答辩博士：左毅
指导老师：陈坤杰教授
论文题目：基于稻谷品质模型的稻谷低温循环烘干智能控制关键技术研究
答辩委员会：
主席：
周 俊 教授/博导 南京农业大学
委员：
丁为民 教授/博导 南京农业大学
沈明霞 教授/博导 南京农业大学
朱 林 教授/博导 安徽农业大学
蒋雪松 教授/博导 南京林业大学
秘书：
戴 芸 南京农业大学
答辩时间：2025年5月30日8:30
答辩地点：滨江校区工学楼B442
论文简介：
现有烘干机智能化程度较低，设备缺乏对干燥过程的智能感知和调控能力。为此，本文根据江淮地区的气候条件，围绕优质、智能、高效、节能干燥等实际需求，以热泵式低温循环烘干机为研究对象，聚焦于干燥品质智能感知和调控难题，分别开展了加热—缓苏干燥过程稻谷品质变化规律研究、基于数据驱动的稻谷含水率与干燥能耗神经网络预测模型研究、以及基于稻谷品质控制的干燥过程智能控制关键技术研究，以期为稻谷低温循环烘干装备智能化发展提供参考意义。
主要创新点如下：
【创新点1】
针对智能化控制系统中对稻谷干燥品质在线评价的需求，以及目前稻谷加热-缓苏干燥工艺缺乏对干燥过程中品质变化的研究，展开稻谷加热-缓苏干燥工艺研究。将整精米率作为品质评价指标，建立每轮循环的最大水分梯度预测模型，该模型可用于稻谷干燥品质的动态评价。
【创新点2】
针对工业化干燥过程中在线水分仪存在测量精度低和检测滞后性的问题，提出一种基于当前干燥过程特征参数对水分进行实时估计的策略，结合相对影响力分析和Sobol 敏感性分析方法对特征参数进行优化，实现模型结构轻量化。最终构建的轻量化稻谷含水率估计模型，可用于热泵式低温循环烘干中对当前含水率的估测。在低温循环烘干过程中，干燥参数对水分的影响存在滞后效应，因此智能控制系统需提前预判未来水分变化以制定合理的参数调整策略。针对该需求，建立基于长短期记忆神经网络的含水率预测模型，提出通过群体智能算法优化LSTM模型以提升预测性能，最终构建的SSA-LSTM稻谷水分预测模型可对稻谷水分进行长时段预测，满足智能控制系统中对一个循环周期内的水分动态预测需求。
【创新点3】
现有的粮食烘干机智能控制方法缺乏对干燥品质与能耗的调控，导致干燥品质低、能耗高的问题。以最低干燥品质与降水幅度为约束条件，通过非支配排序遗传算法实现对干燥品质、降水幅度和能耗的协同优化。开发基于物联网的监测与智能控制系统，所开发的智能控制系统整体性能优越，具有良好的工程适用性和推广应用价值。
