CN102486630B - 基于案例推理技术的回潮机智能优化控制方法 - Google Patents

Abstract

本发明涉及一种基于案例推理技术的回潮机智能优化控制方法，在回潮机入口处增加一个水分检测仪，用于检测回潮机入口烟叶含水率；选取加水系数作为直接操纵变量，回潮机中的蒸汽-水混合喷头喷出的加水流量作为间接操纵变量，出口烟叶含水率作为被控变量；根据烟叶瞬时流量、烟叶累计流量和投料时间信息来判断当前的生产阶段是开始阶段、正常生产阶段还是结束阶段；根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定，得到加水系数预设定值；根据生产工艺要求及操作模式构建反馈补偿规则数据库；根据反馈补偿规则数据库对加水系数预设定值进行反馈补偿，得到优化后的加水系数设定值。本发明有效地克服了烟叶松散回潮过程非线性、大纯滞后的控制难点。

Description

基于案例推理技术的回潮机智能优化控制方法

技术领域

本发明涉及烟草生产设备的控制方法，具体的说是一种基于案例推理技术的回潮机智能优化控制方法。

背景技术

回潮机是卷烟生产过程中制丝生产线的关键设备之一，它承担着增加烟片的含水率和温度，提高烟片耐加工性的任务。有效地控制回潮机出口烟片的含水率和温度，对制丝效果的好坏起着极其重要的作用。

回潮机的工作原理如图1所示。低温、较干的片烟脱去包装箱后，将烟垛分切成厚度和重量大致相等的数块通过微波松散后送入回潮机，物料在滚筒内导流片及耙钉的作用下不停的翻滚，凭借物料的自重下落和滚筒的倾角及转动合成了一个物料螺旋向前的运动，这个运动过程起到了一定的机械松散作用；烟块在翻滚前进的同时与蒸汽喷管和蒸汽-水混合喷头喷出的蒸汽、雾化水充分接触不断的吸热、吸湿逐渐松散开来，成为舒展松软的烟片，从而便于加温加湿，提高片烟的含水率和温度。

回潮机生产环节的工艺指标是循环风温和出口烟叶含水率。进入松散回潮机的物质有：烟片、直喷蒸汽、循环风、蒸汽-水混合喷头喷出的雾化蒸汽。循环风温的控制采用调节直喷蒸汽流量的方式来进行，出口烟叶含水率则采用调节汽水混合喷头喷出的加水流量来控制。循环风温由一个常规PID控制器进行控制，控制效果完全能够满足工艺要求；而出口烟叶含水率的控制则是回潮机的控制难点。烟片吸收水分增湿的过程是一个复杂非线性、大纯滞后过程，经现场实验测定，过程的滞后时间与时间常数之比大于3；此外，由于工艺上对回潮机出口烟叶含水率的控制精度要求高，而一些工艺条件(如入口烟叶的瞬时流量和含水率)的波动较大，因此这些情况都给出口烟叶含水率的控制带来了很大的困难。

当前，国内大多数卷烟厂采用操作员手动调节加水流量设定值，然后再将该设定值送给加水流量PID控制回路的方式来控制出口烟叶的含水率。加水流量设定值的调节有两种方式，一种是操作员直接手动给出加水流量设定值，另一种是操作员手动给出加水系数设定值，再利用程序中的式(1)计算得到加水流量设定值。绝大部分操作员采用后一种调节方式。

在国内绝大多数卷烟厂中，烟叶松散回潮机的入口烟叶含水率是没有检测的，即在入口处不设置水分检测仪。生产中通常的做法是人工估计出一个入口烟叶含水率，之后就认为它固定不变了，即将式(1)中的入口烟叶含水率设置为常数。式(1)中的入口烟叶瞬时流量和出口烟叶含水率均有仪表进行检测。这样势必会给式(1)带来误差。

现有的两种出口含水率调节方式不仅使得操作员的劳动强度很大，而且出口含水率的控制效果也不够平稳，经常出现波动，难以达到工艺上的要求。因此，有必要利用过程控制的成果，开发出一种新的控制算法来吸取优秀操作员的经验，部分或全部地代替操作员的操作，以改进当前的控制方式，减轻操作员的工作负担，使得出口含水率更加平稳，处于工艺指标要求的范围内。

发明内容

针对现有技术中回潮机入口烟叶含水率没有检测、操作劳动强度大、出口含水率的控制效果难以达到工艺要求等不足之处，本发明要解决的技术问题是提供一种减轻操作员的工作负担、使得出口含水率控制效果更好的基于案例推理技术的回潮机智能优化控制方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明基于案例推理技术的回潮机智能优化控制方法包括以下步骤：

在回潮机入口处增加一个水分检测仪，用于检测回潮机入口烟叶含水率；

选取加水系数作为直接操纵变量，回潮机中的蒸汽-水混合喷头喷出的加水流量作为间接操纵变量，出口烟叶含水率作为被控变量；

根据烟叶瞬时流量、烟叶累计流量和投料时间信息来判断当前的生产阶段是开始阶段、正常生产阶段还是结束阶段；

根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定，得到加水系数预设定值；

根据生产工艺要求及操作模式构建反馈补偿规则数据库；

根据反馈补偿规则数据库对加水系数预设定值进行反馈补偿，得到优化后的加水系数设定值。

所述根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定的过程为：

根据生产工艺要求及操作模式构造案例库；

在案例库中进行案例检索，得到与当前问题案例相似度高的典型案例；

根据典型案例进行案例重用得到当前问题案例的加水系数预设定值；

判断上述加水系数预设定值是否满足工艺指标要求，如果满足，将当前问题案例进行案例存储。

如果加水系数预设定值不满足工艺指标要求，则对当前问题案例进行案例修正，直至所得到的加水系数预设定值满足工艺指标要求为止；

将案例修正后得到的加水系数预设定值和案例描述、存储时间做为新案例，进行案例存储。

还包括案例库维护步骤，即对每个子案例库中所有案例进行案例相似度的比较，找出冗余案例并进行删除，进行案例库维护。

所述反馈补偿步骤为：

将出口烟叶含水率的目标值与检测值进行比较，根据二者的偏差按照反馈补偿规则数据库对加水系数预设定值进行校正。

所述烟叶生产工艺条件信息包括出口烟叶含水率和循环风温的目标值，烟叶的边界条件、生产阶段、上一次的加水系数设定值、入口烟叶瞬时流量、入口烟叶含水率、加水流量、循环风温的实际输出值。

烟叶的边界条件包括：烟叶牌号、产地以及生产季节。

本发明具有以下有益效果及优点：

1.本发明提出了基于案例推理技术的烟叶松散回潮机智能优化控制方法，有效地克服了烟叶松散回潮过程非线性、大纯滞后的控制难点。

2.在智能优化控制方法中充分利用了现场专家的操作经验，能够根据不同的生产边界条件、生产阶段以及生产线信息给出合适的加水系数优化设定值，从而保证了回潮机出口烟叶含水率的稳定且处于工艺指标范围内，实现了回潮机生产过程的精细化控制，大大减轻了现场操作员的劳动强度。

附图说明

图1为回潮机工作原理图；

图2为回潮机优化控制方法流程图；

图3为案例分层检索示意图。

具体实施方式

如图2所示，本发明基于案例推理技术的回潮机智能优化控制方法，其特征在于包括以下步骤：

在回潮机入口处安装一个水分检测仪，用于检测回潮机入口烟叶含水率；

选取加水系数作为直接操纵变量，回潮机中的蒸汽-水混合喷头喷出的加水流量作为间接操纵变量，出口烟叶含水率作为被控变量；

根据烟叶瞬时流量、烟叶累计流量和投料时间信息来判断当前的生产阶段是开始阶段、正常生产阶段还是结束阶段；

根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定，得到加水系数预设定值；

根据生产工艺要求及操作模式构建反馈补偿规则数据库；

根据反馈补偿规则数据库对加水系数预设定值进行反馈补偿，得到优化后的加水系数设定值。

根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定的过程为：

根据生产工艺要求及操作模式构造案例库；

在案例库中进行案例检索，得到与当前问题案例相似度高的典型案例；

根据典型案例进行案例重用得到当前问题案例的加水系数预设定值；

判断上述加水系数预设定值否满足工艺指标要求，如果满足，将当前问题案例进行案例存储。

如果加水系数预设定值不满足工艺指标要求，则对当前问题案例进行案例修正，直至所得到的加水系数预设定值满足工艺指标要求为止；

将案例修正后得到的加水系数预设定值和案例描述、存储时间做为新案例，进行案例存储。

对每个子案例库中所有案例进行案例相似度的比较，找出冗余案例并进行删除，进行案例库维护。

本实施例通过以下过程实现本发明方法：

增加入口烟叶含水率检测仪表：在松散回潮机入口处皮带秤的上方增加一个水分检测仪，检测回潮机入口烟叶含水率；

变量选取：选取加水系数作为直接操纵变量，蒸汽-水混合喷头喷出的加水流量作为间接操纵变量，出口烟叶含水率作为被控变量；

生产阶段判别：根据烟叶瞬时流量、烟叶累计流量和投料时间信息来判断当前的生产阶段，将判断结果送给加水系数预设定步骤，生产阶段分为开始阶段、正常生产阶段和结束阶段三个阶段。

加水系数预设定：综合考虑烟叶生产工艺条件信息，包括出口烟叶含水率和循环风温的目标值、烟叶的边界条件、生产阶段、上一次的加水系数设定值、入口烟叶瞬时流量、入口烟叶含水率、加水流量、循环风温度的实际输出值，采用案例推理的方法，给出当前情况下加水系数的预设定值。

构建反馈补偿规则数据库：根据生产工艺要求及操作模式构建反馈补偿规则数据库。

反馈补偿：将出口烟叶含水率的目标值与检测值进行比较，根据它们的偏差、生产阶段和反馈补偿规则数据库对加水系数预设定值进行反馈补偿，得到最终的加水系数优化设定值。

所述生产阶段判别步骤能够判别当前的生产阶段，其形式为：

If烟叶累计流量＜M1 kg then生产阶段为开始阶段；

If烟叶累计流量≥M1 kg then生产阶段为正常生产阶段；

If烟叶瞬时流量＜M2 kg/h且超过T s then生产阶段为结束阶段；

其中M1为烟叶累计流量阈值，M2为烟叶瞬时流量下限阈值，T为烟叶瞬时流量偏低阈值。

所述加水系数预设定步骤能够给出加水系数预设定值，其特征在于按照以下的步骤进行：

案例库的构造：案例库的表示如表1所示。

表1案例库的表示

其中，案例描述C由G*、y(t)、y^*(t-1)、Ω组成，代表烟叶生产工艺条件信息，可以表示为：

C＝{ci}(i＝1，...，11)

其中，ci为案例描述特征；c1和c2分别表示回潮机出口含水率和循环风温度的目标值；c3表示生产阶段，c4、c5、c6、c7分别表示入口烟叶瞬时流量、入口烟叶含水率、加水流量、循环风温度的实际输出值(y₁(t)、y₂(t)、y₃(t)，y₄(t))，c8表示上一次的加水系数设定值y^*(t-1)；c9，c10，c11分别表示边界条件Ω：烟叶牌号、产地、生产季节。案例的解为本次的加水系数预设定值。T表示该案例存储的时间。

案例检索：案例检索主要包括以下步骤：

一、案例库的分层检索。如图3所示，对案例库按照生产季节、烟叶产地、牌号及生产阶段分四层进行检索，将检索得到的案例组成子案例库Li。

二、子案例库的检索。假设Li中共有K条案例，则当前问题案例M与Li中第k条案例Mk的相似度SIM(M，M_k)为：

$\mathrm{SIM}(M,M_k)=\frac{\underset{i}{\mathrm{\Σ}}{\mathrm{\ω}}_i\mathrm{sim}(c_i,c_{i,k})}{\underset{i}{\mathrm{\Σ}}{\mathrm{\ω}}_i}$ i＝1，2，4，5...，8，k＝1，2...，K    (2)

其中，ω_i表示案例特征权值；sim(c_i，c_i，k)为问题案例M和Li中第k条案例第i个描述特征(即c_i与c_i，k)之间描述特征相似度，计算公式如式(3)：

$\mathrm{sim}(c_i,c_{i,k})=1-\frac{|c_i-c_{i,k}|}{\max \left\{c_i\right\}-\min \left\{c_i\right\}}$ i＝1，2，4，5，...，8                            (3)

其中max{c_i}-min{c_i}为案例描述特征c_i的正常工作范围。在Li中检索出与问题案例相似度大于相似度阈值SIM_v的所有相似案例，这些案例组成集合Lj，其中相似度阈值SIM_v是经过离线实验确定的。如果Lj为空集，则选出与问题相似度最高的案例，经修正后使用。

案例重用：如果Lj不为空集，对案例集合Lj中的每条案例的解，采用式(4)得出当前问题的解

${\stackrel{\‾}{y}}_d\left(t\right)=\frac{\underset{k=1}{\overset{R}{\mathrm{\Σ}}}\mathrm{SIM}(M,M_k)\×{\stackrel{\‾}{y}}_k}{\underset{k=1}{\overset{R}{\mathrm{\Σ}}}\mathrm{SIM}(M,M_k)}---\left(4\right)$

其中R为案例集合Lj中的案例数目。如果Lj为空集，则需要对检索出的具有最大相似度的案例进行修正后再重用。设检索出的最大相似度案例Mm的描述特征为C_m＝{c_i，m}，修正规则形式如式(5)和(6)所示：

If c₅-c_m，5＞b₁，then ${\stackrel{\‾}{y}}_d\left(t\right)={\stackrel{\‾}{y}}_m\left(t\right)+d_1---\left(5\right)$

If c₅-c_m，5＜b₂，then ${\stackrel{\‾}{y}}_d\left(t\right)={\stackrel{\‾}{y}}_m\left(t\right)+d_2---\left(6\right)$

其中

为当前问题的解，为案例Mm的解，b₁和b₂为入口烟叶含水率的偏移量，d₁和d₂为修正量。

案例修正：

将经过案例重用得到的加水系数预设定值的解

代入式(1)计算出加水流量设定值送给加水量控制回路执行。如果得到的出口含水率在工艺指标要求的范围内，则不需要修正，将此时的加水系数预设定值

置为如果得到的出口含水率在工艺指标要求的范围外，则需要对重用后的案例按照案例修正规则进行修正，将此时的加水系数预设定值

置为案例修正得到的加水系数预设定值。

几条案例修正规则的形式如式(7)-(10)所示：

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and c_1max＜c1(t)≤c_1max+T1Then Δy(t)＝a1；                                            (7)

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and c_1max+T1＜c₁(t)Then Δy(t)＝a2；                                            (8)

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and c_1min-T2≤c₁(t)＜c_1minThen Δy(t)＝a3；                                            (9)

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and c₁(t)＜c_1min-T2Then Δy(t)＝a4。                                            (10)

其中m1、m2、m3和m4为生产阶段和边界条件的代号，c_1max和c_1min分别为出口烟叶含水率的目标值上限和下限，Δy(t)为案例修正值，T1和T2为偏差限；a_i(i＝1，2，...，4)为加水系数预设定值的修正量。

案例存储：将经过案例修正之后得到的新案例与它所对应的子案例库Li中的历史案例进行比较，如果案例最高相似度低于sim_max，则将新案例直接存储；否则删除相似度最高的那条历史案例，把新案例加入案例库。其中sim_max为案例存储最高相似度阈值。

案例库维护：随着案例推理系统的不断学习与存储，案例库中的案例不断增加，有可能产生冗余案例。冗余案例的判断采用循环比较法，对每个子案例库中所有案例进行案例相似度的比较，找出冗余案例并进行删除。

构建反馈补偿规则数据库：根据生产工艺要求及操作模式，构建出形如表2所示的反馈补偿规则数据库。

表2加水系数预设定值反馈补偿规则数据库

其中n1、n2、n3和n4为生产阶段和边界条件的代号，Δc₁(t)为出口烟叶含水率的目标值与得到的出口含水率检测值之间的偏差。f1、f2和f3为出口烟叶含水率的偏差限；

为加水系数预设定值的反馈补偿修正值，r_i(i＝1，2，...，6)为加水系数预设定值的反馈补偿修正量。

所述反馈补偿步骤能够对加水系数预设定值进行校正，以更好地适应工况的变化。

将出口烟叶含水率的目标值与检测值进行比较，根据二者的偏差及生产阶段、边界条件信息与表3的前提部分进行比较，选出符合条件的规则，利用该规则结论中的反馈补偿修正值对加水系数预设定值进行校正。最终的加水系数设定值y^*(t)由下式计算得到：

增加入口含水率检测仪表：本发明为了实施智能优化控制算法，特增加此检测仪表，以使获得入口烟叶含水率的数据更加及时和准确。

变量选取：对操作员现有的两种调节方式进行分析，发现后一种更能及时准确地反应出生产状况的变化。基于以上分析，选取加水系数作为直接操纵变量，汽-水混合喷头喷出的水流量作为间接操纵变量，出口烟叶含水率作为被控变量。

生产阶段判断：利用入口烟叶流量和入口烟叶累计流量信息将整个生产阶段划分为开始阶段、正常生产阶段和结束阶段，分别以整数1、2和3表示。规则举例如下：

If烟叶累计流量＜600kg then生产阶段为1；

If烟叶累计流量＞＝600kg then生产阶段为2；

If烟叶瞬时流量＜1200kg/h且超过10s then生产阶段为3；

加水系数预设定：综合考虑烟叶生产工艺条件信息，包括出口烟叶含水率和循环风温的目标值、烟叶的边界条件、生产阶段、上一次的加水系数设定值、入口烟叶瞬时流量、入口烟叶含水率、加水流量、循环风温的实际输出值，采用案例推理的方法，给出本次加水系数的预设定值。

1、案例库的构造：

对烟片回潮生产过程采用PCA方法分析之后，确定每一条案例中表示问题的变量为：烟叶牌号、产地、生产季节、入口烟叶累计流量、入口瞬时烟叶流量、入口烟叶含水率、加水流量、循环风温以及上一次的加水系数设定值；表示问题解的变量为：本次的加水系数设定值。另外，还加入表示该案例存储的时间。每条案例就是由上面的各个变量组合而成的。其中，烟叶牌号用整数表示，每个数字代表一种特定牌号的烟叶，如用1代表牌号A，用2代表牌号B，...。烟叶产地用整数表示，每个数字代表一种产地的烟叶，如用1代表产地A，用2代表产地B，...。生产季节用整数表示，春、夏、秋和冬分别用1、2、3和4表示。如果边界条件Ω＝[1，2，2]，目标值G*＝[0.19，60]，y(t)＝[2，5690，0.117，618，59.6]，y^*(t-1)＝[0.75]，那么该案例描述即可表示为C＝{0.19，60，2，8690，0.117，618，59.6，0.75，1，2，2，0.78}，案例解为

从而，案例描述、案例解和存储时间T的具体取值共同组成了一条具体案例。在使用中应搜集控制效果比较好的案例存入案例库中。

2、案例检索：

假设当前问题案例的描述是：C＝{0.189，59.3℃，2，6200kg/h，0.115，629L/h，59.8℃，0.77，1，2，2}。经过对烟叶生产季节、产地、牌号和生产阶段四项分层进行检索后，得到了以下一些案例组成子案例库Li：

因此，将当前问题案例和第一条案例代入式(3)，可以得到以下的结果：

sim(c₁，c_1，1)＝1-|0.189-0.19|/(0.195-0.185)＝0.9

sim(c₂，c_2，1)＝1-|59.3-60|/(63-57)＝0.883

sim(c₄，c_4，1)＝1-|6200-8690|/(12000-6000)＝0.585

sim(c₅，c_5，1)＝1-|0.115-0.117|/(0.12-0.11)＝0.8

sim(c₆，c_6，1)＝1-|629-618|/(900-500)＝0.973

sim(c₇，c_7，1)＝1-|59.8-59.6|/(63-57)＝0.967

sim(c₈，c_8，1)＝1-|0.77-0.75|/(1-0.65)＝0.943

经过对案例描述中各个变量进行权重比较后，得到该情况下的权重系数ω＝[0.15，0.1，0.02，0.3，0.1，0.1，0.23]，其中各个分量都在(0，0.3]内取值。将以上结果代入式(2)可以得出

$\mathrm{SIM}(M,M_1)=\frac{\underset{i}{\mathrm{\Σ}}{\mathrm{\ω}}_i\mathrm{sim}(c_i,c_{i,1})}{\underset{i}{\mathrm{\Σ}}{\mathrm{\ω}}_i}=0.886$

类似地还可以得到：SIM(M，M₂)＝0.9182，SIM(M，M₃)＝0.9183，SIM(M，M₄)＝0.813，SIM(M，M₅)＝0.81。SIM_v的取值范围通常在[0.8，0.9]之间。取SIM_v为0.85，因此选出第1、2和3条案例放入Lj中。

3、案例重用：将Lj中的各个案例的解及与当前问题的相似度代入式(4)进行运算：

${\stackrel{\‾}{y}}_d\left(t\right)=\frac{0.886\×0.78+0.9182\×0.8+0.9183\×0.72}{0.886+0.9182+0.9183}=0.7665$

就得到了案例重用的结果0.7665。如果案例检索得到的相似度都小于SIM_v，则需要修正后进行重用。在式(5)和(6)中，b₁和b₂的取值范围为[0.001，0.005]，d₁的取值范围为[0.005，0.03]，d₂的取值范围为[-0.035，-0.01]。几条形如式(5)和(6)的具体规则举例如下：

If c₅-c_m，5＞0.002，then $\stackrel{\‾}{y}\left(t\right)={\stackrel{\‾}{y}}_m\left(t\right)+0.01$

If c₅-c_m，5＜0.003，then $\stackrel{\‾}{y}\left(t\right)={\stackrel{\‾}{y}}_m\left(t\right)-0.02$

4、案例修正：

假设在当前时刻t的案例描述为C(t)，重用案例后的加水系数预设定值为

即t时刻的案例表示为

将

送给式(1)进行计算得到加水流量设定值送给加水流量回路系统执行后，得到出口含水率的实际值c₁(t)。如果出口含水率的实际值在目标值范围内，则不需要修正，将此时的加水系数预设定值

置为如果出口含水率的实际值不在目标值范围内，则意味着相同工况再次发生时，加水系数预设定值需要做适当校正。因此，案例修正是在“相同工况发生时”进行的。“相同工况”的判断条件是根据式(2)计算案例相似度，如果另一时刻t1的案例与t时刻的案例之间的相似度大于α，认为两个时刻的工况条件基本一致，即SIM(M(t1)，M(t))≥α，其中α为最大相似度阈值。此时在

基础上采用修正规则对时刻t1的设定值进行校正，校正时将案例重用得到的加水系数预设定值

与案例修正值Δy(t)相加，得到修正后的加水系数预设定值

再经式(1)进行计算得到加水流量设定值送给加水流量回路系统后，考察得到的出口含水率实际值。如果合格，则将修正后的

作为新案例的解，将出口含水率和循环风温目标值改为得到的检测值，将此时的加水系数预设定值置为产生一条新案例

以备案例库进行案例存储。如果出口含水率仍然没有进入目标范围，则继续校正，直至出口含水率检测合格。

案例修正规则中的各参数取值范围是：α为[0.95，0.98]，T1为(0，0.008]，T2为(0，0.009]，a1为[-0.06，-0.11]，a2为(-0.11，-0.15]，a3为[0.07，0.12]，a4为(0.12，0.17]，c_1max＝0.2，c_1min＝0.18。几条形如式(7)-(10)的规则举例如下：

If c3＝2 and c9＝1 and c10＝2 and c11＝2 and 0.2＜c₁(t)≤0.207Then Δy(t)＝-0.09；

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and 0.207＜c₁(t)Then Δy(t)＝-0.13；

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and 0.172≤c₁(t)＜0.18Then Δy(t)＝0.1；

If c3＝m1 and c9＝m2 and c10＝m3 and c11＝m4 and c₁(t)＜0.172Then Δy(t)＝0.15。

特别地，当c3为1或3时，Δy(t)＝0。

5、案例存储：将经过案例修正之后得到的新案例与和它对应的子案例库Li中的历史案例进行相似度计算，如果最高相似度低于sim_max，则将新案例直接存储；否则删除相似度最高的那条历史案例，把新案例加入案例库。其中sim_max在[0.95，0.98]范围内取值。

6、案例库维护：假设某个子案例库Li中有n条案例，依次进行如下步骤：

第一步：构造一个临时案例库CBo。

第二步：取该子案例库Li中时间最新的一条案例标记为M1，其余的标记为M2，...，Mn。将Mi(i＝2，3，...，n)分别与M1进行相似度比较，删除相似度在大于阈值0.96，小于1之间的冗余案例，然后将M1移入CBo中。假设删除与M1相似的冗余案例n1条，除了保留的案例M1，还剩余n-n1-1条案例。

第三步：对剩下的案例重新进行编码，在其中取出时间最新的一条案例标记为M1，其余的标记为M2，...，Mn-n1-1。重复进行第二步。直到子案例库Li中的案例为空。

第四步：将CBo中的各案例移回到子案例库Li中，得到删除冗余案例后的结果。

这样对每个子案例库Li进行案例库维护操作，删除冗余的案例记录，以减少运算量。

构建反馈补偿规则数据库：

表2中的各参数取值范围是：f1为[0.002，0.0045]，f2为(0.0045，0.0065]，f3为(0.0065，0.009]，r1为[0.01，0.03]，r2为(0.03，0.06]，r3为(0.06，0.1]，r4为(-0.03，-0.01]，r5为(-0.07，-0.03]，r6为[-0.1，-0.07]。特别地，当c3为1或3时，

反馈补偿：

下面以一个反馈补偿的例子具体说明反馈补偿步骤的工作过程：

假设在时刻t，烟叶牌号为1，生产季节为3，烟叶产地为2，生产阶段为2。经检测得到出口含水率的检测值为c₁(t)，则可以计算出口含水率的目标值与检测值的偏差Δc₁(t)。设Δc₁(t)＝0.003，变化区间限定值为[f1，f2，f3]＝[0.0025，0.005，0.007]，[r1，r2，r3，r4，r5，r6]＝[0.03，0.05，0.08，-0.02，-0.05，-0.09]时，Δc₁(t)在七个变化区间范围内满足f2≥Δc₁(t)＞f1，因此规则的前提条件即为f2≥Δc₁(t)＞f1。依据该前提条件在规则库中找到相应的规则，得到规则的结论即在当前前提条件下，得到的反馈补偿值为

对加水系数预设定值进行反馈补偿，得到加水系数设定值：

将校正后得到的加水系数设定值y^*(t)代入式(1)计算出加水流量设定值，即得到了加水流量的优化设定值。

Claims (1)

1.一种基于案例推理技术的回潮机智能优化控制方法，其特征在于包括以下步骤：

在回潮机入口处增加一个水分检测仪，用于检测回潮机入口烟叶含水率；

选取加水系数作为直接操纵变量，回潮机中的蒸汽-水混合喷头喷出的加水流量作为间接操纵变量，出口烟叶含水率作为被控变量；

根据烟叶瞬时流量、烟叶累计流量和投料时间信息来判断当前的生产阶段是开始阶段、正常生产阶段还是结束阶段；

根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定，得到加水系数预设定值；

根据生产工艺要求及操作模式构建反馈补偿规则数据库；

根据反馈补偿规则数据库对加水系数预设定值进行反馈补偿，得到优化后的加水系数设定值；

所述根据生产阶段以及烟叶生产工艺条件信息进行加水系数预设定的过程为：

根据生产工艺要求及操作模式构造案例库；

在案例库中进行案例检索，得到与当前问题案例相似度高的典型案例；

根据典型案例进行案例重用得到当前问题案例的加水系数预设定值；

判断上述加水系数预设定值是否满足工艺指标要求，如果满足，将当前问题案例进行案例存储；

如果加水系数预设定值不满足工艺指标要求，则对当前问题案例进行案例修正，直至所得到的加水系数预设定值满足工艺指标要求为止；将案例修正后得到的加水系数预设定值和案例描述、存储时间做为新案例，进行案例存储;

还包括案例库维护步骤，即对每个子案例库中所有案例进行案例相似度的比较，找出冗余案例并进行删除，进行案例库维护；

所述反馈补偿步骤为：

将出口烟叶含水率的目标值与检测值进行比较，根据二者的偏差按照反馈补偿规则数据库对加水系数预设定值进行校正;

所述烟叶生产工艺条件信息包括出口烟叶含水率和循环风温的目标值，烟叶的边界条件、生产阶段、上一次的加水系数设定值、入口烟叶瞬时流量、入口烟叶含水率、加水流量、循环风温的实际输出值;

烟叶的边界条件包括：烟叶牌号、产地以及生产季节。

Images