一种烘丝机工艺生产参数优化求解模型建立系统技术方案

本发明专利技术公开了一种烘丝机工艺生产参数优化求解模型建立系统，包括模型建立模块将若干特征参数作为输入，将出口含水率作为输出，训练得到出口含水率预测模型；参数求解单元根据出口预测含水率与出口含水率目标值建立参数求解模型；算法建立子单元将各工艺设计参数作为一个粒子，按照位置更新公式和速度更新公式分别对各粒子的速度和位置进行更新；算法优化子单元对惯性权重和学习因子进行更新；算法输出子单元计算得到每次迭代过程中的个体极值、群体极值和各粒子的目标函数值，最终迭代更新得到目标函数值最小时的群体极值，并将该群体极值中包含的各工艺设计参数整合得到工艺设计参数最优组合。本发明专利技术提升了工艺设计参数优化设置精度。化设置精度。化设置精度。

【技术实现步骤摘要】
一种烘丝机工艺生产参数优化求解模型建立系统


[0001]本专利技术涉及制丝工序控制
，尤其涉及一种烘丝机工艺生产参数优化求解模型建立系统。

技术介绍

[0002]叶丝干燥是卷烟制丝生产过程中的一个关键工序，其主要作用是去除叶丝中部分水分，提高叶丝填充能力和耐加工性，同时彰显卷烟香气风格，改善感官舒适性，提高感官质量。叶丝干燥过程是一个高温、密闭的复杂过程，其加工质量受来料状况、干燥设备、控制方式、加工参数等诸多因素的影响，使得在叶丝干燥过程中研究提升加工质量成为制丝过程研究的重点和难点。
[0003]烘丝机的各项工艺生产参数直接或者通过相互作用间接影响出口叶丝含水率的值，烘丝机干燥叶丝的过程是一个包含了物理、化学等多场多学科耦合的复杂过程，该过程具有多变量、非线性、分布参数以及慢过程和快过程交织的特点。在现有技术中，存在根据传统方法建立烘丝机工艺生产参数与叶丝出口含水率之间的函数模型，但是由于烘丝机干燥叶丝的过程的复杂性以及该过程中工艺设计参数的多样性，导致传统方法建立的函数模型的拟合精度较低，进而导致该函数模型对烘丝机工艺设计参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烘丝机工艺生产参数优化求解模型建立系统，其特征在于，包括：数据采集模块(1)，用于采集得到若干叶丝生产数据；预处理模块(2)，连接所述数据采集模块(1)，用于对若干所述叶丝生产数据进行预处理，得到若干有效数据，所述有效数据包括若干出口含水率和若干工艺生产参数；相关性分析模块(3)，连接所述预处理模块(2)，用于对若干所述工艺生产参数和所述出口含水率进行相关性分析，得到若干特征参数，所述特征参数包括入口含水率、烟丝流量、槽温度、滚筒壁一区温度、滚筒壁二区温度、热风速度和热风温度；模型建立模块(4)，连接所述相关性分析模块(3)，用于引入一初始模型，并将若干所述特征参数作为输入特征，将相应所述出口含水率作为输出特征，对所述初始模型重新训练得到出口含水率预测模型，所述出口含水率预测模型的输入为若干工艺设计参数，所述出口含水率预测模型的输出为出口预测含水率；参数优化模块(5)，连接所述模型建立模块(4)，包括：参数求解单元(51)，用于根据所述出口预测含水率与预设的出口含水率目标值建立一参数求解模型，所述参数求解模型包含有目标函数值，所述参数求解模型根据预设的若干上限边界值和若干下限边界值对各所述工艺设计参数进行数值范围限定；组合寻优单元(52)，连接所述参数求解单元(51)，包括：算法建立子单元(521)，用于引入预设的粒子群算法模型，并将各所述工艺设计参数作为一个粒子，按照预设的位置更新公式和速度更新公式分别对各粒子的速度和位置进行更新；算法优化子单元(522)，连接所述算法建立子单元(521)，用于在各所述粒子的速度和位置更新过程中，根据预设的权重更新公式和学习因子更新公式对所述位置更新公式中的惯性权重和学习因子进行更新；算法输出子单元(523)，连接所述算法建立子单元(521)，用于在所述惯性权重和所述学习因子更新完毕后根据所述速度更新公式计算得到每次迭代过程中的个体极值和群体极值，以及在每次迭代过程中计算得到各所述粒子的所述目标函数值，最终通过迭代更新得到所述目标函数值最小时的所述群体极值，并将该所述群体极值中包含的各工艺设计参数整合得到一工艺设计参数最优组合，所述工艺设计参数最优组合为所述入口含水率、所述烟丝流量、所述槽温度、所述滚筒壁一区温度、所述滚筒壁二区温度、所述热风速度和所述热风温度组成的最优集合。2.根据权利要求1所述的烘丝机工艺生产参数优化求解模型建立系统，其特征在于，所述速度更新公式配置为：述速度更新公式配置为：其中，w用于表示所述惯性权重，w≥0；w
min
用于表示预设的惯性权重最小值；w
max
用于表示预设的惯性权重最大值；k用于表示迭代次数，k≥0；
k
max
用于表示最大迭代次数；i＝1,2,
…
,N；d＝1,2,
…
,D；D用于表示所述工艺设计参数的种类，即所述粒子群算法的维度；N用于表示各粒子的总数；用于表示第i个粒子第k次迭代时的速度矢量；用于表示第i个粒子第k次迭代时的位置矢量；用于表示第i个粒子第k次迭代时的个体极值；用于表示第i个粒子第k次迭代时的群体极值；c1用于表示第一学习因子，所述第一学习因子表示粒子个体极值对当前速度矢量的影响；c2用于表示第二学习因子，所述第二学习因子表示群体极值对当前速度矢量的影响；r1、r2为[0,1]区间内的随机数。所述位置更新公式配置为：其中，l用于表示速度约束因子。3.根据权利要求2所述的烘丝机工艺生产参数优化求解模型建立系统，其特征在于，所述权重优化公式配置为：其中，f用于表示所述粒子当前目标函数值；f
avg
用于表示当前所有所述粒子的平均目标函数值；f
min
用于表示当前所有所述粒子中的最小目标函数值。4.根据权利要求2所述的烘丝机工艺生产参数优化求解模型建立系统，其特征在于，所述学习因子优化公式配置为：其中，c
1ini
用于表示c1的初始值；c
2ini
用于表示c2的初始值；c
1fin
用于表示c1的终值；c
2fin
用于表示c2的终值。5.根据权利要求3所述的烘丝机工艺生产参数优化求解模型建立系统，其特征在于，所述参数求解模型配置为：f＝(S(A,C,F,G,H,I...

【专利技术属性】
技术研发人员：申帅，周成林，黄金，邓红伟，方世杰，
申请(专利权)人：首域科技杭州有限公司，
类型：发明
国别省市：