CN112034791A - 薄板烘丝机智能控制系统及方法 - Google Patents
薄板烘丝机智能控制系统及方法 Download PDFInfo
- Publication number
- CN112034791A CN112034791A CN202010663211.9A CN202010663211A CN112034791A CN 112034791 A CN112034791 A CN 112034791A CN 202010663211 A CN202010663211 A CN 202010663211A CN 112034791 A CN112034791 A CN 112034791A
- Authority
- CN
- China
- Prior art keywords
- model
- early warning
- value
- moisture
- sheet cut
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 73
- 238000004519 manufacturing process Methods 0.000 claims abstract description 64
- 238000012216 screening Methods 0.000 claims abstract description 13
- 241000208125 Nicotiana Species 0.000 claims description 57
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 57
- 239000000463 material Substances 0.000 claims description 52
- 238000007599 discharging Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004134 energy conservation Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 210000001503 joint Anatomy 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000001035 drying Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013072 incoming material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
- A24B3/04—Humidifying or drying tobacco bunches or cut tobacco
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
- A24B3/10—Roasting or cooling tobacco
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31439—Alarms can be warning, alert or fault
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明公开了薄板烘丝机智能控制系统及方法,所述系统包括因素查找筛分单元、控制单元、预警单元,其中,控制单元采用双模型控制方式,建立有工艺参数控制模型与能量衡算模型,所述控制单元根据上述双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号;预警单元,其与控制单元连接,基于其预警信号发出报警信息。本发明旨在转变现有控制方式为智能精控,提升产品质量,降低批次间产品差异,构建智能预警功能。
Description
技术领域
本发明涉及烟草行业,具体涉及制丝工序控制领域,尤其涉及一种薄板烘丝机智能控制系统及方法。
背景技术
在烟草生产过程中,制丝生产过程是非常重要的一个环节,它是根据烟叶原料的理化特性,按照一定的程序逐步经过多种加工工序,把烟叶制成合格烟丝的过程。在卷烟生产过程中,制丝的工艺流程最长、工序最繁杂、设备种类也最多。
其中,薄板烘丝机是烟丝制造的重要设备,其具有加工强度低,原香保留率高等特点。但是现在该设备的生产运行控制方法为半自动生产模式,即:来料稳定时,设备通过PID控制系统自动控制;当来料水分波动大时,需人工干预调整参数,避免自动调整过慢。
现阶段,薄板烘丝机预警系统较为简单,通过薄板烘丝机出口水分仪反馈的水分信息进行预警,水分超出工艺上下限即视为预警信息,该预警提示受限于水分仪准确性以及水分仪工作原理。
公开号为CN111109643A的发明申请公开了一种薄板烘丝的烟丝含水量的控制方法及系统,该方法包括:按设定值设置薄板烘丝的热风温度,并设置薄板烘丝的出口含水率的目标值;获取薄板烘丝工序的出口含水率的实测值,并根据所述目标值和所述实测值得到出口含水率的目标偏差值;建立PID反馈控制模型,用于根据所述目标偏差值调节热风风速以对出口含水率进行反馈控制,使批次内的薄板烘丝的出口含水率按所述目标值进行控制。
公开号为CN111103854A的发明申请公开了一种用于提升烟草烘丝机生产稳定性的系统及方法,属于烟草制丝生产技术领域。该系统包括数据采集模块、数据处理模块、稳定性评价模块、预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块等结构。本发明以工业大数据、人工智能等新一代信息技术为支撑,减少非稳态时间并提高稳态控制质量,进而有效地提升烘丝机整个生产过程的质量稳定性。
发明内容
为克服上述现有技术中的不足,本申请提供了一种薄板烘丝机智能控制系统及方法,本发明能够精准控制以及精准预警,实现生产的智能化及自动化。
本发明旨在转变现有控制方式为智能精控,提升产品质量,降低批次间产品差异,构建智能预警功能。
本发明解决其技术问题所采用的技术方案为:
薄板烘丝机智能控制系统,包括
因素查找筛分单元,其按照工艺参数、生产参数、环境参数对薄板烘丝机影响因素进行查找与筛分;
控制单元,其采用双模型控制方式,建立有工艺参数控制模型与能量衡算模型,其中所述工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
所述控制单元根据上述双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号;
预警单元,其与控制单元连接,基于其预警信号发出报警信息。
作为上述技术方案的改进,所述控制单元还建立有物料守恒模型,所述物料守恒模型通过构建物料的进出恒等式所建立,所述物料进出恒等式为:
物料+过程投入=物料+过程损耗;
其中,过程投入包括:HT蒸汽;过程损耗包括:湿度差水分散失、高温烘烤水分散失。
作为上述技术方案的改进,所述控制单元根据该物料守恒模型进行物料监控:
当出料实际值与理论计算值偏差>5%时,生成预警信号。
作为上述技术方案的改进,所述预警信号关联生产控制器,通过生产控制器直接将生产停止,以等待检修。
作为上述技术方案的改进,所述智能控制系统包括调试单元,所述调试单元统与现行生产运行系统wincc对接,进行系统调试。
作为上述技术方案的改进,所述生产参数包括薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度;所述工艺参数包括薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、HT蒸汽、薄板平台温度。
作为上述技术方案的改进,所述环境参数包括环境湿度。
作为上述技术方案的改进,所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立,所述热能恒等式为:
进料端物料温度+过程热量输入=出料端物料温度+过程热量输出;
其中,过程热量输入包括:HT蒸汽热量投入、薄板烘丝机平台热量投入;过程热量输出包括:环境热量散失。
本发明同时提供了一种薄板烘丝机智能控制方法,本方法应用于上述任一项所述的薄板烘丝机智能控制系统,其包括以下步骤:
步骤一,因素查找;
步骤二,因素筛分;
步骤三,工艺参数控制模型的构建:
所述工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;
步骤四,能量衡算模型的构建:
所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
步骤五,根据步骤三、四双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号,通过预警单元发出报警信息;
步骤六,物料守恒模型的构建:
所述物料守恒模型通过构建物料的进出恒等式所建立;
步骤七,根据步骤六模型:当出料实际值与理论计算值偏差>5%时,生成预警信号,通过预警单元发出报警信息,直接将生产停止,等待检修。
本发明带来的有益效果有:
本发明采用双模型控制原理,通过工艺参数控制模型与能量衡算模型,借助其预测值进行系统工艺参数的智能控制、智能预警:当两模型计算排潮开度值偏差≤2%时使用两者平均值对该工艺参数进行控制,当两模型计算排潮开度偏差>2%时系统出现预警提示,便于提前发现问题并作出预处理,防患于未然,提高制丝工艺产品质量与生产效率。
本发明同时设置有物料守恒模型,具备物料监控预警功能:当出料实际值与理论计算值偏差>5%时,系统自动报警,预警单元关联生产控制器,直接将生产停止,等待检修。
本发明转变现有控制方式为智能精控,降低了批次间产品差异,并构建有工艺参数、物料监控智能预警功能,实现了生产的智能化及自动化。
附图说明
下面结合附图及具体实施例对本发明作进一步说明,
附图1是本发明的系统模块图;
附图2是本发明的工艺参数控制模型搭建架构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明中,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接;可以是机械连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,本实施例为一种薄板烘丝机智能控制系统,包括:
因素查找筛分单元,其按照工艺参数、生产参数、环境参数对薄板烘丝机影响因素进行查找与筛分;
控制单元,其采用双模型控制方式,建立有工艺参数控制模型与能量衡算模型,其中工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
控制单元根据上述双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%(该预警阈值可调,偏差=(实测值-预测值)/预测值)时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号;
预警单元,其与控制单元连接,基于其预警信号发出报警信息。
具体的:
薄板烘丝机影响因素进行查找与筛分结果如下:
生产参数:包括薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度;
工艺参数:包括薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、HT蒸汽、薄板平台温度;
环境参数:包括环境湿度。
基于上述的筛分结构,本实施例采用人工神经网络技术,将生产参数与工艺参数作为建模因素,建立工艺参数控制模型。参照图2,工艺参数控制模型是将排潮开度作为输出值,除排潮开度外的其它生产、工艺参数作为输入因素,神经元3个,所建立的人工神经网络模型。
能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立,热能恒等式为:
进料端物料温度+过程热量输入=出料端物料温度+过程热量输出;
其中,过程热量输入包括:HT蒸汽热量投入、薄板烘丝机平台热量投入;过程热量输出包括:环境热量散失。
同时,控制单元还建立有物料守恒模型,物料守恒模型通过构建物料的进出恒等式所建立,物料进出恒等式为:
物料+过程投入=物料+过程损耗;
其中,过程投入包括:HT蒸汽;过程损耗包括:湿度差水分散失、高温烘烤水分散失。
控制单元根据上述物料守恒模型进行物料监控:
当出料实际值与理论计算值偏差>5%时,生成预警信号发出报警信息。
上述各预警信号均可按需关联生产控制器,通过生产控制器直接将生产停止,以等待检修。
智能控制系统包括调试单元,调试单元统与现行生产运行系统wincc对接,进行系统调试。
本实施例的薄板烘丝机智能控制系统采用双模型控制原理,通过工艺参数控制模型与能量衡算模型,借助其预测值进行系统工艺参数的智能控制、智能预警:当两模型计算排潮开度值偏差≤2%时使用两者平均值对该工艺参数进行控制,当两模型计算排潮开度偏差>2%时系统出现预警提示,便于提前发现问题并作出预处理,防患于未然,提高制丝工艺产品质量与生产效率。
同时,其所设置的物料守恒模型,具备物料监控预警功能:当出料实际值与理论计算值偏差>5%时,系统自动报警,预警单元关联生产控制器,直接将生产停止,等待检修。
本系统转变现有控制方式为智能精控,降低了批次间产品差异,并构建有工艺参数、物料监控智能预警功能,真正实现了生产的智能化及自动化。
实施例2
一种薄板烘丝机智能控制方法,本方法应用于实施例1所述的薄板烘丝机智能控制系统,其包括以下步骤:
步骤一,因素查找;
制丝工艺薄板烘丝机影响因素主要包括:薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度、薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、HT蒸汽、薄板平台温度、薄板排潮、环境湿度;
步骤二,因素筛分;
对上述各影响因素进行筛分分组:
生产参数:包括薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度;
工艺参数:包括薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、HT蒸汽、薄板平台温度;
环境参数:包括环境湿度;
步骤三,工艺参数控制模型的构建:
所述工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;
步骤四,能量衡算模型的构建:
所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
热能恒等式为:
进料端物料温度+过程热量输入=出料端物料温度+过程热量输出;
其中,过程热量输入包括:HT蒸汽热量投入、薄板烘丝机平台热量投入;过程热量输出包括:环境热量散失;
步骤五,根据步骤三、四双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号,通过预警单元发出报警信息;
步骤六,物料守恒模型的构建:
所述物料守恒模型通过构建物料的进出恒等式所建立;
物料进出恒等式为:
物料+过程投入=物料+过程损耗;
其中,过程投入包括:HT蒸汽;过程损耗包括:湿度差水分散失、高温烘烤水分散失;
步骤七,根据步骤六模型:当出料实际值与理论计算值偏差>5%时,生成预警信号,通过预警单元发出报警信息,直接将生产停止,等待检修。
试验例
将实施例1中薄板烘丝机智能控制系统试运行:
对烟丝工艺指标进行考核统计,结果见表1:
表1
由上表可知,本智能控制系统有效,其各项工艺指标均合格。
试验例
将实施例1中薄板烘丝机智能控制系统试运行:
对智能控制系统的报警准确性进行统计,结果见表2:
表2
由上表可知,本智能控制系统的预警功能有效,当偏差>2%时预警单元工作。
试验例
将实施例1中薄板烘丝机智能控制系统试运行:
对物料守恒模型报警准确性进行统计,结果见表3:
表3
由上表可知,物料守恒模型的预警功能有效且准确。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.薄板烘丝机智能控制系统,其特征在于:包括
因素查找筛分单元,其按照工艺参数、生产参数、环境参数对薄板烘丝机影响因素进行查找与筛分;
控制单元,其采用双模型控制方式,建立有工艺参数控制模型与能量衡算模型,其中所述工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
所述控制单元根据上述双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号;
预警单元,其与控制单元连接,基于其预警信号发出报警信息。
2.根据权利要求1所述的薄板烘丝机智能控制系统,其特征在于:所述控制单元还建立有物料守恒模型,所述物料守恒模型通过构建物料的进出恒等式所建立,所述物料进出恒等式为:
物料+过程投入=物料+过程损耗;
其中,过程投入包括:HT蒸汽;过程损耗包括:湿度差水分散失、高温烘烤水分散失。
3.根据权利要求2所述的薄板烘丝机智能控制系统,其特征在于:所述控制单元根据该物料守恒模型进行物料监控:
当出料实际值与理论计算值偏差>5%时,生成预警信号。
4.根据权利要求3所述的薄板烘丝机智能控制系统,其特征在于:所述预警信号关联生产控制器,通过生产控制器直接将生产停止,以等待检修。
5.根据权利要求1所述的薄板烘丝机智能控制系统,其特征在于:所述智能控制系统包括调试单元,所述调试单元统与现行生产运行系统wincc对接,进行系统调试。
6.根据权利要求1所述的薄板烘丝机智能控制系统,其特征在于:所述生产参数包括薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度;所述工艺参数包括薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、HT蒸汽、薄板平台温度。
7.根据权利要求1所述的薄板烘丝机智能控制系统,其特征在于:所述环境参数包括环境湿度。
8.根据权利要求1所述的薄板烘丝机智能控制系统,其特征在于:所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立,所述热能恒等式为:
进料端物料温度+过程热量输入=出料端物料温度+过程热量输出;
其中,过程热量输入包括:HT蒸汽热量投入、薄板烘丝机平台热量投入;过程热量输出包括:环境热量散失。
9.薄板烘丝机智能控制方法,其特征在于:本方法应用于权利要求1~8任一项所述的薄板烘丝机智能控制系统,其包括以下步骤:
步骤一,因素查找;
步骤二,因素筛分;
步骤三,工艺参数控制模型的构建:
所述工艺参数控制模型采用神经网络算法,将生产参数与工艺参数作为建模因素,将薄板烘丝机排潮开度作为输出值,其他因素作为输入因素所建立;
步骤四,能量衡算模型的构建:
所述能量衡算模型采用热能守恒原理,将生产过程热量输入与热量输出进行计算、构建恒等式所建立;
步骤五,根据步骤三、四双模型实时计算排潮开度值,当双模型所计算排潮开度值偏差≤2%时,使用两者平均值对系统生产参数进行控制;当双模型所计算排潮开度值偏差>2%时,生成预警信号,通过预警单元发出报警信息;
步骤六,物料守恒模型的构建:
所述物料守恒模型通过构建物料的进出恒等式所建立;
步骤七,根据步骤六模型:当出料实际值与理论计算值偏差>5%时,生成预警信号,通过预警单元发出报警信息,直接将生产停止,等待检修。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663211.9A CN112034791B (zh) | 2020-07-10 | 2020-07-10 | 薄板烘丝机智能控制系统及方法 |
AU2021102749A AU2021102749A4 (en) | 2020-07-10 | 2021-05-21 | Intelligent control system and method of thin plate drier for cut tobacco |
US17/468,663 US11576420B2 (en) | 2020-07-10 | 2021-09-07 | Intelligent control system and method of thin plate drier for cut tobacco |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663211.9A CN112034791B (zh) | 2020-07-10 | 2020-07-10 | 薄板烘丝机智能控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034791A true CN112034791A (zh) | 2020-12-04 |
CN112034791B CN112034791B (zh) | 2021-08-17 |
Family
ID=73579049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010663211.9A Active CN112034791B (zh) | 2020-07-10 | 2020-07-10 | 薄板烘丝机智能控制系统及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11576420B2 (zh) |
CN (1) | CN112034791B (zh) |
AU (1) | AU2021102749A4 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114642268A (zh) * | 2022-03-31 | 2022-06-21 | 张家口卷烟厂有限责任公司 | 基于挥发水分含量的烘丝智能控制系统与方法 |
CN115237184A (zh) * | 2022-07-01 | 2022-10-25 | 张家口卷烟厂有限责任公司 | 基于能量衡算的薄板烘丝设备状态智能判断方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115393A (zh) * | 2021-11-04 | 2022-03-01 | 湖北中烟工业有限责任公司 | 一种制丝线薄板烘丝机出口水分和温度的控制方法 |
CN115251446A (zh) * | 2022-08-10 | 2022-11-01 | 湖北中烟工业有限责任公司 | 一种基于边缘计算单元的烘丝机动态调优控制方法及装置 |
CN115599055B (zh) * | 2022-09-30 | 2024-08-23 | 红塔烟草(集团)有限责任公司 | 一种基于机理预测模型的制丝加水量智能控制方法与系统 |
CN115886309B (zh) * | 2022-11-23 | 2024-08-13 | 浙江中烟工业有限责任公司 | 一种烘丝机断料后物料的烘后水分控制方法及装置 |
CN115997960A (zh) * | 2022-11-30 | 2023-04-25 | 上海烟草集团有限责任公司 | 烘梗丝机出口水分的控制方法、装置及系统 |
CN116125920A (zh) * | 2022-12-29 | 2023-05-16 | 厦门烟草工业有限责任公司 | 烘丝工序监测方法、装置、系统和存储介质 |
CN116076765A (zh) * | 2023-01-18 | 2023-05-09 | 红塔烟草(集团)有限责任公司 | 一种基于传递函数的烘丝机出口水分预测方法 |
CN115978977A (zh) * | 2023-02-10 | 2023-04-18 | 上海益实智能科技有限公司 | 一种分阶段控制薄板烘丝机出口含水率的方法及装置 |
CN115989885B (zh) * | 2023-02-27 | 2024-09-10 | 四川中烟工业有限责任公司 | 一种烘丝机及缩短烘丝机出口烟丝水份非稳态时间的方法 |
CN116268521B (zh) * | 2023-05-22 | 2023-08-15 | 首域科技(杭州)有限公司 | 一种加料机自适应智能控制系统 |
CN116880219B (zh) * | 2023-09-06 | 2023-12-01 | 首域科技(杭州)有限公司 | 一种松散回潮自适应模型预测控制系统和方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3323000A1 (de) * | 1982-07-15 | 1984-01-19 | Hauni-Werke Körber & Co KG, 2050 Hamburg | Anordnung zum trocknen von tabak |
GB2207336A (en) * | 1987-07-31 | 1989-02-01 | British American Tobacco Co | Tobacco feed apparatus |
CN102871214A (zh) * | 2012-10-08 | 2013-01-16 | 秦皇岛烟草机械有限责任公司 | 基于模型预测的烘丝机出口水分控制方法 |
CN203446505U (zh) * | 2013-05-31 | 2014-02-26 | 河南中烟工业有限责任公司 | 梗丝干燥机双pid控制系统 |
CN103704875A (zh) * | 2012-10-09 | 2014-04-09 | 北京精密机电控制设备研究所 | 一种高精度烟丝水分控制方法及其控制系统 |
CN105361230A (zh) * | 2015-12-14 | 2016-03-02 | 贵州中烟工业有限责任公司 | 一种通过排潮风门开度降低卷烟焦油释放量的方法 |
CN106343601A (zh) * | 2016-09-09 | 2017-01-25 | 福建中烟工业有限责任公司 | 膨胀烟丝干燥出口含水率控制方法和装置 |
CN106983172A (zh) * | 2017-04-24 | 2017-07-28 | 江苏密斯欧智能科技有限公司 | 一种烟草丝线智能制造的方法 |
CN108294352A (zh) * | 2017-01-11 | 2018-07-20 | 红塔烟草(集团)有限责任公司 | 滚筒烘丝机物料水分超限预警控制系统 |
CN109090679A (zh) * | 2018-10-11 | 2018-12-28 | 红云红河烟草(集团)有限责任公司 | 一种新型烟草加料自动纠偏控制系统 |
CN109259291A (zh) * | 2018-11-19 | 2019-01-25 | 江苏科技大学 | 用于预测烟丝在滚筒烘丝机内热质传递规律的数值方法 |
CN109640708A (zh) * | 2016-07-04 | 2019-04-16 | 英美烟草(投资)有限公司 | 用于将烟草样本分类为一组预定口味类别中的一个的设备和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103854A (zh) | 2019-12-10 | 2020-05-05 | 云南昆船设计研究院有限公司 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
CN111109643B (zh) | 2019-12-12 | 2021-10-22 | 河南中烟工业有限责任公司 | 一种薄板烘丝的烟丝含水量的控制方法及系统 |
-
2020
- 2020-07-10 CN CN202010663211.9A patent/CN112034791B/zh active Active
-
2021
- 2021-05-21 AU AU2021102749A patent/AU2021102749A4/en active Active
- 2021-09-07 US US17/468,663 patent/US11576420B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3323000A1 (de) * | 1982-07-15 | 1984-01-19 | Hauni-Werke Körber & Co KG, 2050 Hamburg | Anordnung zum trocknen von tabak |
GB2207336A (en) * | 1987-07-31 | 1989-02-01 | British American Tobacco Co | Tobacco feed apparatus |
CN102871214A (zh) * | 2012-10-08 | 2013-01-16 | 秦皇岛烟草机械有限责任公司 | 基于模型预测的烘丝机出口水分控制方法 |
CN103704875A (zh) * | 2012-10-09 | 2014-04-09 | 北京精密机电控制设备研究所 | 一种高精度烟丝水分控制方法及其控制系统 |
CN203446505U (zh) * | 2013-05-31 | 2014-02-26 | 河南中烟工业有限责任公司 | 梗丝干燥机双pid控制系统 |
CN105361230A (zh) * | 2015-12-14 | 2016-03-02 | 贵州中烟工业有限责任公司 | 一种通过排潮风门开度降低卷烟焦油释放量的方法 |
CN109640708A (zh) * | 2016-07-04 | 2019-04-16 | 英美烟草(投资)有限公司 | 用于将烟草样本分类为一组预定口味类别中的一个的设备和方法 |
CN106343601A (zh) * | 2016-09-09 | 2017-01-25 | 福建中烟工业有限责任公司 | 膨胀烟丝干燥出口含水率控制方法和装置 |
CN108294352A (zh) * | 2017-01-11 | 2018-07-20 | 红塔烟草(集团)有限责任公司 | 滚筒烘丝机物料水分超限预警控制系统 |
CN106983172A (zh) * | 2017-04-24 | 2017-07-28 | 江苏密斯欧智能科技有限公司 | 一种烟草丝线智能制造的方法 |
CN109090679A (zh) * | 2018-10-11 | 2018-12-28 | 红云红河烟草(集团)有限责任公司 | 一种新型烟草加料自动纠偏控制系统 |
CN109259291A (zh) * | 2018-11-19 | 2019-01-25 | 江苏科技大学 | 用于预测烟丝在滚筒烘丝机内热质传递规律的数值方法 |
Non-Patent Citations (2)
Title |
---|
刘炳军,李江: "薄板式烘丝机工艺参数相关性研究", 《大众科技》 * |
杨少华,梁逢春: "滚筒式薄板烘丝机基于排潮风风量的烟丝含水率控制方法", 《烟草科技》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114642268A (zh) * | 2022-03-31 | 2022-06-21 | 张家口卷烟厂有限责任公司 | 基于挥发水分含量的烘丝智能控制系统与方法 |
CN115237184A (zh) * | 2022-07-01 | 2022-10-25 | 张家口卷烟厂有限责任公司 | 基于能量衡算的薄板烘丝设备状态智能判断方法 |
CN115237184B (zh) * | 2022-07-01 | 2023-09-26 | 张家口卷烟厂有限责任公司 | 基于能量衡算的薄板烘丝设备状态智能判断方法 |
Also Published As
Publication number | Publication date |
---|---|
US11576420B2 (en) | 2023-02-14 |
CN112034791B (zh) | 2021-08-17 |
US20220142225A1 (en) | 2022-05-12 |
AU2021102749A4 (en) | 2021-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112034791B (zh) | 薄板烘丝机智能控制系统及方法 | |
CN112021626B (zh) | 烟用制丝环节智能化控制系统及方法 | |
CN113017132A (zh) | 一种基于烘丝机工艺参数预测的烟丝质量优化的方法 | |
CN110946306B (zh) | 一种基于滚筒式叶丝回潮的质量控制方法及系统 | |
CN102147613B (zh) | 一种对烟叶复烤机水分、温度的模型预测控制方法及系统 | |
CN110973680B (zh) | 一种稳定滚筒式烘丝机加工强度的方法 | |
CN112327960B (zh) | 松散回潮设备智能控制系统 | |
CN102987538B (zh) | 一种气流式烘丝水分控制方法 | |
CN103202528A (zh) | 基于ht水分补偿的前馈和反馈的叶丝干燥控制方法及系统 | |
CN106418656B (zh) | 一种烟草制丝生产的水分控制方法及装置 | |
CN112790419B (zh) | 一种叶丝加料的加工参数的控制方法及系统 | |
CN108536087B (zh) | 烟叶和烟草薄片回潮加湿含水率的控制方法及其控制装置 | |
CN112790418B (zh) | 一种叶丝超级回潮的加水控制方法及系统 | |
CN113812658B (zh) | 基于神经网络模型和双重参数修正的松散回潮加水控制方法 | |
CN111165866A (zh) | 一种基于气流式梗丝干燥的质量控制方法及系统 | |
CN114156910A (zh) | 一种基于信号同源的agc负荷解耦控制方法和自动寻优装置 | |
CN114510098B (zh) | 一种生产环境调控方法与系统 | |
CN114115393A (zh) | 一种制丝线薄板烘丝机出口水分和温度的控制方法 | |
CN112931913A (zh) | 一种气流式梗丝干燥出口含水率的控制方法 | |
CN203028084U (zh) | 一种烟叶复烤系统 | |
CN110926200B (zh) | 一种蒸汽干燥装置控制方法、系统与应用 | |
CN111831028A (zh) | 复烤机回潮段料头料尾的温度控制方法、装置以及介质 | |
CN111728252A (zh) | 一种烟草滚筒干燥强度的控制方法及系统 | |
CN203243922U (zh) | 基于ht水分补偿的前馈和反馈的叶丝干燥控制系统 | |
CN112790421B (zh) | 一种基于滑窗预测的梗丝加料出口含水率的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |