一种基于深度学习的烟支吸阻智能控制系统及其控制方法技术方案

本发明专利技术公开了一种基于深度学习的烟支吸阻智能控制系统及其控制方法，通过使用单支烟高速数采方法，充分利用烟支生产过程中的数据，尤其是烟丝数据，提升烟支吸阻预测的准确性以及设定目标重量数值的准确性，通过离线预训练的方法，将人工经验知识纳入控制网络中，以人工专家经验为前提，进行模型的预训练，然后通过结合实时在线训练方式，在原有人工经验基础上，对控制策略进行修正，实现控制得实时在线，解决从烟支吸阻检测到控制的长周期，通过基于循环神经网络的烟支吸阻预测方法，通过运用循环神经网络的记忆功能，将人工经验与现有实时数据进行集合，对长期的烟支吸阻变化趋势进行预测，掌握合适的调整时机，提升烟支吸阻的稳定性。

【技术实现步骤摘要】
一种基于深度学习的烟支吸阻智能控制系统及其控制方法
本专利技术属于卷烟生产
，特别涉及一种基于深度学习的烟支吸阻智能控制系统及其控制方法。
技术介绍
成品烟支的吸阻值是最终产品的质量考核指标，而在烟支吸阻只有在卷烟机生产时是可控的，后续的输送和包装过程都是不可控的，因此在卷烟机处控制烟支吸阻的稳定性是关键。当前通过调整目标重量来稳定烟支吸阻的主要依据是质检员的多次抽样检测结果与经验。但人工采样检测反馈周期长，另外，质检员检测的是长支烟的烟支吸阻，进行目标重量的调整是直接作用于短支烟的，其中滤棒的烟支吸阻与重量是一个不可控因素，现有操作流程并未对其数据进行跟踪关联，在烟丝换批的过程中，并未对烟丝的不同批次数据特性进行综合考虑设定目标重量值。
技术实现思路
本专利技术的目的是提供一种利用单支烟实时数据以及烟丝批次历史数据，建立特征自动选择模型，通过深度学习方法，建立实时智能控制模型，通过调节目标重量来实现批间烟支吸阻的稳定性的烟支吸阻智能控制系统及其控制方法。为实现上述目的，本专利技术采用的技术方案如下：一本文档来自技高网...

【技术保护点】
1.一种基于深度学习的烟支吸阻智能控制系统，包括卷烟机、高速数采系统、卷包数采服务器、企业管理网、应用服务器、应用备份服务器、卷包智能控制服务器、卷包智能控制备份服务器、深度学习模型训练服务器、数据库服务器；其特征在于：所述高速数采系统设置在所述卷包数采服务器上，通过以太网与卷烟机相连接，用于采集卷烟机数据；所述卷包数采服务器，将数据上传给应用服务器；/n所述应用服务器，用于与深度学习模型训练服务器、数据库服务器、卷包数采服务器和卷包智能控制服务器进行通信；/n所述应用服务器设置有物联网平台，所述物联网平台将卷包数采服务器采集的卷烟机数据进行实例化，并通过自定义协议与卷包智能控制服务器中的数据...

【技术特征摘要】
1.一种基于深度学习的烟支吸阻智能控制系统，包括卷烟机、高速数采系统、卷包数采服务器、企业管理网、应用服务器、应用备份服务器、卷包智能控制服务器、卷包智能控制备份服务器、深度学习模型训练服务器、数据库服务器；其特征在于：所述高速数采系统设置在所述卷包数采服务器上，通过以太网与卷烟机相连接，用于采集卷烟机数据；所述卷包数采服务器，将数据上传给应用服务器；
所述应用服务器，用于与深度学习模型训练服务器、数据库服务器、卷包数采服务器和卷包智能控制服务器进行通信；
所述应用服务器设置有物联网平台，所述物联网平台将卷包数采服务器采集的卷烟机数据进行实例化，并通过自定义协议与卷包智能控制服务器中的数据整流模块进行通信，同时将数据保存到数据库服务器中；
应用服务器将于深度学习模型训练服务器获取的数据分析结果进行可视化展示，将于卷包智能控制服务器获取的目标重量值传给卷包数采服务器；
所述卷包智能控制服务器包括烟支吸阻预测模型、目标重量决策模型、数据整流模块和控制参量变换模块；
所述数据整流模块，通过自定义协议与应用服务器通信，获取应用服务器传来的数据，并通过所述控制参量变换模块，将应用服务器传来的数据变换后输出至烟支吸阻模型；
所述烟支吸阻预测模型将预测结果和整流数据，输出至目标重量决策模型；
所述目标重量决策模型将目标重量值输出到数据整流模块，经过控制参量变换模块变换后，通过自定义协议将数据传给应用服务器；
所述数据库服务器，用于提供数据存储服务；所述数据库服务器可扩展为多个；
所述深度学习模型训练服务器，用于对烟支吸阻预测模型进行预训练，并对数据进行分析，将数据处理后的结果输出至应用服务器；
所述卷包智能控制备份服务器，用于对卷包智能控制服务器的灾备；
所述应用备份服务器，用于对应用服务器的灾备。


2.根据权利要求1所述的一种基于深度学习的烟支吸阻智能控制系统，其特征在于：所述烟支吸阻预测模型，采用了特殊隐式单元的LSTM：
其中M称为记忆细胞的特殊单元累加器和I、O、F门控神经元，它在下一个时间步长将拥有一个权值并联结到自身，copy自身状态的真实值和累积的外部信号，这种自联结是由另一个单元学习并决定何时清除记忆内容的乘法门控制的；
首先使用LSTM的当前输入xt和上一个状态传递下来的ht-1拼接训练得到四个状态：












其中：Zi表示I门，Zf表示F门，Zo表示O门；
由于其展开是一个深度前馈网络，其中细胞状态则有：
Ct＝Zf⊙Ct-1+Zi⊙Z
Ht＝Z0⊙tanh(Ct)
输出，也就是烟支吸阻预测值则有：
yt＝σ(W'Ht)
其中：






F门：主要功能是决定应丢弃或保留哪些信息，具体操作是将上一层隐藏状态的信息与当前层的输入进行sigmoid变换，输出值越接近于0，信息就会越容易被删除；
I门：输入门用于更新细胞状态，首先将前一层隐藏状态的信息和当前输入的信息进行sigmoid变换，将值调整到0～1之间来决定要更新哪些信息，0表示不重要，1表示重要，其次还要将前一层隐藏状态的信息和当前输入的信息进行tanh变换，创造一个新的侯选值向量，最后将sigmoid的输出值与tanh的输出值相乘，sigmoid的输出值将决定tanh的输出值中哪些信息是重要且需要保留下来的；
M记忆细胞：前一层的M与F向量逐点相乘，如果它乘以接近0的值，意味着在新的细胞状态中，这些信息是需要丢弃掉的，然后再将该值与I门的输出值逐点相加，将神经网络发现的新信息更新到细胞状态中去，至此，就得到了更新后的细胞状态；
O门：用来确定下一个隐藏状态的值，隐藏状态包含了先前输入的信息，首先，将前一个隐藏状态和当前输入进行sigmoid变换，然后将新得到的细胞状态进行tanh变换，最后将tanh的输出与sigmoid的输出相乘，以确定隐藏状态应携带的信息，再将隐藏状态作为当前细胞的输出，把新的细胞状态和新的隐藏状态传递到下一个时间步长中去。


3.根据权利要求1所述的一种基于深度学习的烟支吸阻智能控制系统，其特征在于：所述卷包智能控制备份服务器的运行环境与所述卷包智能控制服务器一样，当卷包智能控制出现故障时，可以实时切换到卷包智能控制备份服务器；所述应用备份服务器的运行环境与所述应用服务器一样，当应用服务器出现故障时，可以实时切换到应用备份服务器。


4.根据权利要求1至3任一所述的一种基于深度学习的烟支吸阻智能控制系统，其特征在于：所述自定义协议，采用UDP或者TCP通信协议。


5.根据权利要求4所述的一种基于深度学习的烟支吸阻智能控制系统，其特征在于：所述卷烟机数据包括：吸丝带位置，B8M状态，ve大风机，ve小风机，ve吸丝带压力，se布带张紧压力，max大风机压力，烙铁1实际温度，烙铁2实际温度，搓板实际温度，水松纸实际温度，生产速度，当前车速，重量校正mg，吸阻校准系数，针辊供丝补偿量，针辊供丝量系数％，吸阻设定值，SRM重量表征数据，重量偏差当前值，重量短期标准差偏差当前值，重量长期标准偏差当前值，重量偏差校准值，过轻烟支重量极限mg，过重烟支重量极限mg，吸阻，通风度，漏气，松头，烟丝温度，重量，压实端量当前值，压实端位置当前值，烟丝水分，烟支第1段重量，烟支第2段重量，烟支第3段重量，烟支第4段重量，烟支第5段重量，目标重量mg，内部目标重量mg，给KIK的测量值，单周圆周值，圆周偏差值，圆周修正，圆周最大值，圆周最小值，烟支直径mm，烟支长度mm，圆周值，光学外观，前排CIS废品状态，后排CIS废品状态。


6.权利要求1至5所述的一种基于深度学习的烟支吸阻智能控制系统的控制方法，其特征在于，包括以下步骤：
步骤1：由高速数采系统采集卷烟机的7200支/分的单支烟毫秒级数据；
步骤2：将高速数采系统采集的数据上传到应用服务器中的物联网平台，物联网平台将采集的卷烟机数据进行实例化，同时将数据保存到到数据库服务器中；
步骤3：应用服务器中的物联网平台通过自定义协议与卷包智能控制服务器中的数据整流模块进行通信；
步骤4：将历史生产数据集合在深度学习模型训练服务器上通过深度学习算法LSTM进行烟支吸阻预测模型的预训练，并将预测结果通过应用服务器输出至卷包智能控制服务器中的烟支吸阻预测模型；
步骤5：将步骤3得到的整...

【专利技术属性】
技术研发人员：刘涛，逄顺鹏，王文娟，郭保琪，杨宁，茆琳，
申请(专利权)人：青岛海大新星软件咨询有限公司，
类型：发明
国别省市：山东;37