System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于烟丝生产质量监控,尤其涉及一种回潮机加工产品质量预测方法及系统。
技术介绍
1、在卷烟制丝工艺上的改进和优化可以提高产品的合格率,减少原材料的浪费,使得经济效益能够得到更大的提升。回潮工序是烟丝制丝工艺中的第一步工序,其性能完备与否与卷烟产品的质量有着直接的关系。
2、预测模型驱动的方法在烟草领域已经有所应用,但是通过研究发现目前在回潮机上的应用并不多。用历史数据作为训练集建立的预测模型能够进行预测,但由于在不同生产批次中回潮机特征参数会有明显的不同,当前预测的效果会有比较大的偏差;回潮机设备不同部位测得的数据所带来的时滞性对于模型精确建立也有较大的影响;训练好的静态模型不能够针对批次化生产中生产环境条件、设备性能等变化做出相应的调整,难以在所有生产批次中都取得较好的预测效果。因此,如何设计一种可对回潮机特征参数进行选择的产品质量预测方法并保证模型不会受到数据时滞性带来的影响,在实际生产过程中能够根据当前数据进行修正是目前本领域所亟需的。
技术实现思路
1、本专利技术的目的在于提供一种回潮机加工产品质量预测方法及系统,以解决上述技术问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、本专利技术公开一种回潮机加工产品质量预测方法,所述方法包括以下步骤:
4、步骤1、根据回潮机生产数据获得基础数据集,具体包括以下步骤:
5、步骤11、获取历史生产数据:比对当前松散回潮烟叶生产牌号,从数据库中获取此牌号最
6、步骤12、初始化实时生产数据:初始化清空当前实时生产数据;
7、步骤13、累积实时生产数据:采集实时生产数据,包括生产过程数据以及对应的产品质量数据,并存到实时生产数据中;
8、步骤14、判断实时生产数据数量:将实时生产数据数量与设定阈值t0进行比较,若实时生产数据数量大于设定阈值t0,则执行步骤15;若实时生产数据数量小于等于设定阈值t0,则返回步骤13并循环执行,直到当前实时生产数据数量大于设定阈值t0;
9、步骤15、合并生产数据:将获取的多个批次的历史生产数据与实时生产数据进行合并,输出合并后的生产数据,然后返回步骤12初始化实时生产数据,执行下个循环过程;将所有输出的合并后的生产数据作为基础数据集;
10、步骤2、对基础数据集进行预处理得到样本数据集:对基础数据集进行预处理,所述预处理依次包括数据筛选、异常数据处理、时滞数据对齐、高噪声数据滤波、特征选择以及归一化处理,将经过预处理后的基础数据集作为样本数据集;
11、步骤3、构建回潮机加工产品质量预测模型:构建基于极限学习机的回潮机加工产品质量预测模型,模型包括输入层、隐藏层和输出层:输入层有d个输入神经元,对应样本数据集的输入特征参数;设置elm隐藏层节点数l,输入层权重ω和隐藏层偏置b,ω为大小为d×l的矩阵,b为大小为1×l的矩阵,其中具体数值为随机给定;输出层对应产品质量数据;
12、步骤4、模型训练:利用样本数据集作为训练数据对构建的回潮机加工产品质量预测模型进行训练,将样本数据等比例分成三份,其中第一份用于模型粗训练,第二份用于模型自训练,第三份用于验证测试的预测回归训练;利用模型预测值与实际值的平均绝对误差作为模型验证指标,当平均绝对误差小于行业标准阈值时,模型验证通过;
13、步骤5、对回潮机加工产品质量进行预测:利用训练完成的模型对待预测的回潮机加工产品质量进行预测。
14、进一步的是,步骤1中所述生产过程数据包括松散回潮后水分、松散回潮后温度、松散回潮机滚筒蒸汽压力、松散回潮机回风温度、松散回潮机筒壁温度、松散回潮机增湿水累计量、松散回潮机增湿水流量、松散回潮前电子称累计量、松散回潮前电子称流量、松散回潮前水分、薄片掺配比例、热风风机频率、叶片回潮出料室温度、叶叶片回潮出料室蒸汽压力、一级加水流量、一级加水累计量、二级加水流量、二级加水累计量、排潮电机频率、滚筒电机频率、松散补偿蒸汽流量、松散补偿蒸汽累积量、环境温度、环境湿度。
15、进一步的是,步骤1中所述从数据库中获取此牌号最近的多个批次的历史生产数据,具体为不少于10个批次的历史生产数据。
16、进一步的是,步骤2中所述数据筛选为:先对数据进行阶段划分,具体为根据三个特征参数即松散回潮后水分数据、松散回潮前电子称累计量、松散回潮前电子称流量,判断生产数据是料头阶段、平稳阶段还是尾料阶段的数据,然后选取平稳阶段的数据进行下一步处理;
17、所述异常数据处理为:通过异常数据判定公式来判定数据是否为异常数据,对判定为异常数据的进行标记,并通过插值法对所述异常数据进行替换;所述异常数据判定公式为|x-μ|>3σ,其中,x为某类生产数据特征参数,μ为该类生产数据特征参数的平均值,σ为该类生产数据特征参数的标准差;计算公式分别为xk是第k组某类生产数据特征参数,n为该类生产数据特征参数的样本总数;
18、所述时滞数据对齐为:将数据进行时滞数据对齐,经过评定生产环境为恒温恒湿,即环境温度、环境湿度为常量,因此对去除环境温度与环境湿度的其他数据进行时滞数据对齐;
19、所述高噪声数据滤波为:通过滑动均值滤波公式对数据进行降噪,其中,t′为采集的时间,m是滑动平均窗口大小;或利用低通滤波公式对数据进行降噪处理,其中,ω′为实际频率,ωc是归一化截止频率,no为滤波器阶数;
20、所述特征选择为:从生产过程数据的各特征参数中选择与回潮机加工产品质量相关性高的特征参数即产品质量特征数据,然后采用catboost算法,将筛选出的产品质量特征数据作为模型的输入,回潮机加工产品质量作为模型的输出,算法中计算特征相关性重要性的标识是计算特征的重要度pvc值,并且以此为标准,选择pvc>0.02的特征参数以完成特征选择,得到最终筛选出的特征参数;
21、所述归一化处理为:根据归一化公式将能效建模特征向量x对应的生产数据特征参数即经过特征选择后最终筛选出的特征参数,进行归一化处理,其中,x*为某类生产数据特征参数的归一化结果。
22、进一步的是,所述从生产过程数据的各特征参数中选择与回潮机加工产品质量相关性高的特征参数即产品质量特征数据的具体方式为:通过皮尔逊相关性公式计算各特征参数与产品质量标准特征参数的相关性,其中,xi为产品质量标准特征参数,为产品质量标准特征参数平均值,yi为待选择的特征参数,为待选择的特征参数的平均值;通过计算,删除常量特征参数即r=0.3的特征参数以及低相关性特征参数即r<0.3的特征参数,筛选出产品质量特征数据;将松散回潮后水分数据作为产品质量标准特征参数进行计算。
23、进一步的是,所述特征的重要度pvc的计算公式为:pvc=∑trees,leafs(v1-avr)2·leafleft+(v2-avr)2·leafr本文档来自技高网...
【技术保护点】
1.一种回潮机加工产品质量预测方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤1中所述生产过程数据包括松散回潮后水分、松散回潮后温度、松散回潮机滚筒蒸汽压力、松散回潮机回风温度、松散回潮机筒壁温度、松散回潮机增湿水累计量、松散回潮机增湿水流量、松散回潮前电子称累计量、松散回潮前电子称流量、松散回潮前水分、薄片掺配比例、热风风机频率、叶片回潮出料室温度、叶叶片回潮出料室蒸汽压力、一级加水流量、一级加水累计量、二级加水流量、二级加水累计量、排潮电机频率、滚筒电机频率、松散补偿蒸汽流量、松散补偿蒸汽累积量、环境温度、环境湿度。
3.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤1中所述从数据库中获取此牌号最近的多个批次的历史生产数据,具体为不少于10个批次的历史生产数据。
4.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤2中所述数据筛选为:先对数据进行阶段划分,具体为根据三个特征参数即松散回潮后水分数据、松散回潮前电子称累计量、松散回潮前电
5.根据权利要求4所述的一种回潮机加工产品质量预测方法,其特征在于,所述从生产过程数据的各特征参数中选择与回潮机加工产品质量相关性高的特征参数即产品质量特征数据的具体方式为:通过皮尔逊相关性公式计算各特征参数与产品质量标准特征参数的相关性,其中,xi为产品质量标准特征参数,为产品质量标准特征参数平均值,yi为待选择的特征参数,为待选择的特征参数的平均值;通过计算,删除常量特征参数即r=0.3的特征参数以及低相关性特征参数即r<0.3的特征参数,筛选出产品质量特征数据;将松散回潮后水分数据作为产品质量标准特征参数进行计算。
6.根据权利要求4所述的一种回潮机加工产品质量预测方法,其特征在于,所述特征的重要度PVC的计算公式为:PVC=∑trees,leafs(v1-avr)2·leaflleft+(v2-avr)2·leaflright;表示特征值单位变动时模型预测值的平均波动量,重要度越高,PVC值越大,其中,·leaflleft和leafright分别代表左右叶子的权重,v1和v2分别代表左右叶子的目标函数值,为节点的平均预测值。
7.根据权利要求4所述的一种回潮机加工产品质量预测方法,其特征在于,所述最终筛选出的特征参数为:松散回潮后水分,松散回潮后温度,松散回潮机滚筒蒸汽压力,松散回潮机筒壁温度,松散回潮机增湿水流量,松散回潮前电子称累计量,松散回潮前电子称流量,松散回潮前水分,热风风机频率,一级加水流量、一级加水累计量、二级加水流量、二级加水累计量,排潮电机频率,松散补偿蒸汽流量,松散补偿蒸汽累积量。
8.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤4中所述行业标准阈值为0.1。
9.一种回潮机加工产品质量预测系统,其特征在于,所述系统包括回潮机生产数据实时更新模块、回潮机生产数据预处理模块、所述回潮机加工产品质量预测模块;
...【技术特征摘要】
1.一种回潮机加工产品质量预测方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤1中所述生产过程数据包括松散回潮后水分、松散回潮后温度、松散回潮机滚筒蒸汽压力、松散回潮机回风温度、松散回潮机筒壁温度、松散回潮机增湿水累计量、松散回潮机增湿水流量、松散回潮前电子称累计量、松散回潮前电子称流量、松散回潮前水分、薄片掺配比例、热风风机频率、叶片回潮出料室温度、叶叶片回潮出料室蒸汽压力、一级加水流量、一级加水累计量、二级加水流量、二级加水累计量、排潮电机频率、滚筒电机频率、松散补偿蒸汽流量、松散补偿蒸汽累积量、环境温度、环境湿度。
3.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤1中所述从数据库中获取此牌号最近的多个批次的历史生产数据,具体为不少于10个批次的历史生产数据。
4.根据权利要求1所述的一种回潮机加工产品质量预测方法,其特征在于,步骤2中所述数据筛选为:先对数据进行阶段划分,具体为根据三个特征参数即松散回潮后水分数据、松散回潮前电子称累计量、松散回潮前电子称流量,判断生产数据是料头阶段、平稳阶段还是尾料阶段的数据,然后选取平稳阶段的数据进行下一步处理;
5.根据权利要求4所述的一种回潮机加工产品质量预测方法,其特征在于,所述从生产过程数据的各特征参数中选择与回潮机加工产品质量相关性高的特征参数即产品质量特征数据的具体方式为:通过皮尔逊相关性公式计算各特征参数与产品质量标准特征参数的相关性,其中,xi为产品质量标准...
【专利技术属性】
技术研发人员:宫建华,宋成照,林帅,付航,薛宇,高建松,刘星,张亚凯,王小波,刘建飞,乔衡,马海波,敖鹏蛟,王坚,
申请(专利权)人:北京航天拓扑高科技有限责任公司,
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。