烟草烘丝水分和温度控制预测系统及方法与流程

本发明涉及烟草企业制丝生产领域，特别涉及一种用于控制烟草烘丝水分的系统及方法。

背景技术：

烘丝过程是卷烟制丝工艺中一道重要工序，通过对烟丝加热干燥，使其达到一定水分以符合工艺要求，目的是提高烟丝的弹性和填充能力，改善烟丝质量。烘丝工艺对成品烟丝的填充值、碎丝率和香气特性等感官质量具有重要影响，而在烘丝工艺中烘丝出口水分和温度作为关键参数，其准确性和稳定性是烘丝效果的重要评价指标。

烘丝过程中影响烟丝出口水分的干扰因素较多，且该控制过程存在较强的非线性、不确定性、耦合性和滞后性。目前的烘丝水分控制主要采用pid算法并加以一些前馈补偿及顺序逻辑控制手段，各个控制回路之间相对独立，协调性差，难以做到真正的闭环自动控制。烘丝过程的头、尾段水分控制波动相对较大，加入了前馈补偿模块的头尾段控制品质不够稳定，人工控制模式下的头尾段控制品质好坏受操作人员的经验影响很大。已投入实际应用的烘丝过程水分控制系统大多很难保证较高的控制精度和控制平稳性要求，同时系统的改进和维护也比较困难。

技术实现要素：

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种能够有效提高烘丝机出口水分和温度预测和控制精度的方法。

为实现上述目的及其他相关目的，本发明提供了一种烟草烘丝水分和温度控制预测方法，其包括如下步骤：1)采集烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度、烘丝机出口水分与温度参数作为样本；2)搭建神经网络模型，以烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值；3)使用神经网络对影响烘丝后温度和水分的因素进行模拟训练，得到神经网络各层权重；4)使用训练好的神经网络模型计算或预测烟草烘丝机的工作状况。

优选的，步骤4)为将烘丝机出口目标水分和温度代入到神经网络模型中得到烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度。

优选的，步骤4)为将烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度参数带入到神经网络模型中预测烘丝机出口水分和温度。

优选的，所述神经网络模型采用bp神经网络模型。

优选的，所述bp神经网络模型各项参数为：神经元层次2、神经元个数12、激活函数tansig、误差函数mse、迭代次数最大值、1000、停止误差0.01。

本专利还公开了一种实现上述烟草烘丝水分和温度控制预测方法的系统，其包括一神经网络模块，所述神经网络模块以烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值。

优选的，所述神经网络模块采用bp神经网络模型。

如上所述，本发明具有以下有益效果：该烟草烘丝水分和温度控制预测方法通过搭建神经网络模型，将烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值，通过训练得出神经网络模型各层最佳的权重，经验证，通过该方法神经网络模型可有效预测烘后烟丝的温度和含水率，并可根据需要的烘丝机出口水分和温度反推出烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度等参数，从而为烘丝机运行提供依据，进而达到提高烘丝质量的目的。

附图说明

图1为本发明实施例的流程图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

请参阅图1。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

如图1所示，本发明提供了一种烟草烘丝水分和温度控制预测方法，其包括如下步骤：

1)首先采集烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度、烘丝机出口水分与温度参数作为样本。

2)搭建神经网络模型，以烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值。神经网络模型采用bp神经网络模型，bp神经网络模型各项参数为：神经元层次2、神经元个数12、激活函数tansig、误差函数mse、迭代次数最大值、1000、停止误差0.01。

3)使用神经网络模型对影响烘丝后温度和水分的因素进行模拟训练，得到神经网络模型各层权重。

4)使用训练好的神经网络模型计算或预测烟草烘丝机的工作状况：具体的，可将烘丝机出口目标水分和温度代入到神经网络模型中，通过神经网络模型计算得到烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度。或者将烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度等参数全部或部分带入到神经网络模型中，通过神经网络模型预测烘丝机出口水分和温度。

作为一种具体实施方式：

1、以贵阳卷烟厂制丝车间的历史数据库中存储了研究需的7项输入值与2项输出值，采集烘丝机参数时间为2018-10-20～2018-12-13。在本次研究中，收集了527个样本，其中在建模中使用其中的490个样本来建立神经网络模型，余下的37个来检验模型。

2、bp神经网络各项参数为：神经元层次：2，神经元个数：12，激活函数：tansig，误差函数：mse，迭代次数最大值：1000，停止误差0.01。

3、bp神经网络权重分析，如表1所示。

表1神经网络各层权重

4、使用得到的37个数据进行进一步的验证，如表2所示。结果表明：温度的平均相对误差为0.86％，最大相对误差为3.16％；含水率的平均相对误差为0.11％，最大相对误差为4.80％。表明建立的bp神经网络模型可以用于预测烘后烟丝的温度和含水率。

表2模型验证结果

5、设定烘丝机目标含水率为12.5％，出口温度为60℃，结果如下：

误差最小的条件下，参数：入口水分20％；转速：10；流量2950kg/h；热风温度103℃；筒壁温度152℃；热风风速0.53m/s；风门开度52。

含水率绝对误差<0.2％，出口温度绝对误差<0.2％的条件下，得到符合条件的参数238组。

本专利还公开了一种实现上述烟草烘丝水分和温度控制预测方法的系统，其包括一神经网络模块，所述神经网络模块以烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值。神经网络模块采用bp神经网络模型。

该烟草烘丝水分和温度控制预测方法通过搭建神经网络模型，将烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度作为输入值，烘丝机出口水分与温度作为输出值，通过训练得出神经网络模型各层最佳的权重，经验证，通过该方法神经网络模型可有效预测烘后烟丝的温度和含水率，并可根据需要的烘丝机出口水分和温度反推出烘丝机入口水分、烟片流量、滚筒转速、滚筒筒温、热风风速、热风温度以及风门开度等参数，从而为烘丝机运行提供依据，进而达到提高烘丝质量的目的。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除