CN109602062B - 基于数字物理模型的松散回潮自适应水分控制方法及系统 - Google Patents

Abstract

本发明公开一种基于数字物理模型的松散回潮自适应水分控制方法，包括获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，并公开详细的控制过程。本发明根据松散回潮过程各变量间的物理关系构建数学模型，并使用多项式回归方法对松散回潮过程数据进行分析，实时辨识模型中的时变参数，通过数学模型并根据烟片目标出口含水率，求出最优加水量，最终实现稳定烟片出口水分、提高烟片合格率和降低卷烟生产成本的目标。

Description

基于数字物理模型的松散回潮自适应水分控制方法及系统

技术领域

本发明涉及松散回潮控制的技术领域，具体涉及一种基于数字物理模型的松散回潮自适应水分控制方法及系统。

背景技术

松散回潮作为烟厂制丝线影响烟丝质量的首道加工工序，松散回潮出口含水率是该工序重要工艺指标，其过程稳定性对后续各工序工艺指标有着直接的影响。目前，对于松散回潮过程中出口水分控制存在诸多问题，最为突出的有两点：其一，由于松散回潮过程本身存在时延，导致松散回潮控制系统不能根据实时测量得到的出口含水率调节加水量的大小，从而影响出口含水率的稳定。其二，由于制丝生产线上烟片的吸水能力是一直在变化的，导致同一批次的烟片物理特性不同，使得松散回潮控制系统不能根据松散回潮过程的数学模型与实时测量得到的变量值，得出此时最优的加水量，影响出口含水率的稳定。

相对于松散回潮过程的重要程度及其影响程度，其烟片出口水分控制精度却一直较低。对于松散回潮工序的加水量，只能依靠现场PLC控制系统设定不变的加水量计算模型得出，但由于烟片的物理特性是变化的，所以在自动得出加水量后，需人工辅助调节，使得烟片出口水分稳定性取决于现场操作人员的水平，控制效果有限。这些现状降低松散回潮过程烟片出口水分的稳定性，从而产生较多的不合格烟丝，对后续各工序工艺指标有很大影响。

基于数字物理模型的松散回潮自适应水分控制，是指一种鲁棒性强、能够有效地克服系统滞后、实时辨识被控对象数学模型参数的自适应控制算法，现如今，极有必要基于自适应控制研发一种松散回潮控制方法，并以之为基础开发一套面向烟草控制人员的松散回潮控制系统。

发明内容

本发明针对现有技术中的缺点，提供了一种基于数字物理模型的松散回潮自适应水分控制方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

一种基于数字物理模型的松散回潮自适应水分控制方法，包括以下步骤：

获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；

对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述对松散回潮过程进行控制的过程包括：

对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；

根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量。

作为一种可实施方式，所述根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型，所述数学模型如下：

b·(k_InUse·h+y)＝a·k_InUse·h+y；

其中，y为加水量，h为烟片质量流量，a为烟片入口含水率，k_InUse为时变参数，b为烟片出口含水率。

作为一种可实施方式，在所述根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量之前，还包括以下步骤：

对所述数学模型进行在线模型辨识，得到校正后的数学模型。

作为一种可实施方式，所述对所述数学模型进行在线模型辨识，得到校正后的数学模型，具体为：

使用入口含水率、出口含水率、加水量、烟片质量流量计算出时变参数观测值k₁和k₂，通过时变参数观测值k₁和k₂对模型参数进行实时在线辨识，公式如下：

k_InUse＝(1-w)·k₁+w·k₂；

其中，k_InUse即为实时辨识出的模型中的时变参数，k₁为上一时刻的k_InUse值，k₂为使用历史数据计算出的时变参数观测值的瞬时值或在一段时间内的均值，w为权重。

作为一种可实施方式，所述根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量，最优加水量的公式为：

其中，d为烟片从入口含水率检测点到加水喷嘴处所需时间，单位为秒，h_l-d为d秒前的烟片质量流量，a_l-d为d秒前的烟片入口含水率，b_l为l时刻的烟片出口含水率设定值，

为l时刻辨识出的模型中的时变参数。

作为一种可实施方式，所述获取松散回潮过程烟片的相关数据基于数据通讯软件通过现场PLC控制网络获得的，所述得出此时刻对应的最优加水量后再传回现场PLC控制网络中。

作为一种可实施方式，选用的数据通讯软件包括Matrikon OPC Siemens PLCServer和Factory Suite Gateway。

作为一种可实施方式，所述数据通讯软件选择Matrikon OPC Siemens PLCServer时，采集过程具体为：

根据OPC服务器中各标签对应的地址，从现场PLC系统提取数据到边缘计算模块或从边缘计算模块传输数据到现场PLC。

一种基于数字物理模型的松散回潮自适应水分控制系统，包括获取数据模块和判定控制模块；

所述获取数据模块，用于获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；

所述判定控制模块，用于对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述判定控制模块包括自动识别单元、模型建立单元和预测单元：

所述自动识别单元，用于对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

所述模型建立单元，用于根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；

所述预测单元，用于根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量。

作为一种可实施方式，还包括校正单元，所述校正单元用于对所述数学模型进行在线模型辨识，得到校正后的数学模型。

本发明由于采用了以上技术方案，具有显著的技术效果：

基于本发明的方法和系统，根据松散回潮过程各变量间的物理关系，构建出此过程的机理模型，并使用多项式回归方法对松散回潮过程历史数据进行分析，实时辨识模型中的时变参数，最后通过过程的数学模型、烟片目标出口含水率和测量的过程变量值求出最优加水量，最终实现稳定烟片出口水分、提高烟片合格率和降低卷烟生产成本的目标。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的整体流程示意图；

图2是本发明的整体系统示意图；

图3是本发明的实施例中某松散回潮设备采用基于数字物理模型的松散回潮自适应水分控制前后的过程能力指数对比图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

实施例1：

一种基于数字物理模型的松散回潮自适应水分控制方法，如图1所示，包括以下步骤：

S100、获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；

S200、对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述对松散回潮过程进行控制的过程包括：

S210、对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

S220、根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；

S230、根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量。

所述根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型，所述数学模型如下：

b·(k_InUse·h+y)＝a·k_InUse·h+y；

其中，y为加水量，h为烟片质量流量，a为烟片入口含水率，k_InUse为时变参数，b为烟片出口含水率。

在步骤S230之前，也就是说在所述根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量之前，还包括以下步骤：对所述数学模型进行在线模型辨识，得到校正后的数学模型。也就是说，假设生产条件的不断变化，则需要对数学模型进行校正，在此，采用数据分析的方法，对松散回潮过程数学模型进行校正。若生产条件发生变化，则采用校正后的数学模型进行预测，预测结果会更加准确。

更进一步地，所述对所述数学模型进行在线模型辨识，得到校正后的数学模型，具体为：使用入口含水率、出口含水率、加水量和烟片质量流量计算出时变参数观测值k₁和k₂，通过时变参数观测值k₁和k₂对模型参数进行实时在线辨识，公式如下：

k_InUse＝(1-w)·k₁+w·k₂；

其中，k_InUse即为实时辨识出的模型中的时变参数，k₁为上一时刻的k_InUse值，k₂为使用历史数据计算出的时变参数观测值的瞬时值或在一段时间内的均值，w为权重。

通过校正后的数学模型，在步骤S230中，所述根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量，最优出水量的公式为：

其中，d为烟片从入口含水率检测点到加水喷嘴处所需时间，单位为秒，h_l-d为d秒前的烟片质量流量，a_l-d为d秒前的烟片入口含水率，b_l为l时刻的烟片出口含水率设定值，

为l时刻辨识出的模型中的时变参数。

在步骤S100中，所述获取松散回潮过程烟片的相关数据基于数据通讯软件通过现场PLC控制网络获得的，所述得出此时刻对应的最优加水量后再传回现场PLC控制网络中。更加具体地，本申请选用的数据通讯软件包括Matrikon OPC Siemens PLC Server和Factory Suite Gateway。

在具体实施例中，选用的是Matrikon OPC Siemens PLC Server，当所述数据通讯软件选择Matrikon OPC Siemens PLC Server时，采集过程具体为：根据OPC服务器中各标签对应的地址，从现场PLC系统提取数据到边缘计算模块或从边缘计算模块传输数据到现场PLC。

如图3所示，图3为本实施例中步骤S230的求取最优加水量后得到的松散回潮设备出口含水率曲线与人工控制时的对比，由图上两种情况下的过程能力指数(Cpk)来看，采用基于数字物理模型的松散回潮自适应水分控制后的烟片出口含水率稳定较采用人工方式控制时有较大提升，以上结果表征本发明所提出的方法可有效提高松散回潮过程烟片出口水分的稳定性。

基于本发明的方法，根据松散回潮过程各变量间的物理关系，构建出此过程的机理模型，并使用多项式回归方法对松散回潮过程历史数据进行分析，实时辨识模型中的时变参数，最后通过过程的数学模型、烟片目标出口含水率和测量的过程变量值求出最优加水量，最终实现稳定烟片出口水分、提高烟片合格率和降低卷烟生产成本的目标。

实施例2：

一种基于数字物理模型的松散回潮自适应水分控制系统，如图2所示，包括获取数据模块100和判定控制模块200；

所述获取数据模块100，用于获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率和烟片质量流量；

所述判定控制模块200，用于对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述判定控制模块200包括自动识别单元210、模型建立单元220和预测单元230：

所述自动识别单元210，用于对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

所述模型建立单元220，用于根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；

所述预测单元230，用于根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量。

更进一步地，还包括校正单元240，所述校正单元用于对所述数学模型进行在线模型辨识，得到校正后的数学模型。

基于本发明的系统，根据松散回潮过程各变量间的物理关系，构建出此过程的数学模型，并使用多项式回归方法对松散回潮过程历史数据进行分析，实时辨识模型中的时变参数，最后通过过程的数学模型、烟片目标出口含水率和测量的过程变量值求出最优加水量，最终实现稳定烟片出口水分、提高烟片合格率和降低卷烟生产成本的目标。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

需要说明的是：

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于数字物理模型的松散回潮自适应水分控制方法，其特征在于，包括以下步骤：

获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；

对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述对松散回潮过程进行控制的过程包括：

对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；所述数学模型如下：

b·(k_InUse·h+y)＝a·k_InUse·h+y；

其中，y为加水量，h为烟片质量流量，a为烟片入口含水率，k_InUse为时变参数，b为烟片出口含水率；

对所述数学模型进行在线模型辨识，得到校正后的数学模型，具体为：使用入口含水率、出口含水率、加水量、烟片质量流量计算出时变参数观测值k₁和k₂，通过时变参数观测值k₁和k₂对模型参数进行实时在线辨识，公式如下：

k_InUse＝(1-w)·k₁+w·k₂；

其中，k_InUse即为实时辨识出的模型中的时变参数，k₁为上一时刻的k_InUse值，k₂为使用历史数据计算出的时变参数观测值的瞬时值或在一段时间内的均值，w为权重；

根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量。

2.根据权利要求1所述的基于数字物理模型的松散回潮自适应水分控制方法，其特征在于，所述根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量，最优加水量的公式为：

其中，d为烟片从入口含水率检测点到加水喷嘴处所需时间，单位为秒，h_l-d为d秒前的烟片质量流量，a_l-d为d秒前的烟片入口含水率，b_l为l时刻的烟片出口含水率设定值，

为l时刻辨识出的模型中的时变参数。

3.根据权利要求1所述的基于数字物理模型的松散回潮自适应水分控制方法，其特征在于，所述获取松散回潮过程烟片的相关数据基于数据通讯软件通过现场PLC控制网络获得的，得出此时刻对应的最优加水量后再传回现场PLC控制网络中。

4.根据权利要求3所述的基于数字物理模型的松散回潮自适应水分控制方法，其特征在于，选用的数据通讯软件包括Matrikon OPC Siemens PLC Server和Factory SuiteGateway。

5.根据权利要求4所述的基于数字物理模型的松散回潮自适应水分控制方法，其特征在于，数据通讯软件选择Matrikon OPC Siemens PLC Server时，采集过程具体为：

根据OPC服务器中各标签对应的地址，从现场PLC系统提取数据到边缘计算模块或从边缘计算模块传输数据到现场PLC。

6.一种基于数字物理模型的松散回潮自适应水分控制系统，其特征在于，包括获取数据模块和判定控制模块；

所述获取数据模块，用于获取松散回潮过程烟片的相关数据，所述相关数据至少包括牌号信息、入口含水率、出口含水率、目标出口含水率、加水量和烟片质量流量；

所述判定控制模块，用于对采集到的松散回潮过程烟片的入口含水率、出口含水率以及烟片质量流量进行判定，当所述入口含水率、出口含水率以及烟片质量流量处于正常工作状态时，对松散回潮过程进行控制，其中，所述判定控制模块包括自动识别单元、模型建立单元和预测单元：

所述自动识别单元，用于对采集到的牌号信息进行自动识别，得到相应批次烟片的物理特性，物理特性至少包含目标出口含水率，根据所述目标出口含水率得到加水量的范围；

所述模型建立单元，用于根据松散回潮过程中各相关数据之间的物理关系以及加水量，建立对应过程的数学模型；所述数学模型如下：

b·(k_InUse·h+y)＝a·k_InUse·h+y；

其中，y为加水量，h为烟片质量流量，a为烟片入口含水率，k_InUse为时变参数，b为烟片出口含水率；

所述预测单元，用于根据所述数学模型与实时获取到的相关数据以及目标出口含水率，预测出当前时刻最优的加水量；

所述基于数字物理模型的松散回潮自适应水分控制系统还包括校正单元，所述校正单元用于对所述数学模型进行在线模型辨识，得到校正后的数学模型，具体为：使用入口含水率、出口含水率、加水量、烟片质量流量计算出时变参数观测值k₁和k₂，通过时变参数观测值k₁和k₂对模型参数进行实时在线辨识，公式如下：

k_InUse＝(1-w)·k₁+w·k₂；

其中，k_InUse即为实时辨识出的模型中的时变参数，k₁为上一时刻的k_InUse值，k₂为使用历史数据计算出的时变参数观测值的瞬时值或在一段时间内的均值，w为权重。

Images