОШ, использующая предложенные алгоритмы и КП;
методика данной диссертационной работы и КП "POISK " включена в состав технорабочего проекта 1-й очереди АСУТП Ко-кандского масложиркомбината (договор № 06-07-84 от 29.03.84г.).
Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на: Республиканской научной конференции "Методические, прикладные аспекты САПР" (Ташкент,1981); Всесоюзном семинаре "Математическое моделирование и оптимизация процессов масложировой промышленности" (Краснодар, 1983); Всесоюзном семинаре "Вопросы разработки и применения общесистемного обеспечения АСУ в ПП" (Одесса, 1983); Республиканской НТП "Автоматический контроль и оптимизация процессов маслоэкстрак-ционного производства" (Ташкент, 1984); секции Ученого совета Всесоюзного НПО "Масложирпром" МПП СССР (Ленинград,1984); ежегодных научных семинарах молодых ученых и специалистов по АСУ и САПР УзНПО "Кибернетика" АН УзССР (Ташкент, 1982-1984).
Публикации. Результаты диссертационной работы опубликованы
- 8 -в сборниках "Вопросы кибернетики" ИК с ВЦ УзНПО "Кибернетика" АН УзССР Z"72-74J; "Известия АН УзССР" (серия техн.наук) ZbJ, "Применение случайного поиска" Кемеровского гос.ун-та f36j.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, изложенных на 155 страницах машинописного текста, включая 25 рисунков, 9 таблиц, приложения и список литературы из 102 наименований.
Во введении приведен обзор и в общем виде отражено состояние алгоритмического обеспечения решения задач адаптивной идентификации и оптимального управления ТП, функционирующих в условиях априорной неопределенности. Обоснована актуальность выбранной темы диссертации, изложены цель исследования, научная новизна и практическая ценность полученных результатов. Приведено краткое описание содержания диссертационной работы по главам.
Первая глава начинается с обзора литературы и посвящена анализу современного состояния методов и алгоритмов адаптивной идентификации объектов управления. Изложены некоторые особенности методов текущего регрессионного анализа и класса алгоритмов оценки параметров линейных регрессионных моделей. При этом выявлена ограниченность возможности использования анализированных алгоритмов в решении задач адаптивной идентификации объектов, работающих в условиях априорной неопределенности. Здесь анализируются алгоритмы управления по отклонению и беспоисковые алгоритмы адаптивного управления. В конце главы приведены постановка задачи и цель исследования.
Втораяиглава посвящена решению задачи адаптивной идентификации, когда объектом управления является нестационарный технологический процесс. При этом синтезирована структура модели НТП в ви-
- 9 -де ЛРМ и обоснована целесообразность использования поисковых методов для последовательной адаптации ЛРМ НТП, использующие методы случайного поиска. Рассматривается вопрос об устойчивости предложенных процедур адаптации.
В третьей главе дано решение задачи оптимального управления НТП с использованием адаптивной модели. Формализованы критерии оптимальности, на основе чего синтезируется адаптивное управление Исследованы сходимость и устойчивость сходимости адаптивного алгоритма оптимального управления.НТП. Определены требования, связанные с временными затратами необходимых для вычисления управляющих воздействий предлагаемого адаптивного управления и зависимости их от инерционности НТП.
Четвертая глава посвящена практическому использованию полученных результатов на реальном технологическом объекте - процессе отжима форпрессового масла (ПСШ). Приведены общие характеристики технологии производства хлопкового масла, анализированы основные этапы, установлена стохастичность поведения параметров этой технологии. Более конкретно исследуются процессы термовлаго-обработки мятки и прессования мезги, так как именно на этих этапах формируются качественные и количественные характеристики конечной продукции (хлопкового масла). В целом технология производства хлопкового масла представлена как многосвязная последовательная система, каждое звено которой является нестационарным технологическим процессом. В этой главе синтезируется структура модели ПОФМ, решены задачи параметрической адаптации модели и оптимизации с помощью приведенных в диссертации алгоритмов и комплекса программ "P0ISK"» Представлены результаты оптимизации ПОФМ, использующие адаптивные модели, которые рекомендованы и внедрены в
- 10 -реальном производстве. При этом достигнуто значительное снижение цветности форпрессового масла при допустимых значениях маслич-ности жмыха, что, в свою очередь, улучшает основные технико-экономические показатели производства хлопкового масла. Акт о внедрении полученных результатов приведен в приложении.
На основе результатов исследования синтезирована принципиальная схема адаптивного управления с использованием современных микропроцессоров, которая рекомендована для проектирования.
Пользуясь случаем, автор выражает благодарность чл.-корр. АН УзССР Ф.Б.Абуталиеву и к.т.н. А.С.Зиядуллаеву за постоянное внимание, ценные советы и замечания, сделанные ими в период выполнения диссертационной работы.
- II -
Задача адаптивной идентификации объектов управления
Современное состояние проблемы идентификации сложных объек тов главным образом определяется наличием двух подходов: идентификацией в процессах познания и в процессах управления Z 47,48, 49,69,77,93,101,7. При идентификации с целью познания объекта создается некоторая модель, которая должна передать в необходимой мере механизм функционирования этого объекта. Такого рода модели в некотором смысле отражают причинно-следственные связи объекта и в лучшем случае могут быть использованы для синтеза других познавательных моделей /"54,69,87,88 .
Задача идентификации в этом случае заключается в том, чтобы синтезировать некоторый модельный оператор Г » т.е. получить -оценки . по наблюдаемым значениям входа Л/ и выхода / у Л объекта с условием, чтобы Г был близок к TQ (В смысле некоторого критерия). Существенной особенностью этих моделей является отражение механизма объекта в структуре оператора Г , т.е. всех причинно-следственных связей, имеющихся у объекта идентификации.
Идентификация в процессах управления непосредственно связана с потребностями управления объектом, и по отношению к принятию решений носит вспомогательный характер. Особенность такого рода идентификации заключается в том, что синтезированная специально для потребностей управления модель может и не отражать внутренний механизм объекта, а достаточно лишь чтобы она конструировала определенные формальные связи между входом и выходом объекта. Необходимость идентификации в процессах управления и ее специфика определяются целями управления /"б9_7, и для синтеза этих целей модель играет базовую роль. Эта роль явно выражается в задачах управления сложными объектами, где модель непосредственно включается в алгоритм управления, позволяет экстраполировать поведение объекта и тем самым дает возможность определить наиболее эффективное воздействие на него для достижения цели управления.
Очевидно, что характеристика реальных объектов, например, нестационарных технологических процессов, в процессе функционирования терпят дрейф, который часто изменяет параметры. В этом случае необходимо корректировать исходную модель, чтобы она оставалась пригодной для принятия решений. Это реализуется по двухэтап-ной схеме управления, которая представлена на рис,1.1.1. В этом случае на этапе идентификации вначале синтезируется модель объекта, а затем - управление на базе корректированной модели.
Таким образом, цель управления достигается в два этапа.
На первом синтезируется адекватная (объекту управления) модель, а на втором - управление на основе этой модели. С методологической точки зрения часто первый этап выделяют как самостоятельную задачу, хотя на самом деле она подчинена целям управления.
Если алгоритм управления сложным объектом предполагает использование математической модели, то необходимо, чтобы эта модель оставалась адекватной объекту управления на все время его функционирования, т.е. необходимо по мере поступления новых данных с объекта управления кооректировать модель (решать задачу адаптивной идентификации).
Отсутствие достаточной априорной информации о поведении объекта управления часто приводит к тому, что объект (в частности, нестационарный технологический процесс) описывается уравнением регрессии следующего типа /"6,9,55,56 : где Wj Vj, j,$j,&J соотвественно наблюдаемые значения выходной переменной объекта, ее фактическое значение, помехи наблюдений, вектор параметров математической модели объекта и вектор независимых (контролируемых и управляемых) переменных объекта управления для У-го момента времени. При этом для оценки текущих значений параметров объекта могут быть использованы алгоритмы, основанные на общих "физических" представлениях, например, таких как гипотеза о квазирегулярности объекта и др. В этом случае объект управления в пределах некоторого скользящего отрезка [н- Tp,Tl] ТІ -{,,. можно представить в виде стационарной модели
Анализ и выбор алгоритмов адаптации моделей нестационарных технологических процессов
Реальные технологические процессы, как правило, являются нестационарными, что вызывает необходимость применения адаптивных алгоритмов для исследования и решения задач управления. В предыдущей главе обсуждались общие подхода при решении задач адаптивной идентификации и управления сложными объектами. Установлена недостаточность полноты алгоритмического обеспечения решения этих задач.
Конкретизация задачи адаптивного управления сложными объектами (в частности, НТП) вызвана появлением ряда специфических особенностей, изучение которых необходимо. Эти особенности непосредственно связаны с выбором рационального алгоритма / 69_7 в классе алгоритмов адаптации моделей НТП. Выбор рационального алгоритма обусловлен двумя обстоятельствами. Во-первых, эта процедура связана с выбором некоторого класса операторов /1- 6 & \ , которые характеризуют невязку выходов4? (F) (объекта и модели). Например, если объект является непрерывным и статистическим, то имеем С С 1 (2.I.I) а в случае дискретности объекта где /=/ У Причем ft; является весом информации в -й момент времени. При этом задача идентификации объекта в общем виде формулируется следующим образом: Qcry — mm = г? (2д.з Ft Я.
В стадии определения класса 2 непосредственно используется априорная информация об объекте, которая должна характеризовать структуру объекта управления, механизм его функционирования, цель и алгоритм управления.
Во-вторых, при решении задачи минимизации (2.1.3) необходимо учесть возможности снижения потерь потребителя, которые выражаются в виде времени, средств, энергии и т.д. Очевидно, это обстоятельство накладывает определенные ограничения на выбор алгоритма. Если обозначить через А алгоритм решения задачи идентификации (2.1,3), а через / - потери на идентификацию, то можно представить задачу минимизации потерь в следующем виде: f{f0 f)+ тіл],А\ — mm = А гдеі/V } - потерь на решение задачи идентификации с помощью алгоритма А \ Р - заданный класс алгоритмов, реша ющих задачу (2,1.3).
Рассмотрим задачи выбора Ґ и А в классах Q и Р соответственно в случае, когда объектом управления является нестационарный технологический процесс. При управлении НТП с использованием математической модели необходимо по мере поступления новых данных корректировать и уточнять модель, так как только в этом случае она будет пригодна для управления /"6,14,42,66,82,91J.
Определим НТП в виде многополюсника с ft входными и fft выходными параметрами, на которые влияет вектор случайных возмущений (см. рис. 2 Д. I).
Здесь X - (-Xft ...,CcS) - вектор входных контролируемых и управляемых параметров НТП, 9 = (Уі Уд,---, Vm " вектор выходных параметров НТП, ( У» % , - к " ненаблюдаемые входы НТП или вектор случайных возмущений.
Имеется практический опыт при исследовании класса НТП в химической / 31_7, нефтехимической, пищевой и, в частности, в ма-сложировой промышленности /"5,8,24,25,80.7, который более конкретизирует характер влияния вектора случайных помех , что является очень важным моментом для выбора классов Q и Р .
В реальных технологических процессах нестационарность выходных параметров главным образом зависит от входных параметров (характеристики сырья, полуфабриката, материалов и т.д.). Очевидно, что чем более стабильными являются входные контролируемые параметры, тем стабильнее получается и управление. С этой точки зрения можно отметить, что повышение точности контрольно-измерительных приборов и совершенствование анализа также не влияют на качество управления.
Формализация критериев оптимальности и выбор алгоритма управления
В предыдущей главе предложена процедура адаптации ЛРМ НТП, позволяющая адаптировать модель на каждом цикле /У . Адаптация модели, как было отчемено в 1.2, является одним из этапов синтеза системы управления, использующей модель объекта. Для синтеза управления НТП необходимо иметь следующие показатели /"37,40,77,81,997: U. 9л Z O.I.I)
Здесь/У = (/,...,&#) " контролируемые входные параметры НТП; U - (и, tf tin) " управляемые входные параметры НТП; А (У А УЯА ... (/ГА) выходные параметры НТП, рассчитанные по адаптированной модели; % С%іі%#ш...9%е)- заданная цель. Правомерность введения в (3.1.І) обусловлена тем, что при наличии инерционности (как правило, НТП является инераци-онным) предполагается, что реальные значения на выходе НТП достаточно близки к УА в период запаздывания соответствующего параметра. Цель / в общем случае может задаваться в следующем виде: Г - I f(fJJ) J/ (/=/,4,-, 4), (ЗЛ 2) где функции / _- Vj ъ Ур должны быть заданы в стадии формулировки целей управления. Более проще (3.1.2) можно записать так: єcxj) = о; Z : I ff(Z.9) 0; (3.1.3) Q (X, Ю — mirz ; Здесь $ - VCX.U); 6(10) - g, a, $),..., gKJ (I f)j; Я (I )-[h{aJ),..., hX (X, Ю]; (3.1.4) 9(19)"rqta,o),..., qK3aJ)].
Функции (3.1.3) называются соответственно ограничениями типа равенств, ограничениями типа неравенств и функциями качества,
Очевидно, что условия в (3.1.3), накладываемые на параметры НТП, можно обеспечивать при выборе соответствующего вектора управления и = (Щ, Щ,...% t/ff)t так как контролируемые параметры X изменяются независимо и случайным образом. В этом случае задача управления сводится к следующему:
-Условия (3.I.I0) можно обобщить, задаваясь явными функциями, что допускается ввиду наличия инерционности НТП, Поскольку НТП имеет инерционность, то сложившиеся ситуации в моментЛЧ/ сохраняются примерно до истечения периода инерционности / 63_7. Отсюда следует: если адаптированная модель (3.1.9) получена в начале периода инерционности, то ее параметры в период инерционности считаются постоянными. Сформулируем критерий оптимальности в смысле минимума отклонения выходного параметра НТП от заданного целевого значения при наличии ограничений на управляемые параметры. Если /)- заданное целевое значение в момент М / , то критерий оптимальности имеет вид Q(O) = [уА (#+/) - Уц (#+)] - - mirt , (зл п) или д[йШ)] -- Га6(мн) +?:а(#+/)яе(лгн) +?LQmCM)vm&+t) где U - ограничения, накладываемые на управляемые параметры, вызванные технологическими условиями реального НТП. Б инженерной практике эти ограничения характеризуются пределами допустимых значений L Kz/j, т.е.
Причем в большинстве случаев пределы в СЗЛЛ2) постоянны и не зависят от цикла адаптации Uт mitt tim(N+t) 4 Утшх (т #+/.#+#„..,#). Очевидно, последнее является частным случаем (3.1.6)
Если НТП характеризуется несколькими выходами и описывается моделью (2.2,6), которая является адаптированной, то критерий - 80 -оптимальности в указанном выше смысле будет иметь вид 0Д?(М)] = 2 оО Q?fum &+nj j: tj [І fym #+fittm CM) -v Vj4-aj0 )- aJe(M) ih m {зллз) U Ummin 4 Z/m(#+J) 4 1/т mag:. Здесь OCj - весовые коэффициенты выходных параметров НТП, определяемые экспериментальным путем; ffjrt - соответствующие целевые значения выходных параметров. Таким образом, сформулированы критерии оптимальности управления НТП в смысле минимизации отклонений выходных параметров от целевых значений. Причем, как видно из (3.1.13), этот критерий использует значения адаптированной модели, что подчеркивает адекватность процедуры поиска оптимальных значений Мщ(М) в пределах допусков. Весовые коэффициенты сС: характеризуют степень а интенсивности спуска каждого выходного параметра НТП и подлежат адаптации, исходя из конкретных ситуаций, сложившихся в реальном объекте. Ввиду стохастичности параметров U (M-f/)t...( uftC O для решения задачи (3.1.13) используем алгоритмы СП / 60,65_7. Выбор алгоритма СП в этом случае обусловлен тем, что в классе поисковых методов /"90,97,98_7 при решении задач оптимизации объектов управления в обстановке помех СП имеет наилучшие характеристики по критериям "потерь на поиск" и "потерь на рыскание". Например, при сравнении алгоритма с методом стохастической аппроксимации 90,98,7 применительно к линейным моделям доказана лучшая сходимость СП lb J.
Общая характеристика производства хлопкового масла и определение объекта управления
Технология производства хлопкового масла относится к поточно-непрерывному производству и включает в себя ряд разнообразных явлений. К основным из них относятся /"8,24,43_7: механические, диффузионные, тепловые, налагающиеся, химические, биохимические и поверхностные процессы.
Подробная классификация явлений, протекающих в технологии производства растительных масел, представлена в работе / 8_7. Классификация явлений в комплексе переработки хлопковых семян приведена на рис.4.1.3.
Явления и процессы в реальной технологии могут протекать одновременно, что усложняет их изучение. В этом случае сложность технологических процессов (ТП) переработки масличных семян в основном характеризуется поведением процесса, так как последний включает а себя несколько взаимодействующих явлений. В технологии производства растительного масла, при его изучении с точки зрения возможности оптимального управления, целесообразно выделять главные типы или классы явлений,.Помимо этого, выделение главных явлений в процессах переработки масличных семян непосредственно поможет решать такие задачи, как оптимальное конструирование агрегатов, определение оптимальных условий протекания процессов и, в конечном счете, является ОСНОВОЙ ДЛЯ разработки алгоритмов оптимального управления производством растительного масла.
Рассмотрим комплекс технологических процессов подготовительного и форпрессового участков производства хлопкового масла, в которых протекают указанные выше явления, и определим объект оптимизации. Подготовительный и форпрессовый участки производства хлопкового масла включают в себя склад семян, семяочисте-тельное, шелушильно-сепараторное, вальцовое и форпрессовое отделения / 84_7,
На рис.4.1.1 представлена аппаратурная схема подготовительного и форпрессового отделений производства хлопкового масла / 44_7. Хлопковые семяна из складов семян через автоматические весы (рис.4.1.1) типа ДСХ-І50 поступают в бункера-питатели (I), оттуда в семяочистительное отделение, где производится предварительная очистка семян на машинах МХС или буратах (). Далее производится вторичная очистка на пневмоочистителях (3). При необходимости (когда влажность семян ниже 7%) семена увлажняются в увлажнителях (3,а), где влажность ядра доводится до 8,5 -9,5% для семян І-Ш сортов и 9,5-10,5 - для ІУ сорта. Поверхностная влага семян удаляется в обдувочных шнеках путем интенсивной подачи воздуха с температурой 70-80С. Доведенные до заданной влажности семена поступают на шелушители первого шелушения (4), где предварительно рушатся на дисковых шелушителях. После первого шелушения рушанка через двойные встряхиватели (5) поступает в сепараторы (6), где происходит отделение ядра от оболочки семян (шелухи). Остаточная смесь шелухи и недорушки из сепараторов первого шелушения поступает на шелушители второго шелушения (7), где недорушка разрушается. Рушанка после второго шелушения поступает на двойные встряхиватели (8) и затем сепарируется вторично (9) Полученные ядра через распределительные шнеки проходят через вольцовые станки (10) типа ВС-5 для измельчения, после чего мятка по сборным шнекам нориям подается в распределительный шнек над жаровнями. Через высыпные отверстия распределительного шнека над жаровнями мятка поступает на пропарочно-увлаж нительные шнеки для предварительной влаго-тепловой обработки. Затем мятка поступает в жаровни (II). В пропарочно-увлажнительном шнеке влажность мятки доводится до 11-12,8%, а температура - до 70-80С для семян 1-й сортов и соответственно 12-13,5%, бО-70С для семян. Последующая, причемосновная, влаго-тепловая обработка мятки (мезга) должна иметь следующие влаго-тепловые характеристики: влажностьб,0-7,0% для семян І-Ш сортов, 7,0-8,0 - для ІУ сорта; температура Ю0-Ю5С для семян I-ffl сортов, 95-Ю0С - для ІУ сорта.
Похожие диссертации на Разработка адаптивных алгоритмов оптимального управления нестационарными технологическими процессами (на примере масложирового производства)
