大容积电烤箱内传热过程的反向传播神经网络控制算法

摘要

大容积电烤箱内存在严重加热不均匀问题，限制其在商业和家用领域的广泛应用，传统比例-积分-微分(PID)控制算法存在弛豫时间长、温控精度差等问题，导致被加热目标无法维持在最佳烹饪热环境。通过自编程构建了一种反向传播神经网络(BPNN)控制策略，以改善大容积电烤箱的加热速率、温控精度及热均匀性为目标，通过局部速度、温度分布与美拉德反应可视化实验测试，探究了风扇转速、对流与辐射加热功率和排气流量等因素的影响。实验结果表明：在提升算法鲁棒性后，BPNN算法对烤箱内温度预测误差显著降低；相比PID控制方法，采用BPNN算法的被加热目标过热度最多降至6℃,温控精度显著提高；被加热目标表面温度的相对极差从54%降至36%,速度相对极差从71.4%下降至39%,均匀性显著增强；电烤箱的加热弛豫时间从230 s降至100 s。BPNN算法能够实现大容积电烤箱更精确、更快速、更均匀的温度控制。

关键词

电烤箱 / 反向传播神经网络 / 对流与辐射 / 热均匀性 / 弛豫时间

基金资助

国家自然科学基金青年基金资助项目(52206113)