[發明專利]基于局部峰值編碼循環網絡的氣流式烘絲機智能控制方法

有效

• 申請號: 202210146401.2
• 申請日: 2022-02-17
• 公開（公告）號: CN114403486B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 汪永超;周濤;李鋒;陳珂;姜沛軒
• 申請（專利權）人: 四川大學
• 主分類號: A24B3/04
• 分類號: A24B3/04
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 陳婷

本發明公開了一種基于局部峰值編碼循環網絡的氣流式烘絲機智能控制方法，包括以下步驟：步驟1、氣流式烘絲機監測數據采集；步驟2、數據分析和處理，對監測數據進行標準化、序列化處理；步驟3、構建局部峰值編碼循環網絡模型作為出口水分預測模型；步驟4、預訓練出口水分預測模型；步驟5、模型再訓練及出口水分實時預測；步驟6、構建出口水分預測值和標準值的偏差與每個參數的線性回歸模型，構建優化函數對每個線性回歸模型的參數進行優化求解，獲得參數調整方案。本發明將深度學習的思想與工業控制相結合，設計局部峰值編碼循環網絡對氣流式烘絲機的歷史監測數據建模，通過預測值和標準值的偏差計算出控制參數和工藝參數的調整方案。

技術領域

本發明屬于煙草加工控制領域，特別涉及一種基于局部峰值編碼循環網絡的氣流式烘絲機智能控制方法。

背景技術

氣流式烘絲機是煙絲生產過程中的一個重要設備，其出口水分是評價煙絲質量的關鍵指標。目前，對氣流式烘絲機的控制依賴于PID控制和操作工對來料流量等參數的手動調節，這種方法滯后性大，對操作工的經驗要求較高，難以保證出口水分的穩定性。并且烘絲機的工藝參數具有維度高、耦合性強等特點，任何參數的調整都可能導致出口水分產生較大的誤差。隨著卷煙工業的發展和傳感器技術的廣泛應用，設備監測數據實現了實時獲取，對煙絲質量的要求也越來越高，傳統的控制方法已經不具備對高維、強耦合數據的處理能力，難以適應實際生產的需求。

近年來，深度學習技術在圖像識別、自然語言處理、自動駕駛等領域成功應用，對復雜數據的處理能力強、對實際問題的適應性好等優勢使其在工業控制領域得到了廣泛關注。因此，利用深度學習算法處理氣流式烘絲機的實時監測數據，探索設備參數、控制變量與出口水分間的內在聯系，對煙絲出口水分進行提前預測，根據預測值和標準值的差距對控制參數和工藝參數進行調整，形成智能控制系統提高出口水分的穩定性，降低批次間質量差異，對提高煙絲質量、減少人工干預具有重要意義。

煙絲出口水分的預測可以看成是一個多元時間序列預測問題，研究和實踐表明循環神經網絡(Recurrent Neural Network，RNN)在時間序列問題上具有顯著的優勢，門控循環單元(Gated Recurrent Unit，GRU)作為RNN的變體，能夠緩解梯度爆炸和梯度彌散問題，并且有效解決了長時依賴問題。氣流式烘絲機的煙絲出口水分數據具長期內穩定性強、變化幅度小，而局部波動性強、變化頻率快的特點。使用GRU模型對出口水分進行預測，能夠擬合數據的長期特點，對出口水分的整體趨勢預測較為準確，但是對局部波動的預測效果很差，而依據預測值進行參數調整的關鍵就在于對未來短期時間內的出口水分進行精準預測，所以本發明提出一種局部峰值編碼循環網絡，解決了GRU模型對數據短期波動預測效果差的問題，快速準確地預測了煙絲出口水分，實現了氣流式烘絲機的智能控制。

發明內容

本發明的目的在于克服現有技術的不足，提供一種將深度學習的思想與工業控制相結合，設計局部峰值編碼循環網絡對氣流式烘絲機的歷史監測數據建模，探索運行參數和工藝參數與出口水分之間的內在聯系，進而在實時監測數據上利用訓練好的模型對出口水分進行預測，通過預測值和標準值的偏差計算出控制參數和工藝參數的調整方案的氣流式烘絲機智能控制方法。

本發明的目的是通過以下技術方案來實現的：基于局部峰值編碼循環網絡的氣流式烘絲機智能控制方法，包括以下步驟：

步驟1、氣流式烘絲機監測數據采集，采集氣流式烘絲機的歷史監測數據和實時監測數據，采集的數據包括烘絲機控制和烘絲工藝參數、出口水分；

步驟2、數據分析和處理，對監測數據進行標準化、序列化處理；

步驟3、構建局部峰值編碼循環網絡，根據檢測數據的特點和氣流式烘絲機的運行原理，構建出局部峰值編碼循環網絡模型，作為出口水分預測模型；

步驟4、預訓練出口水分預測模型，實例化局部峰值編碼循環網絡，利用歷史監測數據對其進行預訓練，初步獲得烘絲機控制參數和工藝參數與出口水分端到端的對應關系；