我們都知道滾筒烘干機的很多指標影響了烘干物料的質量，所以不能忽視滾筒烘干機使用時的調節過程，例如需要根據不同的物料，調整合適的溫度，前提是我們能預測和判斷烘干機進料口和出料口的溫度。
滾筒烘干機的被控對象是非線性系統，采用Spss16.0軟件的Nonlinear Regression功能模塊來進行計算分析。
正確定義好模型的表達式和初始值后，根據表中的試驗數據建立出口溫度函數模型。殘差平方和RSS(Residual Sumof
Squares)體現了觀測值與回歸值之間的偏離，為了使RSS小到一定程度，采用麥夸迭代法獲得估計參數。
迭代過程中RSS越來越小，當殘差及各參數估計值穩定后，模型達到收斂標準，找到**解后不再迭代。模型的迭代結果如表3所示。由迭代結果計算出參數的估計值，得出相對應的3個函數模型。
回歸方程的擬合優度R越接近1，擬合優度越高，3個回歸模型的分別為0.988，0.987和0.944，表明其擬合優度都很高。擬合優度越高，回歸平方和越大，殘差平方和越小，表明3個回歸方程的擬合性檢驗均滿足要求。
建立的3個模型可以預測出口溫度的大小，選擇有代表性的試驗值與預測值進行對比分析，結果如表7所示。經對比可知，Y預測值與試驗值的**偏差為1.63℃，最小偏差為0.02℃;Y預測值與試驗值的**偏差為1.5℃，最小偏差為0.04℃;Y預測值與試驗值的**偏差為3.28℃，最小偏差為0.13℃。3個回歸模型的**預測偏差都在控制需求的±5℃范圍內。
分析3個模型的迭代次數、方差分析及預測效果，表明模型3具有如下特點：常數項越小，參數的作用越大;模型的迭代次數越少，反應時間越靈敏;控制的參數越少，控制越方便可靠，預測偏差在控制需求范圍內;并且模型3更直觀反映了正交試驗的因素主次關系。因此，在實際控制中選用模型3作為滾筒式牧草烘干機控制系統的非線性回歸模型，既能實現快速響應，又能滿足控制精度要求。
鄭州紅星機器有限公司: http://cn.richvast.com/hx515317/
滾筒烘干機使用時的調節過程: http://www.hxjq.cn/n605.html
滾筒烘干機:
http://www.hxzg.com/hongganji.html
資訊來源：
滾筒烘干機
您當前的位置: 首頁 > 行業資訊
