[发明专利]一种控制烘丝入口含水率的方法和系统

说明书

本发明公开了一种控制烘丝入口含水率的方法和系统，在不改变制丝生产线任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过采集历史操作的基础工况信息和机器学习的方法，提供安全、便捷、合理的加水比例建议，并预测出各阶段含水量的变化量，以及中间松散出口、润叶入口、润叶出口、烘丝入口这四个位置的含水率预测，从而达到烘丝入口含水率的控制。

技术领域

本发明涉及烘丝技术领域，尤其涉及一种控制烘丝入口含水率的方法和系统。

背景技术

烟草含水率控制是烟草行业关注的重要课题，其主要难点在于烘丝之前各工艺段含水率控制难度较大，主要是影响烟草含水率的因素较多，如环境温湿度，留柜时长，加水比例、蒸汽比例等。

目前烟草制丝的生产前的工单往往只下达了一个加水比例，而该加水比例往往由有经验的员工设定，不同的员工，设定值可能不同，同时，由于影响含水率的因素多，导致烟草质量不稳定。因此有必要提出一种低成本、安全、便捷的智能化的辅助决策方案，帮助烟草制丝车间提供一个较准确可靠的加水比例，从而达到烘丝入口含水率的控制。

发明内容

本发明为解决上述技术问题，提供了一种控制烘丝入口含水率的方法和系统，在不改变制丝生产线任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，提供安全、便捷、合理的加水比例建议，并预测出各阶段含水量的变化量，以及中间松散出口、润叶入口、润叶出口、烘丝入口这四个位置的含水率预测，从而达到烘丝入口含水率的控制。

一种控制烘丝入口含水率的方法，采集历史操作的基础工况信息，不同的基础工况建立不同的工作模型。所述基础工况包括烘丝入口前的加工阶段影响烘丝入口含水率的主要因素的相应参数，所述加工阶段包括：松散阶段、预混柜阶段、润叶加料阶段和贮叶阶段，其中，所述松散阶段的主要因素包括：加水比例、蒸汽比例、松散回风温度、松散物料流量、压空到松散的加料比例、松散环境温湿度、松散水分变化量；所述预混柜阶段的主要因素包括：预混柜的环境温湿度、预混柜时长、预混柜水分变化量；所述润叶加料阶段的主要因素包括：加料回风温度、加料物料流量、加料蒸汽补偿实际比例、压空到加料的加料比例、加料的环境温湿度、润叶加料水分变化量；所述贮叶阶段的主要因素包括：贮叶柜环境温湿度、贮叶环境温湿度、贮叶柜时长、贮叶水分变化量。

建立机器学习模型，所述机器学习模型包括编码单元、优化目标和变量编码；其中，所述编码单元是模型的主要信息单元，是机器学习的知识点，包括基础工况信息及与每组基础工况信息对应的松散出口水分仪零点值、加料入口水分仪零点值、加料出口水分仪零点值和烘丝入口水分仪零点值；控制烘丝入口含水率为所述优化目标；所述变量编码是模型定位的一种编码，由各阶段各变量计算得出，实现各变量对模型的映射，即根据变量可以快速找到相应的模型，所述变量为基础工况信息中的一种或多种的组合；所述工作模型通过变量编码与编码单元一一对应，通过对应关系指示机器学习任务将工作模型派给哪个编码单元，或者当前工作模型从哪个编码单元获取历史操作信息。

给出下单时产线上各个测点获得的当前的加工阶段的基础工况信息、松散出口水分仪零点值、加料入口水分仪零点值、加料出口水分仪零点值、烘丝入口水分仪零点值和烘丝入口含水率设定值，得到变量编码，匹配到编码单元，计算得到预混柜阶段、润叶加料阶段和贮叶阶段三个阶段的阶段水分变化量，最后得到松散阶段的加水比例，生成优化方案。

可选的，在制丝实际生产中，开始阶段往往是个循序渐进的过程，是倒“U”的动态数据，无法稳定反应实际变量与相关因素的关系，为进一步提升优化方案的可靠度，前面N分钟数据是不加以处理为变量编码的，即所述机器学习模型的学习过程中剔除产线中非稳定数据，不加以处理为变量编码，所述非稳定数据包括产线工作起始阶段的数据、生产中断料时间段内的数据、远超设定的正常范围内的异常数据，数据的筛选大大提高了最后优化方案的精准性。