【技术实现步骤摘要】
一种基于GA
‑
BP神经网络的打叶风分工艺参数优化方法及装置
[0001]本申请涉及烟草加工
，具体而言，涉及一种基于GA
‑
BP神经网络的打叶风分工艺参数优化方法及装置。
技术介绍
[0002]打叶复烤是将烟叶从农业产品转变为工业原料的一个整理和准备性的加工过程，经打叶复烤后，部分烟梗不再进行醇化和占用醇化库，使得烟片质量较为均匀，同时粉尘、杂物、碎末、短碎梗等在复烤厂便可就地处理，不必运送至卷烟厂，进而使运输量得以减少。
[0003]打叶风分过程是打叶复烤生产线的关键工序，其效果直接决定叶片结构质量，进而影响烟叶原料的有效利用和卷烟加工质量。其中，打叶是指采用打叶器将烟叶从烟梗上撕裂下来工序，打叶后的物料是包括烟片、烟梗和带梗叶的混合物，然后采用风分工艺，由风分器利用不同物料在均匀的上升气流中漂浮速度的不同，将烟片从该混合物中分离，经多次打叶和风分，便可得到具有合理结构的片烟。
[0004]在打叶风分过程中，打叶和风分的工艺参数对片烟的结构及质量具有密切的影响。为...
【技术保护点】
【技术特征摘要】
1.一种基于GA
‑
BP神经网络的打叶风分工艺参数优化方法，其特征在于，所述方法包括：选择待优化的打叶风分工艺参数，获取样本数据，并归一化所述样本数据，所述样本数据包括各所述打叶风分工艺参数与叶片结构指标之间的历史对应数据，所述叶片结构指标包括大中片率、碎片率和叶中含梗率，所述打叶风分工艺参数包括至少一个打叶机转速和至少一个风选风机转速；以所述打叶风分工艺参数为输入变量、所述叶片结构指标为输出变量构建BP神经网络，并随机生成第一预设数量的预测数组，所述预测数组包括初始权值和阈值；基于所述BP神经网络预测所述预测数据对应的叶片结构指标预测值，计算所述叶片结构指标预测值与归一化后所述样本数据对应的叶片结构指标实际值的预测差值，在所述BP神经网络中设置GA遗传算法适应度函数，所述GA遗传算法适应度函数的适应度取值与所述预测差值的大小呈反比；基于所述GA遗传算法适应度函数确定满足预设的适应度标准的目标个体，将所述目标个体的目标初始权值和目标阈值赋予所述BP神经网络；根据所述打叶风分工艺参数的数量选择正交表进行正交试验，对正交试验结果进行极差分析，确定第一最佳工艺参数组合；根据所述第一最佳工艺参数组合对应的工艺参数值范围选择预测工艺参数值，基于赋值后的所述BP神经网络计算所述预测工艺参数值，得到第二最佳工艺参数组合，并基于所述第二最佳工艺参数组合优化打叶机和风选风机的所述打叶风分工艺参数。2.根据权利要求1所述的方法，其特征在于，所述选择待优化的打叶风分工艺参数，包括：在预设的工艺流程数据库中获取打叶风分工艺流程中各工艺参数与叶片结构指标之间的关系权重，基于由大到小的权重排序分别在打叶机和风选风机中选择第二预设数量的打叶机工艺参数和第三预设数量的风选风机工艺参数作为待优化的打叶风分工艺参数。3.根据权利要求2所述的方法，其特征在于，所述BP神经网络设置有P各隐含层节点，其中，K为调整参数，N为所述第二预设数量，M为所述第三预设数量。4.根据权利要求1所述的方法，其特征在于，所述基于所述GA遗传算法适应度函数确定满足预设的适应度标准的目标个体，包括：基于所述GA遗传算法适应度函数计算各所述预测数组对应的第一适应度值，选择所述第一适应度值最高的第一个体进入下一代种群，并对所述第一个体进行交叉和变异；重复所述基于所述GA遗传算法适应度函数计算各所述预测数组对应的第一适应度值，选择所述第一适应度值最高的第一个体进入下一代种群，并对所述第一个体进行交叉和变异的步骤，直至存在所述第一适应度值满足预设的适应度标准的目标个体。5.根据权利要求1所述的方法，其特征在于，所述将所述目标个体的目标初始权值和目标阈值赋予所述BP神经网络之后，还包括：将归一化后的所述样本数据随机划分为训练数据...
【专利技术属性】
技术研发人员：唐剑宁，付龙，刘辉，王鹏，夏凡，黄沙，刘莉艳，张楚安，朱宝，钱传林，陆峰，
申请(专利权)人：湖北中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。