基于ISSA-LSTM的储麦长期品质预测

为了解决非时序预测模型无法预测储麦品质时序劣变趋势,以及现有数据驱动的时序预测模型在长期储麦品质预测中因样本不足导致长期预测精度不高的问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆网络(LSTM)的长期储麦品质预测模型。首先,提出了一种统计均匀分布方法,利用小麦稳定劣化的生理知识对原始数据进行增强扩容。其次,利用麻雀搜索算法(SSA)对LSTM模型进行优化,克服局部极值点,提高收敛速度。最后,引入t分布函数对SSA位置更新过程进行扰动避免局部最优。结果表明,储麦品质参数中的吸水率、咀嚼度、脂肪酸值和峰值黏度与储藏时间的Spearman相关性较为显著,相关系数均高于0.9,ISSA-LSTM模型预测精度相比于BP、LSTM、SSA-LSTM预测模型分别提高了11.83%、16.98%、26.50%,有助于提高小麦品质预测及分析的准确性。

片烟加料外混式空气雾化喷嘴雾化粒径分布特性

为检测烟草加料工艺过程中料液雾化液滴粒径分布特性,利用两台高速相机、外混式空气雾化喷嘴激光平台试验装置以及Halcon图像处理软件,分析了料液流量、料液温度、喷嘴气压对外混式雾化喷嘴雾化粒径分布的影响,同时利用离散型均匀分布方法建立了雾化液滴粒径的均匀性分布函数,利用量纲分析法建立了索太尔平均直径(SMD)的试验数学模型。结果显示:①在其他条件不变时,随着检测区域变化,雾化液滴分布均匀性效果逐渐变佳,其中区域4雾化液滴分布均匀性统计量变化差异最大。②其他条件相同时,随着雾化气压力的增加,雾化液滴分布均匀性呈逐渐降低趋势。③其他条件相同时,雾化液滴分布均匀性随料液流量增加而逐渐增加;雾化液滴分布均匀性随料液温度增加先减小后增大。④其他条件相同时,随着料液温度、雾化气压力的增加,SMD值呈不规则变化;随着料液流量、雾化气压力的增加,SMD值呈先减小后增大趋势;随着料液流量、料液温度的增加,SMD值逐渐减小。