一种烟草烘丝出口水分分批可变设定点的自适应优化方法技术

本发明专利技术提供一种烟草烘丝出口水分分批可变设定点的自适应优化方法，包括创建数据仓库、序列建模、分批约束、约束及数值优化；其中，创建数据仓库的过程包括：业务调研及数据收集、定义每一批次烟草的状态；序列建模的过程包括构建编码器、构建解码器、模型更新，分批约束的过程包括：采用自适应过滤器来估计烘丝入口水分、选择与当前批次的生产相关信息最匹配的历史批次构建烘丝干燥预期脱水水平的正态置信区间，获得烘丝出口水分的所需范围；约束及数值优化的过程包括：约束优化、数值优化。本发明专利技术将单过程控制与不同粒度下的过程间优化相结合的能力，能够同时满足加香出口水分标准和烘丝机的脱水能力，能够有效提升制丝批间一致性和产品全过程质量。致性和产品全过程质量。致性和产品全过程质量。

【技术实现步骤摘要】
一种烟草烘丝出口水分分批可变设定点的自适应优化方法


[0001]本专利技术属于工业大数据智能控制领域，涉及一种卷烟制造制丝产线联动优化时，烟草烘丝出口水分分批可变设定点的自适应优化方法。

技术介绍

[0002]在烟草制丝生产过程中，车间实际生产中的制丝烘丝出口水分设定点多由操作人员根据经验标准人工确定，从一批烟草到另一批烟草的设定值相对固定，该方法导致两个问题：
[0003]1、在实践中，烘丝工序并不是整个烟草制丝加工的最终工序，后续的主要过程还包括掺配和加香，之后烟草被包装成卷烟成品。虽然在后续过程中对水分控制的干预有限，但烟草加香出口水分是一个可测量的量，与产品质量最相关，却没有及时参与到水分设定点的确定过程，具体而言，在确定烘丝出口水分设定点时，最好了解烘丝后的潜在水分变化，直到加香过程结束。这种变化需要在批次级的粒度上进行分析，因为原料、工作条件、环境等因素不同，都会产生差异。
[0004]2、烘丝机的脱水能力应该是一个重要的考虑因素，具体而言，在工艺可控变量受限的情况下，脱水量的可达范围也会有所不同。例如，这些量在冬季往往比夏季低，过夜储存的批次比其他批次低。因此，烘丝控制器的水分设定点也应根据每批烟草的最新情况而可获得。
[0005]综上所述，烘丝工序出口水分控制设定点的可变性值得探索，以提高实际烟草加工车间的产品质量。近年来，一些专利技术方法公开了烟草烘丝过程中水分含量的数据驱动预测，以促进过程的智能控制和优化，并在预测精度方面取得了可喜的进展。然而，大多未能证明如何进一步使用预测模型来支持过程控制和优化，这是产品质量的最终目标。
[0006]此外，之前只考虑了单一的烘丝过程并对其进行了建模，而烘丝之前和后续过程的关系仍未被探索。由于每批烟草在生产过程中都要经历一系列的工序，了解其他工序有助于烘丝过程的水分预测和控制。

技术实现思路

[0007]本专利技术提出了一种烟草烘丝出口水分分批可变设定点的自适应优化方法，具有将单过程控制与不同粒度下的过程间优化相结合的能力，能够同时满足加香出口水分标准和烘丝机的脱水能力，能够有效提升制丝批间一致性和产品全过程质量。
[0008]为了实现上述目的，本专利技术提供一种烟草烘丝出口水分分批可变设定点的自适应优化方法，包括创建数据仓库、序列建模、分批约束、约束及数值优化；其中，
[0009]创建数据仓库的过程包括：
[0010]业务调研及数据收集：制丝全工序的生产过程中，采集每一批次的烟草质量指标相关数据并记录生产相关信息，根据生产批次、生产顺序、生产时间将质量指标相关数据、生产相关信息整合为批次级制丝质量数据集存储至数据仓库中；
[0011]定义每一批次烟草的状态：状态参数包括多个测量位置的多个批次的烟草状态，多个批次的烟草状态构成烟草批次状态的多元序列，烟草状态评价要素包括：批次的测量位置的实际含水量、批次的测量位置的实际温度；
[0012]序列建模的过程包括构建编码器、构建解码器、模型更新，其中，
[0013]构建编码器：基于递归神经网络将来自前一个过程的顺序测量值和后续过程的先验知识，封装成统一的上下文向量；
[0014]构建解码器：基于递归神经网络利用编码器的上下文向量和生产工艺过程轨迹中的起始状态，依次预测多个烟草批次状态的多元序列中的下几个值；
[0015]模型更新：采用加权均方误差作为损失函数，并采用教师强制(Teacher Forcing)的训练算法，将编码器
‑
解码器模型进行在线更新；
[0016]分批约束的过程包括：
[0017]采用自适应过滤器(Filter)来估计烘丝入口水分，所述自适应过滤器具有梯度提升和过滤器装袋机制，自适应过滤器的梯度提升和过滤器装袋机制是将各种自适应滤波器进行梯度提升后装袋集成；
[0018]选择与当前批次的生产相关信息最匹配的历史批次，依据这些最匹配的历史批次的质量指标相关数据构建烘丝干燥预期脱水水平的正态置信区间，通过烘丝入口处的估计水分减去脱水量的置信区间来获得烘丝出口水分的所需范围；
[0019]约束及数值优化的过程包括：
[0020]约束优化：对每个烟草批次让编码器
‑
解码器模型中预测的加香出口水分与标准值之差最小化；
[0021]数值优化：基于上述步骤给出的烘丝出口水分设定范围和编码器
‑
解码器模型，采用遗传算法对约束问题进行数值求解。
[0022]本专利技术首次提出了一种数据驱动的方法来实现烟草烘丝过程的分批可变出口水分设定点。由于烟草批次的状态例如：特定测量位置的批次平均水分含量、批次平均材料温度等，与产品质量密切相关，因此，设计了一种改进的编码器
‑
解码器模型，学习烟草批次从烘丝工序出口到加香工序出口的状态参数演化轨迹。编码器将来自前一个过程的顺序测量值和关于后续过程的先验知识封装成一个统一的上下文向量。解码器依靠该矢量和轨迹中的起始状态，依次预测下一个状态。采用加权均方误差作为损失函数，并采用教师强制策略，便于编码器
‑
解码器模型的在线更新。在此基础上，以烘丝出口水分设定点的可达范围为优化设计约束，来估计烘丝前的烟草水分。同时，在与历史记录条件匹配的基础上，构建干燥预期脱水水平的正态置信区间。出口水分的所需范围是通过干燥入口处的估计水分减去脱水量的置信区间来获得的。最后，为每个烟草批次制定约束优化问题，其中让改进的编码器
‑
解码器模型中预测的加香出口水分与标准值之间的距离L1最小化。考虑到某些烘丝控制器可以通过特定的协调同时跟踪水分和温度的设定点，因此将这两个量作为设计变量。对于仅能控制水分的宽松情况，可将温度设置为固定值或保留为设计变量，不影响优化的有效性。采用遗传算法对全局最优解进行数值求解。这种方法给出的设定点被传送到烘丝过程的控制器作为当前烟草批次的出口水分设定值。
[0023]优选的，创建数据仓库的过程中，所述烟草质量指标相关数据包括：牌号信息、批次信息、超回及润叶入口水分及入口物料温度、超回及润叶出口水分及出口物料温度、储叶
时间、储叶出口物料温度、环境温湿度、烘丝入口水分及入口物料温度、烘丝脱水量、掺配入口水分及入口物料温度、掺配出口水分及出口物料温度、加香入口水分及入口物料温度、加香出口水分、环境温湿度。
[0024]优选的，所述生产相关信息包括：该批次是否在存储过程中过夜，该批次是否是当天干燥过程的第一个批次。
[0025]优选的，所述的批次级制丝质量数据集在数据仓库中的存储字段包括：批次号、工单号、烟丝品牌编码、烟丝品牌名称、生产日期、工单开始时间、工单结束时间以及各质量指标。
[0026]优选的，创建数据仓库的过程中，批次的烟草的状态参数包括：
[0027]第n个烟草批次烘丝出口的实际状态为其中，烘丝出口实际含水率为M
n,dout
，烘丝出口实际温度为T
n,dout
；
...

【技术保护点】

【技术特征摘要】
1.一种烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，包括创建数据仓库、序列建模、分批约束、约束及数值优化；其中，创建数据仓库的过程包括：业务调研及数据收集：制丝全工序的生产过程中，采集每一批次的烟草质量指标相关数据并记录生产相关信息，根据生产批次、生产顺序、生产时间将质量指标相关数据、生产相关信息整合为批次级制丝质量数据集存储至数据仓库中；用状态参数定义每一批次烟草的状态，状态参数包括多个测量位置的多个批次的烟草状态，多个批次的烟草状态构成烟草批次状态的多元序列，烟草状态评价要素包括：批次的测量位置的实际含水量、批次的测量位置的实际温度；序列建模的过程包括构建编码器、构建解码器、模型更新，其中，构建编码器：基于递归神经网络将来自前一个过程的顺序测量值和后续过程的先验知识，封装成统一的上下文向量；构建解码器：基于递归神经网络利用编码器的上下文向量和生产工艺过程轨迹中的起始状态，依次预测多个烟草批次状态的多元序列中的下几个值；模型更新：采用加权均方误差作为损失函数，并采用教师强制的训练算法，将编码器
‑
解码器模型进行在线更新；分批约束的过程包括：采用自适应过滤器来估计烘丝入口水分，所述自适应过滤器具有梯度提升和过滤器装袋机制，自适应过滤器的梯度提升和过滤器装袋机制是将各种自适应滤波器进行梯度提升后装袋集成；选择与当前批次的生产相关信息最匹配的历史批次，依据这些最匹配的历史批次的质量指标相关数据构建烘丝干燥预期脱水水平的正态置信区间，通过烘丝入口处的估计水分减去脱水量的置信区间来获得烘丝出口水分的所需范围；约束及数值优化的过程包括：约束优化：对每个烟草批次让编码器
‑
解码器模型中预测的加香出口水分与标准值之差最小化；数值优化：基于上述步骤给出的烘丝出口水分设定范围和编码器
‑
解码器模型，采用遗传算法对约束问题进行数值求解。2.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，创建数据仓库的过程中，所述烟草质量指标相关数据包括：牌号信息、批次信息、超回及润叶入口水分及入口物料温度、超回及润叶出口水分及出口物料温度、储叶时间、储叶出口物料温度、环境温湿度、烘丝入口水分及入口物料温度、烘丝脱水量、掺配入口水分及入口物料温度、掺配出口水分及出口物料温度、加香入口水分及入口物料温度、加香出口水分、环境温湿度。3.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，所述生产相关信息包括：该批次是否在存储过程中过夜，该批次是否是当天干燥过程的第一个批次。4.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，所述的批次级制丝质量数据集在数据仓库中的存储字段包括：批次号、工单号、烟丝
品牌编码、烟丝品牌名称、生产日期、工单开始时间、工单结束时间以及各质量指标。5.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，创建数据仓库的过程中，批次的烟草的状态参数包括：第n个烟草批次烘丝出口的实际状态为其中，烘丝出口实际含水率为M
n,dout
，烘丝出口实际温度为T
n,dout
；其中，“dout”表示烘丝出口；“bin”和“bout”表示掺配过程的入口和出口；“fin”和“fout”表示加香过程的入口和出口；则第n个烟草批次状态的多元序列为{S
n,dout
,S
n,bin
,S
n,bout
,S
n,fin
,S
n,fout
}；第n批烟草烘丝出口设定状态为其中，为烟草各批次烘丝出口平均含水量,为烟草各批次烘丝出口平均温度。6.如权利要求5所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，构建编码器时，干燥过程出口处的烟草批次状态S
n,dout
被认为是起始输入，然后依次S
n,bin
,S
n,bout
,S
n,fin
,S
n,fout
。7.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，构建编码器时，所述顺序测量值包括：环境温度的顺序测量值、环境湿度的顺序测量值、当前烟草批次在前面过程中的状态的顺序测量值。8.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，所述先验知识包括掺配过程的相关工艺计算方式、加香过程的相关工艺计算方式。9.如权利要求1所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，所述自适应滤波器包括：线性自适应滤波器、非线性自适应滤波器和时间序列滤波器，其中，线性自适应滤波器包括：递归最小二乘法(RLS)、在线中心归一化最小二乘法(OCNLMS)、自适应递归最小二乘法(AdaRLS)；非线性自适应滤波器包括：内核递归最小二乘法(KRLS)和多层感知神经网络(MLP)；时间序列滤波器包括：带有外生因素的季节性自回归综合移动平均(SARIMAX)。10.如权利要求6所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，分批约束的过程中，正态置信区间构建方法：将最匹配的多个历史批次的脱水级别按顺序表示为基于计算平均值和标准偏差假设近期脱水水平服从正态分布，95％置信区间构造为95％置信区间构造为此间隔代表脱水能力，确定当前批次烟草烘丝入口含水量设定值M
n,din
的最终范围为11.如权利要求10所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特征在于，构建编码器时，所述顺序测量值包括：模型调用前最后几分钟的环境温度和湿度的顺序测量值、当前烟草批次在前面过程中的状态的顺序测量值；所述先验知识是：生产工艺过程轨迹中涉及的后续过程的非顺次的公式。12.如权利要求11所述的烟草烘丝出口水分分批可变设定点的自适应优化方法，其特
征在于，构建编码器时，为了妥善处理顺次测量，针对编码器设置了三分支结构，前两个分支分别采用递归神经网络，其中：A).将第一个分支收集的信息表示为其中v
n
(l),1≤l≤L包含滑动窗口中第l个时间步的环境温度和湿度；然后递归神经网络f
(1)
依次接收每个v
n
(l),并通过多个门维护单元状态和隐藏状态；最终隐藏状态被认为是捕获的上下文；B).将第二个分支的顺序信息表示为其中“lout”表示松散回潮过程的出口；“cin”和“cout”表示润叶加料过程的入口和出口；“din”表示烘丝入口，另一个递归神经网络f
(2)
以相同方式处理，得到最终隐藏状态C).第三个分支收集生产的直接上下文信息，作为非...

【专利技术属性】
技术研发人员：高宇雷，吴永兴，周晓龙，张翅远，张立斌，唐发元，杨耀晶，秦鹏，白京，韩金江，孔彬，陆俊澎，
申请(专利权)人：红塔烟草集团有限责任公司，
类型：发明
国别省市：