一种制丝线产品质量预测模型的建立方法技术

本发明专利技术涉及一种制丝线产品质量预测模型的建立方法，选取设定批次的叶片段及对应的薄板干燥工序的设定时间段的历史数据作为待选样本；任选一个设定时间段的历史数据作为样本数据；运用简单移动平均法计算得到样本数据库；选出影响烘丝出料含水率的关键参数，并确定对应的切叶丝含水率的数据；运用前馈神经网络方法构建薄板干燥关键参数预测模型，以薄板干燥关键参数预测模型为基础，结合叶片段的样本数据库，得到叶片段切叶丝含水率预测模型。利用叶片段切叶丝含水率预测模型和薄板干燥关键参数预测模型，提供了不同季节气候及相应的环境温湿度下叶片段水分的智能控制的技术方案，并结合产品感官质量参数，实现制丝线烘丝产品质量的稳定性。丝产品质量的稳定性。

【技术实现步骤摘要】
一种制丝线产品质量预测模型的建立方法


[0001]本专利技术属于面向卷烟的制丝线的自动控制
，特别是指一种制丝线产品质量预测模型的建立方法。

技术介绍

[0002]中国是世界烟草第一大国，烟草产量和卷烟产量均为世界第一，烟草行业在我国国民经济中占有重要地位。但是，我国目前的烟草行业信息化、智能化水平较低，缺乏国际竞争力，如何提高我国烟草行业的信息化和智能化水平已经成为重中之重。
[0003]制丝生产线是卷烟加工的主要组成部分，也是提高信息化和智能化水平的关键，制丝线生产的烟丝对卷烟产品感官质量的影响较大，如何保障卷烟产品感官质量的一致性和稳定性，是本领域的重点研究方向。

技术实现思路

[0004]本专利技术的目的是提供一种制丝线产品质量预测模型的建立方法，以解决现制丝生产线受季节温湿度、切叶丝含水率及烘丝出料含水率不稳定，导致卷烟产品感官质量变化大而影响产品质量稳定性和一致性的问题。
[0005]一种制丝线产品质量预测模型的建立方法，包括以下步骤：
[0006]S1、确定切叶丝含水率和烘丝出料含水率为产品质量预测模型的因变量；
[0007]S2、在同一季节范围内，选取设定批次的叶片段及对应的薄板干燥工序的设定时间段的历史数据作为待选样本，并确定每个待选样本对应的环境温湿度数据范围；
[0008]S3、从步骤S2的待选样本中任选一个设定时间段的历史数据作为样本数据；并运用简单移动平均法计算得到样本数据库；
[0009]S4、通过样本数据库筛先选出影响烘丝出料含水率的关键参数，并确定对应的切叶丝含水率的数据；
[0010]S5、以样本数据库为基础，运用前馈神经网络方法构建薄板干燥关键参数预测模型，并以薄板干燥关键参数预测模型为基础，结合叶片段的样本数据库，得到叶片段切叶丝含水率预测模型；
[0011]S6、重复步骤S3至S5，甚至待选样本完成，得到设定个叶片段切叶丝含水率预测模型和薄板干燥关键参数预测模型；
[0012]S7、依据步骤S6的各预测模型数据，对同一批叶片段烟叶进行分别处理，得到对应的烘丝出料，分别经过感官品吸后，感官质量评价最高的烟丝该季节范围内的预测模型为制丝线产品质量预测模型。
[0013]优选的，在步骤S2和步骤S3之间还包括感官质量的关键参数范围的确定，是通过数据挖掘方法确定叶丝干燥工序影响感官质量的关键参数及关键参数的设计范围。
[0014]优选的，改变步骤S2的季节，再重复步骤S2至S7，得到对应季节的预测模型为制丝线产品质量预测模型。
[0015]优选的，通过对应季节的制丝线产品质量预测模型，得到各季节的松散回潮工序固定补水量中心值和二级补水量。
[0016]优选的，步骤S2中的设定时间段为5-60天。
[0017]优选的，简单移动平均法的计算公式为：Ft＝(At-1+At-2+At-3+
……
+At-n)/n，其中Ft为对下一批切叶丝含水率的预测值，n为移动平均的时期个数，为自然数，At-1为样本数据中第一批的实际值，At-2、At-3和At-n分别为第二批、第三批和第n批的实际值。
[0018]本专利技术的有益效果是：
[0019]本技术方案通过制丝线产品质量预测模型的建立，利用叶片段切叶丝含水率预测模型和薄板干燥关键参数预测模型，提供了不同季节气候及相应的环境温湿度下叶片段水分的智能控制的技术方案，并结合产品感官质量参数，实现制丝线烘丝产品质量的稳定性和一致性。
具体实施方式
[0020]以下通过实施例来详细说明本专利技术的技术方案，以下的实施例仅是示例性的，仅能用来解释和说明本专利技术的技术方案，而不能解释为是对本专利技术技术方案的限制。
[0021]本申请提供一种制丝线产品质量预测模型的建立方法，包括以下步骤：
[0022]S1、确定切叶丝含水率和烘丝出料含水率为产品质量预测模型的因变量；本申请的技术方案中，通过统计，切叶丝含水率和烘丝出料含水率是整个制丝线最关键的控制参数。
[0023]S2、在同一季节范围内，选取设定批次的叶片段及对应的薄板干燥工序的设定时间段的历史数据作为待选样本，并确定每个待选样本对应的环境温湿度数据范围；在通常情况下，同一季节范围内的环境温湿度有较大的共性，在本申请的其它实施例中，也可以将范围减小，以达到在更精确的环境温湿度范围内进行产品质量预测模型的建立，比如两个月或一个月，或者是半个月等均能够适用本申请的技术方案。
[0024]关于待选样本的选择，因为涉及相同的季节，因此历史数据的时间跨度是以年为单位的，通常选择两年以上的同一季节的历史数据，设定时间段可以根据需要进行设定，在通过情况下，为了保证预测模型的精准，设定时间段为1-60天，可以选择一天、二天、三天、四天、五天、十天等，但是要小于季节范围所对应的时间。
[0025]S3、从步骤S2的待选样本中任选一个设定时间段的历史数据作为样本数据；并运用简单移动平均法计算得到样本数据库；
[0026]S4、通过样本数据库筛先选出影响烘丝出料含水率的关键参数，并确定对应的切叶丝含水率的数据；简单移动平均法的计算公式为：Ft＝(At-1+At-2+At-3+
……
+At-n)/n，其中Ft为对下一批切叶丝含水率的预测值，n为移动平均的时期个数，为自然数，At-1为样本数据中第一批的实际值，At-2、At-3和At-n分别为第二批、第三批和第n批的实际值。
[0027]S5、以样本数据库为基础，运用前馈神经网络方法构建薄板干燥关键参数预测模型，并以薄板干燥关键参数预测模型为基础，结合叶片段的样本数据库，得到叶片段切叶丝含水率预测模型；本技术方案的预测模型为依据历史数据逆推的方式进行，即首先关于薄板干燥关键参数预测模型的建立，再依据薄板干燥关键参数得到薄板干燥进料段的参数，即相当于回潮工序出料的参数，再通过叶片段切顺丝含水率预测模型得到叶片段含水率、
固定加水量及二级补水量。
[0028]S6、重复步骤S3至S5，甚至待选样本完成，得到设定个叶片段切叶丝含水率预测模型和薄板干燥关键参数预测模型。
[0029]S7、依据步骤S6的各预测模型数据，对同一批叶片段烟叶进行分别处理，得到对应的烘丝出料，分别经过感官品吸后，感官质量评价最高的烟丝该季节范围内的预测模型为制丝线产品质量预测模型。
[0030]优选的，在步骤S2和步骤S3之间还包括感官质量的关键参数范围的确定，是通过数据挖掘方法确定叶丝干燥工序影响感官质量的关键参数及关键参数的设计范围。
[0031]优选的，改变步骤S2的季节，再重复步骤S2至S7，得到对应季节的预测模型为制丝线产品质量预测模型。
[0032]优选的，通过对应季节的制丝线产品质量预测模型，得到各季节的松散回潮工序固定补水量中心值和二级补水量。
[0033]尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制丝线产品质量预测模型的建立方法，其特征在于，包括以下步骤：S1、确定切叶丝含水率和烘丝出料含水率为产品质量预测模型的因变量；S2、在同一季节范围内，选取设定批次的叶片段及对应的薄板干燥工序的设定时间段的历史数据作为待选样本，并确定每个待选样本对应的环境温湿度数据范围；S3、从步骤S2的待选样本中任选一个设定时间段的历史数据作为样本数据；并运用简单移动平均法计算得到样本数据库；S4、通过样本数据库筛先选出影响烘丝出料含水率的关键参数，并确定对应的切叶丝含水率的数据；S5、以样本数据库为基础，运用前馈神经网络方法构建薄板干燥关键参数预测模型，并以薄板干燥关键参数预测模型为基础，结合叶片段的样本数据库，得到叶片段切叶丝含水率预测模型；S6、重复步骤S3至S5，甚至待选样本完成，得到设定个叶片段切叶丝含水率预测模型和薄板干燥关键参数预测模型；S7、依据步骤S6的各预测模型数据，对同一批叶片段烟叶进行分别处理，得到对应的烘丝出料，分别经过感官品吸后，感官质量评价最高的烟丝该季节范围内的预测模型为制丝线产品质量预测模型。2.根据权利要求1所述的制丝线产品质量预...

【专利技术属性】
技术研发人员：胡东东，马晓龙，王力家，杨晶津，李天明，华一崑，刘继辉，树林，高成文，姜哲，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：