[發明專利]一種控制烘絲入口含水率的方法和系統

有效

• 申請號: 201811353612.3
• 申請日: 2018-11-14
• 公開（公告）號: CN111184246B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 劉煜;孫再連;施翔飛
• 申請（專利權）人: 廈門邑通軟件科技有限公司
• 主分類號: A24B3/04
• 分類號: A24B3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種控制烘絲入口含水率的方法，其特征在于，采集歷史操作的基礎工況信息，不同的基礎工況建立不同的工作模型；

所述基礎工況包括烘絲入口前的加工階段中影響烘絲入口含水率的主要因素的相應參數，所述加工階段包括：松散階段、預混柜階段、潤葉加料階段和貯葉階段；

其中，所述松散階段的主要因素包括：加水比例、蒸汽比例、松散回風溫度、松散物料流量、壓空到松散的加料比例、松散環境溫濕度、松散水分變化量；

所述預混柜階段的主要因素包括：預混柜的環境溫濕度、預混柜時長、預混柜水分變化量；所述潤葉加料階段的主要因素包括：加料回風溫度、加料物料流量、加料蒸汽補償實際比例、壓空到加料的加料比例、加料的環境溫濕度、潤葉加料水分變化量；

所述貯葉階段的主要因素包括：貯葉柜環境溫濕度、貯葉環境溫濕度、貯葉柜時長、貯葉水分變化量；

建立機器學習模型，所述機器學習模型包括編碼單元、優化目標和變量編碼；

其中，所述編碼單元是模型的主要信息單元，是機器學習的知識點，包括基礎工況信息及與每組基礎工況信息對應的松散出口水分儀零點值、加料入口水分儀零點值、加料出口水分儀零點值和烘絲入口水分儀零點值；

控制烘絲入口含水率為所述優化目標；

所述變量編碼是模型定位的一種編碼，由各階段各變量計算得出，實現各變量對模型的映射，即根據變量可以快速找到相應的模型，所述變量為基礎工況信息中的一種或多種的組合；所述工作模型通過變量編碼與編碼單元一一對應，通過對應關系指示機器學習任務將工作模型派給哪個編碼單元，或者當前工作模型從哪個編碼單元獲取歷史操作信息；

給出下單時產線上各個測點獲得的當前的加工階段的基礎工況信息、松散出口水分儀零點值、加料入口水分儀零點值、加料出口水分儀零點值、烘絲入口水分儀零點值和烘絲入口含水率設定值，得到變量編碼，匹配到編碼單元，計算得到預混柜階段、潤葉加料階段和貯葉階段三個階段的階段水分變化量，最后得到松散階段的加水比例，生成優化方案。

2.根據權利要求1所述的一種控制烘絲入口含水率的方法，其特征在于，所述機器學習模型的學習過程中剔除產線中非穩定數據，不加以處理為變量編碼，所述非穩定數據包括產線工作起始階段的數據、生產中斷料時間段內的數據、遠超設定的正常范圍內的異常數據。

3.根據權利要求1所述的一種控制烘絲入口含水率的方法，其特征在于，所述機器學習模型根據不同的加工階段建立不同的模型，形成多階段串聯模型，并針對各個加工階段分別進行Pearson相關性分析，篩選出相關性顯著性強的變量，再對所篩選出的變量進行變量編碼。

4.根據權利要求1所述的一種控制烘絲入口含水率的方法，其特征在于，所述變量編碼是整型的數據類型存儲的，具體計算公式為：變量編碼＝取整函數((變量–變量最低值)/變量步長)。

5.根據權利要求4所述的一種控制烘絲入口含水率的方法，其特征在于，生成優化方案時，如果存在當前變量對應的變量編碼樣本則直接使用，如果不存在則通過最小二乘法、線性回歸和支持向量機方法去計算、預測、生成優化方案。

6.根據權利要求1所述的一種控制烘絲入口含水率的方法，其特征在于，所述松散水分變化量＝(松散出口含水率-松散出口水分儀零點值)-松散入口默認含水率；所述預混柜水分變化量＝(潤葉入口含水率-潤葉入口水分儀零點值)-(松散出口含水率-松散出口水分儀零點值)；所述潤葉加料水分變化量＝(潤葉出口含水率-潤葉出口水分儀零點)-(潤葉入口含水率-潤葉入口水分儀零點值)；所述貯葉水分變化量＝(烘絲入口含水率-烘絲入口水分儀零點值)-(潤葉出口含水率-潤葉出口水分儀零點值)。

7.根據權利要求1所述的一種控制烘絲入口含水率的方法，其特征在于，所述機器學習模型建立變量編碼溯源機制，每條優化方案都可追溯到變量編碼的源頭。