摘 要：本发明公开一种胡麻籽炒制工艺控制系统以及胡麻籽炒制方法，该系统包括炒制设备、设备控制器、信息传感器、BP神经网络计算器以及误差调节器，通过建立BP神经网络模型构建的上述BP神经网络计算器能够输出相应的理想控制目标参数作为设备控制器控制炒制设备参数，以此实现对胡麻籽炒制过程的实时监控；基于上述胡麻籽炒制工艺控制系统所实施的胡麻籽炒制方法，能够提高胡麻籽的炒制品质，防止胡麻籽焦煳、粘锅等情况发生，达到降低胡麻油中苯并芘含量的目的。
权利要求书
1.一种胡麻籽炒制工艺控制系统，包括炒制设备，其特征在于，还包括，
设备控制器、信息传感器、BP神经网络计算器以及误差调节器，其中：
所述信息传感器用于获取胡麻籽品质参数以及所述炒制设备的工作状态参数；
所述BP神经网络计算器用于接收所述信息传感器输出的胡麻籽品质参数以及所述炒制设备的工作状态参数作为输入信号，根据所述输入信号确定胡麻籽炒制设备的理想控制目标参数，并将所述理想控制目标参数作为输出信号输出；
所述误差调节器用于接收所述BP神经网络计算器输出的理想控制目标参数以及所述信息传感器输出的炒制设备的工作状态参数，获取并输出所述理想控制目标参数与所述工作状态参数之间的误差值；
所述设备控制器用于接收所述误差值，并根据所述误差值以及所述炒制设备的工作状态参数控制所述炒制设备改变工作状态。
2.根据权利要求1所述的胡麻籽炒制工艺控制系统，其特征在于：
所述信息传感器输出的投料品质参数包括：颜色、千粒重、含油量、储存温度；
所述信息传感器输出的炒制设备的工作状态参数包括：进料量、初始温度、搅拌转速、炒制温度、炒制时间。
3.根据权利要求2所述的胡麻籽炒制工艺控制系统，其特征在于：所述信息传感器输出的炒制设备的工作状态参数还包括：锅内压力、锅内湿度、升温时间、保温时间、出料时间。
4.根据权利要求1-3中任意一项所述的胡麻籽炒制工艺控制系统，其特征在于：所述BP神经网络计算器包括输入模块、隐层模块和输出模块，其中：
所述输入模块用于接收所述信息传感器输出的胡麻籽品质参数以及所述炒制设备的工作状态参数作为输入信号；
所述输出模块用于将所述理想控制目标参数作为输出信号；
所述隐层模块用于输出所述炒制设备在自动控制过程中不同阶段的标准控制参数之间的权重值，其中每一阶段的标准控制参数与前一阶段的标准控制参数间通过权重值建立关联，且所述权重值根据所述输入信号和所述输出信号进行配置。
5.根据权利要求4所述的胡麻籽炒制工艺控制系统，其特征在于，所述BP神经网络计算器还用于获取所述误差调节器输出的所述误差值，并根据所述误差值对所述权重值进行调整。
6.根据权利要求4所述的胡麻籽炒制工艺控制系统，其特征在于，所述输出模块输出的理想控制目标参数包括：目标搅拌转速、目标炒制时间、目标炒制温度。
7.根据权利要求4所述的胡麻籽炒制工艺控制系统，其特征在于，所述隐层模块中，炒制设备自动控制的不同阶段包括升温阶段以及恒温阶段。
8.根据权利要求7所述的胡麻籽炒制工艺控制系统，其特征在于，所述隐层模块中的炒制设备自动控制的不同阶段的标准控制参数包括：胡麻籽投入量过多的判定参数、胡麻籽投入量过少的判定参数、锅内温度过高的判定参数、锅内温度过低的判定参数、搅拌转速过低的判定参数、搅拌转速过高的判定参数。
9.一种胡麻籽炒制方法，基于上述胡麻籽炒制工艺控制系统，其特征在于，包括以下步骤：
S1.获取投入所述炒制设备的同一批胡麻籽的品质特征参数以及所述炒制设备的初始状态参数；
S2.基于所述BP神经网络计算器、所述胡麻籽的品质特征参数以及炒制设备的初始状态参数获取所述炒制设备的目标控制参数；
S3.根据所述目标控制参数向所述炒制设备输入控制信号，对胡麻籽进行炒制干燥。
技术领域
本发明属于胡麻籽制油技术领域，尤其涉及一种胡麻籽炒制工艺控制系统以及胡麻籽炒制方法。
背景技术
在胡麻籽制油工艺中，胡麻籽炒制是决定胡麻出油质量的关键环节。在炒制环节中，胡麻籽在高温炒锅中不断被翻炒至熟，使其内部的水分降低，表皮出香，以便后续热榨出油。然而随着榨油量不断增加，由于所投入炒锅的胡麻籽原料批次不同，胡麻籽的品质也不同，且连续作业过程中，每批胡麻籽的炒制环境也有所变化，最终导致得到的若干批次的胡麻油品质参差不齐。在对成品油苯并芘的抽样调查环节中，发现部分胡麻油中苯并芘含量超标。造成苯并芘超标的原因虽然主要由炒制温度和炒制时间控制不当所致，且炒制温度与炒制时间一般根据投料量以及经验进行设置，缺乏对胡麻籽品质以及炒制设备状态的考虑，综上原因导致成品油品质中的苯并芘含量难以控制。
现有技术中用于炒制胡麻籽的全自动炒制设备，通过定量投料、多段控温等方式提高炒制品质，但由于投入的胡麻籽品质不尽相同，投料次序并无规律可言，且炒制设备的工作环境亦在随时改变，而现有的自动炒制设备的系统程序、控制参数以及软件架构基本是静态的，无法应对上述多变的工作条件，导致其不能完全解决胡麻籽炒制工艺导致的成品油中苯并芘含量超标的问题。
发明内容
基于上述背景技术需要，本发明公开一种胡麻籽炒制工艺控制系统以及胡麻籽炒制方法，能够精确控制胡麻籽炒制设备的工作状态，防止胡麻籽在炒制过程发生焦糊，使胡麻油中的苯并芘含量合格。
为达到上述目的，本发明的技术方案是：
一种胡麻籽炒制工艺控制系统，包括炒制设备、设备控制器、信息传感器、BP神经网络计算器以及误差调节器，其中：所述信息传感器用于获取胡麻籽品质参数以及所述炒制设备的工作状态参数；所述BP神经网络计算器用于接收所述信息传感器输出的胡麻籽品质参数以及所述炒制设备的工作状态参数作为输入信号，根据所述输入信号确定胡麻籽炒制设备的理想控制目标参数，并将所述理想控制目标参数作为输出信号输出；所述误差调节器用于接收所述BP神经网络计算器输出的理想控制目标参数以及所述信息传感器输出的炒制设备的工作状态参数，获取并输出所述理想控制目标参数与所述工作状态参数之间的误差值；所述设备控制器用于接收所述误差值，并根据所述误差值以及所述炒制设备的工作状态参数控制所述炒制设备改变工作状态。
优选地，所述信息传感器输出的投料品质参数包括：颜色、千粒重、含油量、储存温度；所述信息传感器输出的炒制设备的工作状态参数包括：进料量、初始温度、搅拌转速、炒制温度、炒制时间。
优选地，所述信息传感器输出的炒制设备的工作状态参数还包括：锅内压力、锅内湿度、升温时间、保温时间、出料时间。
优选地，所述BP神经网络计算器包括输入模块、隐层模块和输出模块，其中：所述输入模块用于接收所述信息传感器输出的胡麻籽品质参数以及所述炒制设备的工作状态参数作为输入信号；所述输出模块用于将所述理想控制目标参数作为输出信号；所述隐层模块用于输出所述炒制设备在自动控制过程中不同阶段的标准控制参数之间的权重值，其中每一阶段的标准控制参数与前一阶段的标准控制参数间通过权重值建立关联，且所述权重值根据所述输入信号和所述输出信号进行配置。
优选地，所述BP神经网络计算器还用于获取所述误差调节器输出的所述误差值，并根据所述误差值对所述权重值进行调整。
优选地，所述输出模块输出的理想控制目标参数包括：目标搅拌转速、目标炒制时间、目标炒制温度。
优选地，所述隐层模块中，炒制设备自动控制的不同阶段包括升温阶段以及恒温阶段。
优选地，所述隐层模块中的炒制设备自动控制的不同阶段的标准控制参数包括：胡麻籽投入量过多的判定参数、胡麻籽投入量过少的判定参数、锅内温度过高的判定参数、锅内温度过低的判定参数、搅拌转速过低的判定参数、搅拌转速过高的判定参数。
本发明还公开一种胡麻籽炒制方法，基于上述胡麻籽炒制工艺控制系统，包括以下步骤：
S1.获取投入所述炒制设备的同一批胡麻籽的品质特征参数以及所述炒制设备的初始状态参数；
S2.基于所述BP神经网络计算器、所述胡麻籽的品质特征参数以及炒制设备的初始状态参数获取所述炒制设备的目标控制参数；
S3.根据所述目标控制参数向所述炒制设备输入控制信号，对所述胡麻籽进行炒制干燥；
通过采用上述技术方案，与现有技术相比，本发明至少具有以下有益效果：
在上述胡麻籽炒制方法的实施过程中，通过向所述胡麻籽炒制工艺控制系统输入部分胡麻籽品质参数以及投料量，即可输出相应的炒制时间、炒制温度以及搅拌转速对所述炒制设备进行实时控制，得到精确控制的所述炒制设备能够提高胡麻籽的炒制品质，防止胡麻籽焦煳、粘锅等情况发生，达到控制和降低胡麻油中苯并芘含量的目的。
附图说明
图1为一实施例的胡麻籽炒制工艺控制系统的原理框图。
图1
图2为一实施例中BP神经网络计算器的原理示意图。
图2
图3为一实施例中所述胡麻籽炒制工艺控制系统的BP神经网络计算器的原理示意图。
图3
图中：炒制设备10、设备控制器20、信息传感器30、BP神经网络计算器40、输入模块41、隐层模块42、输出模块43、误差调节器50。
实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征能够相互组合。以下将结合本发明实施例的附图，对本发明的技术方案做进一步描述，本发明不仅限于以下具体实施方式。
需要理解的是，实施例的附图中相同或相似的标号对应相同或相似的部件。在本发明的描述中，需要理解的是，若有术语“上”“下”“内”“外”“左”“右”“前”“后”“顶部”“底部”等指示的方向或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的结构或部件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
下面结合附图1－3及具体实施例对本发明进行进一步详细说明。
一种胡麻籽炒制工艺控制系统，包括炒制设备10、设备控制器20、信息传感器30、BP神经网络计算器40、误差调节器50。其中，炒制设备10是基本由翻炒组件、加热组件、进料组件、定时器等装置组成的具有胡麻籽自动投料、加热翻炒、定时自动出料功能的设备；信息传感器30由多组传感器和识别元件组成，用于检测和输出胡麻籽的品质以及炒制设备10的工作状态，并将能够代表胡麻籽品质的特征参数以及炒制设备10的工作状态参数输出；BP神经网络计算器40用于接收信息传感器30发送的胡麻籽品质参数以及炒制设备10的工作状态参数并作为输入信号，根据输入信号确定炒制设备10的理想控制目标参数并将该理想控制目标参数作为输出信号输出；误差调节器50用于接收上述BP神经网络计算器40输出的理想控制目标参数以及信息传感器30输出的炒制设备10的工作状态参数，获取并输出上述理想控制目标参数与工作状态参数之间的误差值；设备控制器20用于接收上述误差值，并根据误差值以及炒制设备10的工作状态参数控制炒制设备10的工作状态。
具体地，上述系统中，炒制设备10作为受控对象，设备控制器20用于根据上述胡麻籽品质参数以及炒制设备10的部分工作状态参数控制炒制设备10炒制胡麻籽的关键参数，如翻炒转速、炒制温度、炒制时间，上述参数可直接决定胡麻籽炒熟的品质，其中，翻炒转速能够决定胡麻籽的是否发生粘连，由于胡麻籽粘连至炒锅壁上容易引起积温，导致受热不均，适宜的翻炒转速可以防止胡麻籽粘锅，使其受热均匀；合适的炒制温度以及炒制时间能够控制胡麻籽的熟度以及炒制效率，避免胡麻籽长期处于高温状态被炒煳；信息传感器30是集成有多个传感器以及信息储存器的装置，其中传感器遍布于炒制设备10各处，用于收集胡麻籽的颜色、胡麻籽储存温度、胡麻籽的入锅重量以及炒锅内初始温度、湿度、翻炒转速、锅内湿度等，以体现影响炒制结果的各项参数；信息储存器用于对炒制设备10的历史设定参数：进料量、初始温度、搅拌转速、炒制温度、炒制时间以及炒制过的多批胡麻籽的千粒重、含油量等品质参数进行记录；当炒制设备10作业时，上述传感器实时获取上述参数反馈至BP神经网络计算器40中的神经网络模型中，以输出用于控制炒制设备10信号，实现对炒制设备10的自动控制和状态监控。
优选地，如图2所示，上述BP神经网络计算器40是基于BP神经网络模型建立的具体设备，包括输入模块41、隐层模块42和输出模块43，分别对应BP神经网络模型的输入层节点X、隐层节点Z以及输出层节点Y。该BP神经网络模型中包含两个方向的信号交流，即函数信号和误差信号，图中，函数信号为输入信号（X0～Xn）由输入层节点进入，经隐层节点传播，最终达到输出层节点输出输出信号（Y0～Ym）。在本实施例中，所述BP神经网络计算器40采用BP神经网络建模，所述误差调节器50为经过BP神经网络模型训练的控制策略，即以神经元权重为依据的自适应控制方法，通过自适应机构计算出相应的控制参数，并输出给设备控制器20对炒制设备10进行控制。
本实施例中提供一种优选的基于BP神经网络参考模型的胡麻籽炒制工艺控制系统的操作步骤如下：
（1）构建BP神经网络模型计算器40，包括以下步骤：
1.分析影响炒制设备10影响胡麻籽炒制质量的因素，获取胡麻籽关键品质参数以及炒制设备10的历史工作参数作为BP神经网络模型的输入信号，并以此信号构建输入模块41；
2.确定理想控制目标参数为输出信号，作为BP神经网络模型的输出信号，以此信号构建输出模块43；
3.将炒制设10备的自动控制过程分为若干进程，对每个进程制定质量标准与判断准测，具体设置标准参数，并将每一进程涉及的作业参数与上述标准参数进行对比，以判断是否符合目标要求。上述比对过程产生的若干结果作为上述BP神经网络模型隐层节点，上述过程可以是控制过程中的若干调节进程，且这些调节进程之间有隐性关系。最简单的例子：如炒制设备10的温度控制进程分为：升温过程、恒温过程、降温过程。
对上述BP神经网络模型计算器40进行训练，包括以下步骤：
收集BP神经网络模型的样本集，即收集炒制设备10的控制神经元样本集。样本集的获取可以采用两种方式，第一种方式为根据历史经验值进行设定，如炒制设备10在工作过程中的一些参数值均可以保存至一历史经验值数据库，其中能够包括大量的不同工作情况下的相关值，这部分数据能够作为样本集使用，用来模拟设备控制器20的BP神经网络模型。另一种情况，直接配置炒制设备10的工作环境，模拟各种不同情况，在不同情况下控制炒制设备10炒制胡麻籽，使其满足预设目标，由此能够得到上述胡麻籽炒制工艺控制系统在不同工作环境下要达到不同预设目标时的工作参数，这部分数据即可作为样本集。
构建输入模块41，即确定BP神经网络模型的输入节点。输入层节点主要包括影响胡麻籽炒制后油品质量的因素，包括胡麻籽自身品质，以及炒制设备10的进料、炒制等工作状态和控制参数。具体地，包括将胡麻籽品质进行参数化后的各项指数：颜色、千粒重、含油量、储存温度；炒制设备10的工作状态参数包括：进料量、初始温度、搅拌转速、炒制温度、炒制时间、锅内压力、锅内湿度、升温时间、保温时间、出料时间。以上信息通过上述信息传感器30获得。
构建输出模块43，即确定BP神经网络模型的输出节点。按照直接影响胡麻油中苯并芘含量的因素确定BP神经网络模型的输出信号，即：搅拌转速、炒制时间、炒制温度。当然，在其他实施例中，还可能包含更多其他参数构成的节点，输出节点划分越细，其结构越清晰。
构建隐层模块42，即确定BP神经网络模型的隐层节点。需要说明的是，隐层节点是在确定了输入和输出节点后才进一步确定的，其可以根据输出节点的参数去反推隐层节点的参数，使得隐层节点的设置能够同时满足输出节点和输入节点的要求。根据上述输入节点的划分，隐层节点可选择炒制设备10可能出现的：胡麻籽投入量不足、胡麻籽投入量过多、锅内炒制温度过高、锅内炒制温度过低、搅拌转速过低、搅拌转速过高等。具体地，上述隐层节点中可设置胡麻籽投入量过多的判定参数、胡麻籽投入量过少的判定参数、锅内温度过高的判定参数、锅内温度过低的判定参数、搅拌转速过低的判定参数、搅拌转速过高的判定参数。通过实时获取炒制设备10的工作状态参数与相应的判定参数进行比较，即可确定其是否满足隐层节点中的判定条件。
配置误差调节器50。从输出节点反馈到隐层节点，建立所述胡麻籽炒制工艺控制系统中自动控制过程中各个节点的输出标准及理想的控制过程，如进料量、炒制温度、搅拌转速、炒制时间等，对每一节点的输出参数设定阈值，当炒制设备10的实际工作状态参数小于设定阈值时，就需要误差调节器50来实现调节。针对误差对应的过程中关联的相关因素（神经元），即输入层节点进行测试。例如，当将某一输入节点的参数更换为样本集总的输入层节点参数后，得到的设备控制器20的实际输出与理想输出的误差减小，说明该输入节点参数对该自动控制过程的增益较大，可以为其配置较大的权值。因此，根据使误差向减小方向发展的原则，可调整BP神经网络模型中与该自动控制阶段相关的各输入节点、隐层节点中相关参数（神经元）的连接权值。通过不断测试可以逐渐找出主要的影响因素，并确定其对应的权值，摸清其神经脉络。参与测试的样本越多，建立的模型就越稳定，模型产生的误差也越小。
如图3所示，基于BP神经网络模型构建的胡麻籽炒制工艺系统实例，该实例中包括13个输入层节点，3个输出层节点以及3个隐层节点，隐层节点由若干输入层节点按照权值产生连接，权值为0的表示该隐层节点与输入层该节点信息没有关联，权值为1的表示该隐层节点与输入层该节点信息具有最高程度的关联。
在本实施例中，以隐层节点1为例进行说明，架设隐层节点1表示的是炒制设备10的搅拌转速，根据表格中权值的体现，其与千粒重、进料量、搅拌转速、炒制温度、锅内湿度有关联，其相对应的位置用“1”表示，与其余输入节点无关联则相应位置处显示为“0”，如前所述，隐层节点还需要通过输出节点进行反推，因此隐层节点与输出节点之间的关联性也通过权值反映，其中每一权值的具体大小，可根据样本值进行训练后得到，此处不再详细描述。
通过上述方案，使建立出的BP神经网络计算器40能够通过不断尝试，使实际输出与理想输出的误差逐渐减小，从而使炒制设备能够根据所投入的胡麻的品质以及炒制设备的工作环境参数设定最适宜的搅拌转速、炒制温度与炒制时间，并能够实时调整工作状态，对炒制温度、炒制时间以及搅拌转速进行精确控制，达到防止胡麻籽粘连、积温以及失水过多导致焦糊的情况出现。由于胡麻籽炒制品质的不断提高，胡麻油中的苯并芘含量也将得到有效控制，在检测合格范围内趋于稳定。
本发明还公开一种胡麻籽炒制方法，基于上述胡麻籽炒制工艺控制系统，包括以下步骤：
S1.获取投入炒制设备10的同一批胡麻籽的品质特征参数以及炒制设备10的初始状态参数；
S2.基于所述BP神经网络计算器、所述胡麻籽的品质特征参数以及炒制设备的初始状态参数获取所述炒制设备的目标控制参数；
S3.根据所述目标控制参数向所述炒制设备输入控制信号，对所述胡麻籽进行炒制干燥；
本方法具体实施过程内容详见上述胡麻籽炒制工艺控制系统的具体实施方式。
通过上述实施方式，至少实现以下技术效果：
在上述胡麻籽炒制方法的实施过程中，通过向上述胡麻籽炒制工艺控制系统输入部分胡麻籽品质参数以及投料量，即可输出相应的炒制时间、炒制温度以及搅拌转速对炒制设备10进行实时控制，得到精确控制的炒制设备10能够提高胡麻籽的炒制品质，防止胡麻籽焦煳、粘锅等情况发生，达到控制并降低胡麻油中苯并芘含量的目的。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无须也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
文章摘自国家发明专利，发明人：丁阳，丁国海，丁国民；申请号：202311658483.X；申请日：2023.12.06
