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】
本申请涉及卷烟生产领域,更具体地,涉及一种烘丝机的出口烟丝含水质量预测方法及装置。
技术介绍
1、卷烟制丝薄板烘丝机普遍采用的工作原理是:一定流量的蒸汽通过筒体薄板内壁,蒸汽在蒸汽道中凝结使热量有效地传导给薄板至烟丝上,同时,风机将环境空气送入蒸汽加热的热交换器产生的热风,流过滚筒期间,通过对流方式将热量传递给烟丝并带走水分,使烟丝达到均匀干燥、均匀加热,并使填充力均匀地增加、出口水分恒定。同时,筒体内部设置排潮系统,抽取部分含水、含热废气进行排放,以恒定物料的水分,同时间接地影响物料含水率。
2、薄板烘丝机的机械设计和固定电控程序决定了烘丝生产过程中不可避免地会产生“干头”、“干尾”烟丝。薄板烘丝机产生烟丝的“干头”和“干尾”分别指的是烟叶在烘丝机中烘干过程中的两个阶段。干头:指烟叶进入烘丝机后,初始的烘干阶段。在这个阶段,烟叶的水分略低于标准正常烟丝。干尾:指烟叶接近烘干完成的阶段。在这个阶段,烟叶的水分已经被大部分排除,烘干机将把剩余水分进一步挥发使烟叶变得更加干燥。干头和干尾的烟丝质地和含水率不同,干头的烟丝质地相对较湿,含水率较高,而干尾的烟丝则相对较干,含水率较低。这些不同的烟丝状态对于制丝工艺的后续处理步骤具有重要影响。
3、由于烘丝过程具有较强的非线形、不确定性和大滞后性,再加上烟丝本身的特殊性质,使得烘丝过程的水分控制变得十分复杂。从本质上讲,制丝烘丝机物料水分控制属于非线性时变的大滞后系统。如图1所示,目前主流设备厂家采用串级pid控制(即前级pid控制和后级pid控制)方法对烘丝机出
技术实现思路
1、本申请提供一种烘丝机的出口烟丝含水质量预测方法及装置,基于与出口烟丝含水质量相关的多个变量的历史数据及其出口烟丝理论含水率拟合出预测模型,从而基于变量的实时值预测当前位于烘丝机内的烟丝到达出口时的含水质量分类,避免受到烘丝机内部机理无法精确辨识、串级pid控制滞后且控制稳态不固化的影响,提高了烟丝含水率预测的准确度。
2、本申请提供了一种烘丝机的出口烟丝含水质量预测方法,包括:
3、依据烘丝机的工艺流程确定与出口烟丝含水质量相关的多个变量;
4、依据不同时间点上多个变量对应的正常历史数据获得时间点上的历史数据组合;
5、依据每个时间点的历史数据组合获得时间点对应的出口烟丝理论含水率,并依据出口烟丝理论含水率标定时间点对应的一级理论含水质量分类和二级理论含水质量分类,一级理论含水质量分类包括标定非正常烟丝和标定正常烟丝,二级理论含水质量分类针对标定非正常烟丝进行分类,包括标定干头烟丝和标定干尾烟丝;
6、构建一级支持向量机模型和二级支持向量机模型,并将一级支持向量机模型和二级支持向量机模型组合成预测模型进行联合训练,其中,一级支持向量机模型的输入为所有时间点的历史数据组合,输出为一级理论含水质量分类;二级支持向量机模型的输入为所有时间点的历史数据组合,输出为二级理论含水质量分类;
7、将同一时间点上多个变量的实时值输入训练好的预测模型,获得对应的出口烟丝含水质量预测分类,出口烟丝含水质量预测分类包括预测干头烟丝、预测干尾烟丝和预测正常烟丝。
8、优选地,依据不同时间点上多个变量对应的正常历史数据获得时间点上的历史数据组合,具体包括:
9、导出不同时间点上多个变量对应的所有历史数据,作为第一历史数据;
10、依据历史生产记录确定烘丝机的异常生产时间点,并将异常生产时间点对应的多个变量的历史数据剔除,获得第二历史数据;
11、剔除同一连续型变量的第二历史数据中的离群点,获得第三历史数据;
12、将同一时间点上多个连续型变量对应的第三历史数据以及离散型变量进行组合,形成时间点上的历史数据组合。
13、优选地,依据不同时间点上多个变量对应的正常历史数据获得时间点上的历史数据组合,还包括:
14、以设定的时间间隔为单位,计算相同时间间隔内同一连续型变量的第三历史数据的均值,作为时间间隔对应的时间点的第四历史数据;并且,
15、将同一时间点上多个连续型变量对应的第四历史数据以及离散型数据进行组合,形成时间点上的历史数据组合。
16、优选地,构建一级支持向量机模型和二级支持向量机模型之前,还包括:
17、基于每个时间点上的历史数据组合进行数据衍生,获得与每个连续型变量对应的第一衍生数据,其中,第一衍生数据包括至少一个衍生方向上的一组第二衍生数据;
18、将每个时间点的历史数据组合和第一衍生数据组合,形成时间点的第一训练输入数据;
19、构建一级支持向量机模型和二级支持向量机模型时,将第一训练输入数据分别作为一级支持向量机模型和二级支持向量机模型的输入。
20、优选地,烘丝机的出口烟丝含水质量预测方法还包括:
21、对于同一衍生方向,筛选出每个时间点上与对应的出口烟丝理论含水率相关性最大的第二衍生数据,作为第三衍生数据;
22、将每个时间点的历史数据组合和第三衍生数据组合,形成时间点的第二训练输入数据;
23、构建一级支持向量机模型和二级支持向量机模型时,将第二训练输入数据分别作为一级支持向量机模型和二级支持向量机模型的输入。
24、本申请还提供一种烘丝机的出口烟丝含水质量预测装置,包括变量确定模块、历史数据组合获得模块、标定模块、模型构建和训练模块、预测模块;
25、变量确定模块用于依据烘丝机的工艺流程确定与出口烟丝含水质量相关的多个变量;
26、历史数据组合获得模块用于依据不同时间点上多个变量对应的正常历史数据获得时间点上的历史数据组合;
27、标定模块用于依据每个时间点的历史数据组合获得时间点对应的出口烟丝理论含水率,并依据出口烟丝理论含水率标定时间点对应的一级理论含水质量分类和二级理论含水质量分类,一级理论含水质量分类包括标定非正常烟丝和标定正常烟丝,二级理论含水质量分类针对标定非正常烟丝进行分类,包括标定干头烟丝和标定干尾烟丝;
28、模型构建和训练模块用于构建一级支持向量机模型和二级支持向量机模型,并将一级支持向量机模型和二级支持向量机模型组合成预测模型进行联合训练,其中,一级支持向量机模型的输入为所有时间点的历史数据组合,输出为一级理论含水质量分类;二级支持向量机模型的输入为所有时间点的历史数据组合,输出为二级理论含水质量分类;
29本文档来自技高网...
【技术保护点】
1.一种烘丝机的出口烟丝含水质量预测方法,其特征在于,包括:
2.根据权利要求1所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,依据不同时间点上所述多个变量对应的正常历史数据获得所述时间点上的历史数据组合,具体包括:
3.根据权利要求2所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,依据不同时间点上所述多个变量对应的正常历史数据获得所述时间点上的历史数据组合,还包括:
4.根据权利要求1所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,构建一级支持向量机模型和二级支持向量机模型之前,还包括:
5.根据权利要求4所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,还包括:
6.一种烘丝机的出口烟丝含水质量预测装置,其特征在于,包括变量确定模块、历史数据组合获得模块、标定模块、模型构建和训练模块、预测模块;
7.根据权利要求6所述的烘丝机的出口烟丝含水质量预测装置,其特征在于,所述历史数据组合获得模块包括导出模块、第一剔除模块、第二剔除模块以及第一组合模块;
8.根据权利要求7所述的烘丝机的
9.根据权利要求6所述的烘丝机的出口烟丝含水质量预测装置,其特征在于,还包括衍生模块和第二组合模块;
10.根据权利要求9所述的烘丝机的出口烟丝含水质量预测装置,其特征在于,还包括筛选模块,所述筛选模块用于对于同一衍生方向,筛选出每个时间点上与对应的出口烟丝理论含水率相关性最大的第二一衍生数据,作为第三衍生数据;并且,
...【技术特征摘要】
1.一种烘丝机的出口烟丝含水质量预测方法,其特征在于,包括:
2.根据权利要求1所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,依据不同时间点上所述多个变量对应的正常历史数据获得所述时间点上的历史数据组合,具体包括:
3.根据权利要求2所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,依据不同时间点上所述多个变量对应的正常历史数据获得所述时间点上的历史数据组合,还包括:
4.根据权利要求1所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,构建一级支持向量机模型和二级支持向量机模型之前,还包括:
5.根据权利要求4所述的烘丝机的出口烟丝含水质量预测方法,其特征在于,还包括:
6.一种烘丝机的出口烟丝含水质量预测装置,其特征在于,包括变量确定模块、历史数据组合获得模块、标定模块、模型构建和训练模块、预测模块;
【专利技术属性】
技术研发人员:郭奔,奚乐圣,汤尧平,吴丹华,韩顺起,章军,
申请(专利权)人:浙江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。