CN112800671B - 一种数据处理方法、装置及电子设备 - Google Patents

一种数据处理方法、装置及电子设备 Download PDF

Info

Publication number
CN112800671B
CN112800671B CN202110103845.3A CN202110103845A CN112800671B CN 112800671 B CN112800671 B CN 112800671B CN 202110103845 A CN202110103845 A CN 202110103845A CN 112800671 B CN112800671 B CN 112800671B
Authority
CN
China
Prior art keywords
water content
target
feed
machine
moment
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.)
Active
Application number
CN202110103845.3A
Other languages
English (en)
Other versions
CN112800671A (zh
Inventor
马颖政
何媛
屈鹏展
祁宏升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN202110103845.3A priority Critical patent/CN112800671B/zh
Publication of CN112800671A publication Critical patent/CN112800671A/zh
Application granted granted Critical
Publication of CN112800671B publication Critical patent/CN112800671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Fluid Mechanics (AREA)
  • Manufacturing & Machinery (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Air Conditioning Control Device (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种数据处理方法、装置及电子设备，方法包括：获得回潮机在目标时刻上对应的目标入料含水率；至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。

Description

一种数据处理方法、装置及电子设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及电子设备。
背景技术
松散回潮是卷烟生产的关键工艺，通过在回潮机中对烟叶进行加水，以改善烟叶的含水率，从而可以使得烟叶松散，提高烟叶在后续切丝过程中的可加工性。
通过采集回潮机的出料含水率，来控制对烟叶的加水量，会因为被采集出料含水率的烟叶与被加水的烟叶并不是同一烟叶，导致对烟叶加水量的控制也存在调节滞后性问题，导致回潮机的出料含水率的控制准确率较低。
发明内容
有鉴于此，本申请提供一种数据处理方法、装置及电子设备，如下：
一种数据处理方法，包括：
获得回潮机在目标时刻上对应的目标入料含水率；
至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；
至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
上述方法，优选的，获得回潮机在目标时刻上对应的目标入料含水率，包括：
在回潮机没有配置用于采集入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率；或，
在所述回潮机上配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率；
其中，所述第一方式与所述第二方式不同，且所述第二方式与所述用于采集入料含水率的采集设备相关。
上述方法，优选的，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率，包括：
获得所述回潮机在多个历史时刻上对应的历史生产参数；
至少根据所述历史生产参数中的历史出料含水率，获得所述回潮机在所述历史时刻上对应的历史入料含水率；
根据所述历史入料含水率，获得所述回潮机在所述目标时刻上对应的目标入料含水率。
上述方法，优选的，至少根据所述历史生产参数中的历史出料含水率，获得所述回潮机在所述历史时刻上对应的历史入料含水率，包括：
根据出料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与入料含水率之间的对应关系，至少对所述历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量以及历史入口秤流量进行处理，以得到所述回潮机在所述历史时刻上对应的历史入料含水率。
上述方法，优选的，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率，包括：
获得所述回潮机上用于采集入料含水率的采集设备在所述目标时刻上采集到的目标入料含水率。
上述方法，优选的，至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率，包括：
根据入料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与出料含水量之间的对应关系，至少对所述目标入料含水率和所述回潮机在所述目标时刻上对应的目标增湿水流量、目标直喷蒸汽量以及目标入口秤流量进行处理，以得到所述回潮机在所述目标时刻上对应的预测时刻上对应的推算出料含水率。
上述方法，优选的，还包括：
获得所述回潮机上用于采集出料含水率的采集设备在所述预测时刻上采集到的实际出料含水率；
至少根据所述预测出料含水率和所述实际出料含水率，获得在至少一个评估指标上的评估值，所述评估指标上的评估值表征在所述评估指标对应的维度上进行出料含水率预测的准确性。
上述方法，优选的，至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，包括：
至少根据所述回潮机在多个第一时刻上对应的历史生产参数以及所述第一时刻对应的第二时刻上对应的历史生产参数，对所述推算出料含水率进行处理，以得到所述回潮机在所述预测时刻上对应的预测出料含水率；
其中，所述第一时刻为所述回潮机的历史运行时刻，所述第二时刻为所述回潮机的物料在所述第一时刻被加入所述回潮机后被运送出所述回潮机的时刻。
一种数据处理装置，包括：
入料含水率获得单元，用于获得回潮机在目标时刻上对应的目标入料含水率；
出料含水率推算单元，用于至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；
出料含水率预测单元，用于至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
一种电子设备，包括：
存储器，用于存储应用程序和所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现：获得回潮机在目标时刻上对应的目标入料含水率；至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
由上述方案可知，本申请提供的一种数据处理方法、装置及电子设备中，在获得回潮机在目标时刻上对应的目标入料含水率之后，根据所获得的目标入料含水率推算回潮机在目标时刻对应的预测时刻上对应的推算出料含水率，然后就可以对这个推算出料含水率进行处理，由此来得到在预设时刻上对应的预测出料含水率，而预测出来的出料含水率就可以用来调整回潮机的生产参数。可见，本申请中对根据入料含水率所推算出的出料含水率再次进行处理，从而预测出更准确的出料含水率，进而提高出料含水率的准确性并提高对回潮机的生产参数的调整准确率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种数据处理方法的流程示意图；
图2为本申请实施例一提供的一种数据处理方法的部分流程图；
图3为本申请实施例一提供的一种数据处理方法的另一流程示意图；
图4为本申请实施例二提供的一种数据处理装置的结构示意图；
图5为本申请实施例二提供的一种数据处理装置的另一结构示意图；
图6为本申请实施例三提供的一种电子设备的结构示意图；
图7为本申请适用于烟叶回潮机的流程示例图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参考图1，为本申请实施例一提供的一种数据处理方法的流程示意图，该方法可以适用于与回潮机相连接且能够进行数据处理的电子设备中，如计算机或服务器等。本实施例中的技术方案主要用于对回潮机的出料含水率进行预测，并提高预测准确率进而提高对回潮机生产参数进行调整的准确率。
具体的，本实施例中的方法可以包含以下步骤：
步骤101：获得回潮机在目标时刻上对应的目标入料含水率。
其中，目标时刻可以为需要进行出料含水率预测的当前时刻或者某个特定的时刻。
具体的，本实施例中可以通过对回潮机的历史生产参数以及当前生产参数进行获取，进而根据所获取到的生产参数进行处理，由此来获得回潮机在目标时刻上对应的目标入料含水率。
步骤102：至少根据目标入料含水率，获得回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率。
其中，预测时刻为目标时刻之的时刻，是指：回潮机的物料在目标时刻被加入回潮机后被运送出回潮机的时刻。具体的，本实施例中可以根据回潮机中运送物料的速率以及回潮机中运送物料的长度来估算物料在回潮机中运送所消耗的时长，基于此，在目标时刻的基础上，可以估算物料在目标时刻被加入回潮机后被运送出回潮机的预测时刻。
基于此，本实施例中可以根据入料含水率和出料含水率之间的关联关系或对应关系，对目标入料含水率进行计算，进而推算回潮机在目标时刻对应的预测时刻上所对应的出料含水率，即推算出料含水率。
步骤103：至少对推算出料含水率进行处理，以得到在预测时刻上对应的预测出料含水率。
其中，预测出料含水率至少用于调整回潮机的生产参数。
需要说明的是，由于紧靠一次推算所得到的推算出料含水率可能存在误差，因此，本实施例中在获得到推算出料含水率之后，再次对推算出料含水率进行处理，以得到预测时刻上对应的准确度更高的出料含水率。
由上述方案可知，本申请实施例一提供的一种数据处理方法中，在获得回潮机在目标时刻上对应的目标入料含水率之后，根据所获得的目标入料含水率推算回潮机在目标时刻对应的预测时刻上对应的推算出料含水率，然后就可以对这个推算出料含水率进行处理，由此来得到在预设时刻上对应的预测出料含水率，而预测出来的出料含水率就可以用来调整回潮机的生产参数。可见，本申请中对根据入料含水率所推算出的出料含水率再次进行处理，从而预测出更准确的出料含水率，进而提高出料含水率的准确性并提高对回潮机的生产参数的调整准确率。
在具体实现中，回潮机的各项生产参数可以通过回潮机上所配置的传感器或检测仪等采集设备来采集相应的生产参数，例如，回潮机上配置有用于采集入口秤流量、薄片秤流量、直喷蒸汽阀门开度、直喷蒸汽流量、增湿水雾化蒸汽压力、滚筒电机频率、回风温度、增湿水流量、入料含水率和出料含水率等各项生产参数的采集设备。
需要说明的是，由于回潮机型号不同，如所属商家不同以及生产批次不同，回潮机上有可能没有配置用于采集入料含水率的采集设备，因此，在步骤101中获得回潮机在目标时刻上对应的目标入料含水率时，可以针对回潮机上是否配置有用于采集入料含水率的采集设备的具体情况来采用不同的处理方式来实现。具体如下：
在回潮机没有配置用于采集入料含水率的采集设备的情况下，本实施例可以以第一方式获得回潮机在目标时刻上对应的目标入料含水率。
或者，在回潮机上配置有用于采集入料含水率的采集设备的情况下，本实施例中可以以第二方式获得回潮机在目标时刻上对应的目标入料含水率。
其中，用于采集入料含水率的采集设备可以为配置在回潮机上的传感器或检测仪等设备，另外，第一方式与第二方式不同，且第二方式与用于采集入料含水率的采集设备相关。
也就是说，本实施例中针对回潮机是否配置有用于采集入料含水率的采集设备以不同的方式获得回潮机在目标时刻上对应的目标入料含水率，其中在回潮机配置有用于采集入料含水率的采集设备的情况下，以与用于采集入料含水率的采集设备相关的方式获得回潮机在目标时刻上对应的目标入料含水率，而在回潮机没有配置用于采集入料含水率的采集设备的情况下，以其他不同的方式获得回潮机在目标时刻上对应的目标入料含水率。
在一种实现方式中，在回潮机配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率时，具体通过以下方式实现：
获得回潮机上用于采集入料含水率的采集设备在目标时刻上采集到的目标入料含水率。例如，在回潮机上配置有能够采集入料含水率的传感器的情况下，本实施例中对回潮机上所配置的传感器所采集到的生产参数进行获取，再从所采集到的生产参数中提取出入料含水率，即目标入料含水率。
在另一种实现方式中，在回潮机上没有配置有用于入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率时，可以通过以下步骤实现，如图2中所示：
步骤201：获得回潮机在多个历史时刻上对应的历史生产参数。
其中，历史时刻是指目标时刻之前的时刻，历史生产参数为回潮机在历史时刻上通过所配置的采集设备所采集到的生产参数，可以包含有每个历史时刻上所采集到如下生产参数：入口秤流量、薄片秤流量、直喷蒸汽阀门开度、直喷蒸汽流量、增湿水雾化蒸汽压力、滚筒电机频率、回风温度、增湿水流量和出料含水率等。
需要说明的是，在某个历史时刻上所采集到的出料含水率并非该历史时刻上被加入回潮机的当前批次的物料的出料含水率，而是当前批次的前一批次的物料被加入到回潮机经过加水之后在该历史时刻被运送出回潮机的出料含水率。因此，即使获得到历史时刻上的出料含水率，这些出料含水率也并不能直接作为历史时刻上物料被加入到回潮机时被运送出回潮机时的出料含水率。
步骤202：至少根据历史生产参数中的历史出料含水率，获得回潮机在历史时刻上对应的历史入料含水率。
其中，本实施例中可以根据出料含水率和入料含水率之间的对应关系，至少对历史生产参数中的历史出料含水率，推算出回潮机在历史时刻上对应的历史入料含水率。
具体的，本实施例中可以根据出料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与入料含水率之间的对应关系，至少对历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量以及历史入口秤流量进行处理，以得到回潮机在历史时刻上对应的历史入料含水率。
需要说明的是，本实施例中针对每个历史时刻，根据出料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与入料含水率之间的对应关系，分别对每个历史时刻对应的历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量以及历史入口秤流量进行处理，进而得到回潮机在每个历史时刻上对应的历史入料含水率。
进一步的，本实施例中可以根据出料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与入料含水率之间的对应关系，至少对历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量、蒸汽利用率以及历史入口秤流量进行处理，以得到回潮机在历史时刻上对应的历史入料含水率。
基于此，本实施例中获得到每个历史时刻上对应的历史入料含水率。
需要说明的是，出料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与入料含水率之间的对应关系可以基于回潮机的热力学物理模型来获得。热力学物理模型为回潮机中对物料进行加水处理所形成的模型，该模型表征将物料以入料含水率被加入到回潮机之后受生产参数如增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量等影响被回潮机输出时所具有的入料含水率。因此，出料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与入料含水率之间的对应关系也可以理解为入料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与出料含水量之间的对应关系。也就是说，本实施例中可以根据热力学物理模型在出料含水率以及回潮机的生产参数的基础上反推出物料的入料含水率，当然，也可以根据热力学物理模型在入料含水率以及回潮机的生产参数的基础上正推出入料的出料含水率。
具体的，出料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与入料含水率之间的对应关系为：入料含水率为出料含水率减去由增湿水流量、直喷蒸汽量、物料的流量(即入口秤流量)与出料含水率所计算出的中间变量后所得到的结果的对应关系。例如，本实施例中可以通过如下公式(1)获得到历史入料含水率：
其中，公式(1)中的αw1为历史入料含水率，公式(1)中的αw2为历史出料含水率，公式(1)中的Dw为历史增湿水流量，公式(1)中的Sw为历史直喷蒸汽量或者历史直喷蒸汽量与蒸汽利用率的乘积，公式(1)中的F为历史入口秤流量，其中，蒸汽利用率为预设值。
步骤203：根据历史入料含水率，获得回潮机在目标时刻上对应的目标入料含水率。
其中，本实施例中可以对每个历史时刻上对应的历史入料含水率进行处理，进而得到回潮机在目标时刻上对应的目标入料含水率。
具体的，本实施例中可以对所有历史时刻上对应的历史入料含水率按照历史时刻的数量求均值，将所得到的均值作为回潮机在目标时刻上对应的目标入料含水率。
在一种实现方式中，步骤102中在根据目标入料含水率，获得回潮机在目标时刻对应的预测时刻上对应的推算出料含水率时，具体可以通过以下方式实现：
根据入料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与出料含水量之间的对应关系，至少对目标入料含水率和回潮机在目标时刻上对应的目标增湿水流量、目标直喷蒸汽量以及目标入口秤流量进行处理，以得到回潮机在目标时刻上对应的预测时刻上对应的推算出料含水率。
进一步的，本实施例中可以根据入料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与出料含水率之间的对应关系，至少对目标入料含水率和回潮机在目标时刻上对应的目标增湿水流量、目标直喷蒸汽量、蒸汽利用率以及目标入口秤流量进行处理，以得到回潮机在目标时刻上对应的预测时刻上对应的推算出料含水率。
需要说明的是，入料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与出料含水率之间的对应关系可以基于回潮机的热力学物理模型来获得。本实施例中根据热力学物理模型在入料含水率以及回潮机的生产参数的基础上正推出入料的出料含水率。
具体的，入料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与出料含水率之间的对应关系为：出料含水率为入料含水率与增湿水流量、直喷蒸汽量与物料的流量(即入口秤流量)所计算出的结果。例如，本实施例中可以通过如下公式(2)获得到推算出料含水率：
其中，公式(2)中的αw1为目标入料含水率，公式(2)中的αw2为推算出料含水率，公式(2)中的Dw为目标增湿水流量，公式(2)中的Sw为目标直喷蒸汽量或者目标直喷蒸汽量与蒸汽利用率的乘积，公式(2)中的F为目标入口秤流量。
在一种实现方式中，本实施例中的方法在步骤103之后还可以包含以下步骤，如图3中所示：
步骤104：获得回潮机上用于采集出料含水率的采集设备在预测时刻上采集到的实际出料含水率。
具体的，本实施例中可以在目标时刻对应的预测时刻上，获得回潮机上能够采集到出料含水率的传感器等设备所采集到的生产参数，进而在这些生产参数中获得到其中的实际出料含水率。
步骤105：至少根据预测出料含水率和实际出料含水率，获得在至少一个评估指标上的评估值。
其中，评估指标上的评估值表征在评估指标对应的维度上进行出料含水率预测的准确性。
具体的，本实施例中可以将预测出料含水率与实际出料含水率进行比对，进而根据比对出的结果，获得在至少一个评估指标上的评估值，这里的评估指标可以包含有均方根误差RMSE(Root Mean Squared Error)、平均绝对百分比误差MAPE(Mean AbsolutePercentage Error)等指标中的任意一项或任意多项，每项评估指标上的评估值表征在该评估指标对应的维度上进行出料含水率预测的准确性。例如，以上评估指标的评估值越趋近于0，表征在该评估指标对应的维度上进行出料含水率预测的准确性越高。
进一步的，本实施例中还可以根据实际出料含水率和目标出料含水率获得整个批次中物料的出料含水率的过程能力指数CPK(Process capability index)的值，目标出料含水率为物料的标准出料含水率，为预设值。CPK的值表征根据预测出料含水率对出料含水率进行控制后实际出料含水率相对于目标出料含水率的稳定性，例如，CPK的值越大，表征整个批次中物料的实际出料含水率相对于目标出料含水率的稳定性越高；CPK的值越小，表征整个批次中物料的实际出料含水率相对于目标出料含水率的稳定性越低。
在一种实现方式中，本实施例中的步骤103可以通过以下方式实现：
至少根据回潮机在多个第一时刻上对应的历史生产参数以及第一时刻对应的第二时刻上对应的历史生产参数，对推算出料含水率进行处理，以得到回潮机在预测时刻上对应的预测出料含水率。
其中，第一时刻为回潮机的历史运行时刻，第二时刻为回潮机的物料在第一时刻被加入回潮机后被运送出回潮机的时刻。
具体的，本实施例中预先根据多个第一时刻上对应的历史生产参数以及第一时刻对应的第二时刻上对应的历史生产参数训练能够预测出料含水率的预测模型，该预测模型预先根据神经网络构建，当然也可以根据其他算法构建如XGBoost等，该预测模型的每个训练样本包含有输入样本和输出样本，每个输入样本至少包含有第一时刻上的出料含水率，当然还可以包含相应第一时刻上的入料含水率、入口秤流量、薄片秤流量、直喷蒸汽阀门开度、直喷蒸汽流量、增湿水雾化蒸汽压力、滚筒电机频率、回风温度、增湿水流量等中的任意一项或任意多项关键生产参数，每个输出样本包含该第一时刻对应的第二时刻上的出料含水率，基于此，本实施例中预先使用每组训练样本对预测模型进行训练，经过多次迭代训练之后，得到模型参数经过优化的预测模型，该预测模型能够针对目标时刻上的推算出料含水率进行处理，进而预测出更为准确的预测出料含水率。
需要说明的是，输入样本中的出料含水率为根据入料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与出料含水率之间的对应关系，在第一时刻上的入料含水率以及第一时刻上的其他生产参数如增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量等基础上进行推算所得到的出料含水率。
另外，在回潮机上配置有用于采集入料含水率的采集设备的情况下，输入样本中的第一时刻上的入料含水率可以是通过回潮机上的用于采集入料含水率的采集设备在第一时刻上所采集到的入料含水率；
而在回潮机上没有配置用于采集入料含水率的采集设备的情况下，输入样本中的第一时刻上的入料含水率可以是根据出料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率以及入口秤流量与入料含水率之间的对应关系，在回潮机在第一时刻之前的历史时刻上所采集到的增湿水流量、直喷蒸汽量、蒸汽利用率、入口秤流量以及出料含水率等基础上进行反推所得到的入料含水率。
参考图4，为本申请实施例二提供的一种数据处理装置的结构示意图，该装置可以配置在与回潮机相连接且能够进行数据处理的电子设备中，如计算机或服务器等。本实施例中的技术方案主要用于对回潮机的出料含水率进行预测，并提高预测准确率进而提高对回潮机生产参数进行调整的准确率。
具体的，本实施例中的装置可以包含以下装置：
入料含水率获得单元401，用于获得回潮机在目标时刻上对应的目标入料含水率；
出料含水率推算单元402，用于至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；
出料含水率预测单元403，用于至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
由上述方案可知，本申请实施例二提供的一种数据处理装置中，在获得回潮机在目标时刻上对应的目标入料含水率之后，根据所获得的目标入料含水率推算回潮机在目标时刻对应的预测时刻上对应的推算出料含水率，然后就可以对这个推算出料含水率进行处理，由此来得到在预设时刻上对应的预测出料含水率，而预测出来的出料含水率就可以用来调整回潮机的生产参数。可见，本实施例中对根据入料含水率所推算出的出料含水率再次进行处理，从而预测出更准确的出料含水率，进而提高出料含水率的准确性并提高对回潮机的生产参数的调整准确率。
在一种实现方式中，入料含水率获得单元401具体用于：在回潮机没有配置用于采集入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率；或，在所述回潮机上配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率；其中，所述第一方式与所述第二方式不同，且所述第二方式与所述用于采集入料含水率的采集设备相关。
可选的，入料含水率获得单元401在以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率时，具体用于：获得所述回潮机在多个历史时刻上对应的历史生产参数；至少根据所述历史生产参数中的历史出料含水率，获得所述回潮机在所述历史时刻上对应的历史入料含水率，例如根据出料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与入料含水率之间的对应关系，至少对所述历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量以及历史入口秤流量进行处理，以得到所述回潮机在所述历史时刻上对应的历史入料含水率；根据所述历史入料含水率，获得所述回潮机在所述目标时刻上对应的目标入料含水率。
可选的，入料含水率获得单元401在以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率时，具体用于：获得所述回潮机上用于采集入料含水率的采集设备在所述目标时刻上采集到的目标入料含水率。
在一种实现方式中，出料含水率推算单元402具体用于：根据入料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与出料含水量之间的对应关系，至少对所述目标入料含水率和所述回潮机在所述目标时刻上对应的目标增湿水流量、目标直喷蒸汽量以及目标入口秤流量进行处理，以得到所述回潮机在所述目标时刻上对应的预测时刻上对应的推算出料含水率。
在一种实现方式中，本实施例中的装置还可以包含以下单元，如图5所示：
预测评估单元404，用于：获得所述回潮机上用于采集出料含水率的采集设备在所述预测时刻上采集到的实际出料含水率；至少根据所述预测出料含水率和所述实际出料含水率，获得在至少一个评估指标上的评估值，所述评估指标上的评估值表征在所述评估指标对应的维度上进行出料含水率预测的准确性。
在一种实现方式中，出料含水率预测单元403具体用于：至少根据所述回潮机在多个第一时刻上对应的历史生产参数以及所述第一时刻对应的第二时刻上对应的历史生产参数，对所述推算出料含水率进行处理，以得到所述回潮机在所述预测时刻上对应的预测出料含水率；其中，所述第一时刻为所述回潮机的历史运行时刻，所述第二时刻为所述回潮机的物料在所述第一时刻被加入所述回潮机后被运送出所述回潮机的时刻。
参考图6，为本申请实施例三提供的一种电子设备的结构示意图，该电子设备可以为与回潮机相连接且能够进行数据处理的电子设备，如计算机或服务器等。本实施例中的技术方案主要用于对回潮机的出料含水率进行预测，并提高预测准确率进而提高对回潮机生产参数进行调整的准确率。
具体的，本实施例中的电子设备可以包含有如下结构：
存储器601，用于存储应用程序和所述应用程序运行所产生的数据；
处理器603，用于执行所述应用程序，以实现：获得回潮机在目标时刻上对应的目标入料含水率；至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
由上述方案可知，本申请提供的一种电子设备中，在获得回潮机在目标时刻上对应的目标入料含水率之后，根据所获得的目标入料含水率推算回潮机在目标时刻对应的预测时刻上对应的推算出料含水率，然后就可以对这个推算出料含水率进行处理，由此来得到在预设时刻上对应的预测出料含水率，而预测出来的出料含水率就可以用来调整回潮机的生产参数。可见，本实施例中对根据入料含水率所推算出的出料含水率再次进行处理，从而预测出更准确的出料含水率，进而提高出料含水率的准确性并提高对回潮机的生产参数的调整准确率。
以烟叶的回潮机为例，以下对本申请中的技术方案进行说明：
松散回潮是卷烟生产的关键工艺，可以使得切片后烟叶松散并且满足该烟叶品牌所要求的含水率标准，提高烟叶在后续切丝过程中的可加工性，而该过程中要通过控制加水量来改善烟叶的出口含水率的稳定程度至工艺要求程度(评估指标为CPK)。实际生产中，由于受到环境温度湿度、来料物理稳定性、增湿水量等因素的影响，以及生产过程中根据人工经验进行控制所导致的调节滞后性问题，会造成松散回潮机出料含水率波动性较大，影响CPK指标和烟叶加工质量。
本申请的发明人经过研究发现：在烟草生产机械制造行业内，针对上述问题已有的研究和改进，较多集中在改进以经验前馈或PID(Proportion Integral Differential)反馈控制为代表的自动化解决方案领域；同时近年也有从预测回潮机烟叶出料含水率出发，配合前馈或既有的反馈控制算法，调节出料含水率，以求达到CPK目标。
但是，本申请的发明人经过进一步研究还发现：现有针对松散回潮机出料含水率预测的方法，基本都是以历史数据(包括烟叶入口含水率、增湿水流量、热风温度、补偿蒸汽流量等各项生产测量数据)作为自变量，应用机器学习算法建立预测模型，如线性预测模型、树模型以及Elman神经网络模型等，直接进行预测。在实际生产中，这些方法经常遇到实际生产设备的局限性导致用于训练模型的实际数据的特征不足问题，从而导致预测模型的泛化能力有较明显局限，导致对于不同品牌及不同批次原料烟叶回潮的出料含水率的预测精度差异较大，难以在实际生产中大规模应用。
有鉴于此，本申请的发明人创造性地将回潮过程的热力学物理模型和机器学习预测算法结合起来，提出了一种新的出料含水率预测方法。首先利用物理模型结合历史数据实现对重要热力学特征的提取校验，同时能够自主生成典型特征(比如不同品牌烟叶的入料含水率和出料含水率)，之后利用机器学习算法的迭代和调优进行预测模型的选择，增强其泛化能力，提高在实际生产过程中的实用性。
以下结合图7中所示的流程图，对基于回潮机中是否配置有采集入料含水率的传感器的不同场景中本申请所提出的技术方案进行详细说明：
一、回潮机中没有配置采集入料含水率的传感器的场景，即入料含水率缺失的场景：
(1)针对每一种香烟品牌，采集不同月份、不同批次的回潮机实时生产测量参数(生产参数)，包括入口秤流量、薄片秤流量、直喷蒸汽阀门开度、直喷蒸汽流量、增湿水雾化蒸汽压力、滚筒电机频率、回风温度、增湿水流量、出口水分(即出料含水率)等参数。
(2)启动本申请中所实现的特征选择模块，获得预测所需特征，即在(1)中所采集到的生产参数中获得相对关键的生产参数，如入口秤流量、、直喷蒸汽流量、增湿水雾化蒸汽压力等等。
(3)利用热力学物理模型，综合同一品牌已获得的多月数百个批次的历史生产数据，利用热力学物理模型中所需的特征参数如增湿水流量、直喷蒸汽流量、蒸汽利用率、出料含水率、入口秤流量等生产测量参数求得平均入料含水率，即前文中的目标入料含水率。
(4)利用热力学物理模型，利用入料时刻t0(即前文中的第一时刻)增湿水流量、直喷蒸汽量、蒸汽利用率、入口秤流量等生产测量参数，以及(3)中求得平均入料含水率，推算出出料时刻t1(即前文中的第二时刻)的出料含水率。另外，考虑到回潮机有一定的物理长度，t0时刻进入的物料，会在t1时刻流出回潮机。
(5)把出料含水率作为新特征加入(2)中，以获得特征列表。
(6)利用(5)中获得特征作为机器学习模型即前文中的预测模型的输入，结合大量的生产数据对模型进行训练和验证，最终的模型可以得到出料含水率预测值，并且满足生产工艺中对于出料含水率预测准确度的要求。
二、回潮机中配置有采集入料含水率的传感器的场景，即入料含水率已知的场景：
(1)针对每一种香烟品牌，采集不同月份、不同批次的回潮机实时生产测量参数，包括入料含水率、入口秤流量、薄片秤流量、直喷蒸汽阀门开度、直喷蒸汽流量、增湿水雾化蒸汽压力、滚筒电机频率、回风温度、增湿水流量、出口水分(出料含水率)等。
(2)启动特征选择模块，获得预测所需特征。
(3)利用热力学物理模型，利用入料时刻t0入料含水率、增湿水流量、直喷蒸汽量、蒸汽利用率等生产测量参数，推算出出料时刻t1的出料含水率。
(4)把出料含水率作为新特征加入(2)中，以获得特征列表。
(5)利用(4)中获得特征作为机器学习模型输入，结合大量的生产数据对模型进行训练和验证，最终的模型可以得到出料含水率预测值，并且满足生产工艺中对于出料含水率预测准确度的要求。
基于以上实现，本申请的技术方案中还可以对模型的预测能力进行多个维度的泛化能力的评估。
另外，在入料含水率已知的情况下，该特征工程可以更好的提供模型训练所需要的特征从而提升预测准确度。
可见，本申请的发明人所提出的新的基于热力学模型和机器学习算法相结合的烟叶回潮出料含水率预测模方法，优势如下：
1、结合热力学物理模型，通过抽象实际生产过程，实现了主动对物理过程中数据特征的提取和重组，完善了特征工程，对于解决关键数据特征缺失问题具有关键作用；
2、通过热力学物理模型得到的关键特征(比如出口含水率)既可以作用于模型训练，也可以作为模型验证的参考基准，从而较为经济地为强化机器学习预测模型的性能提出了新的方法；
3、基于热力学模型对于不同回潮机的迭代，以及利用不同品牌和批次烟叶历史数据的训练过程，该方法可以有效提高预测的泛化能力，并具有较好扩展能力。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种数据处理方法，包括：
获得回潮机在目标时刻上对应的目标入料含水率，包括：在回潮机没有配置用于采集入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率；或，在所述回潮机上配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率；其中，所述第一方式与所述第二方式不同，且所述第二方式与所述用于采集入料含水率的采集设备相关；
至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；
至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
2.根据权利要求1所述的方法，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率，包括：
获得所述回潮机在多个历史时刻上对应的历史生产参数；
至少根据所述历史生产参数中的历史出料含水率，获得所述回潮机在所述历史时刻上对应的历史入料含水率；
根据所述历史入料含水率，获得所述回潮机在所述目标时刻上对应的目标入料含水率。
3.根据权利要求2所述的方法，至少根据所述历史生产参数中的历史出料含水率，获得所述回潮机在所述历史时刻上对应的历史入料含水率，包括：
根据出料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与入料含水率之间的对应关系，至少对所述历史生产参数中的历史出料含水率、历史增湿水流量、历史直喷蒸汽量以及历史入口秤流量进行处理，以得到所述回潮机在所述历史时刻上对应的历史入料含水率。
4.根据权利要求1所述的方法，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率，包括：
获得所述回潮机上用于采集入料含水率的采集设备在所述目标时刻上采集到的目标入料含水率。
5.根据权利要求1所述的方法，至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率，包括：
根据入料含水率、增湿水流量、直喷蒸汽量以及入口秤流量与出料含水量之间的对应关系，至少对所述目标入料含水率和所述回潮机在所述目标时刻上对应的目标增湿水流量、目标直喷蒸汽量以及目标入口秤流量进行处理，以得到所述回潮机在所述目标时刻上对应的预测时刻上对应的推算出料含水率。
6.根据权利要求1所述的方法，还包括：
获得所述回潮机上用于采集出料含水率的采集设备在所述预测时刻上采集到的实际出料含水率；
至少根据所述预测出料含水率和所述实际出料含水率，获得在至少一个评估指标上的评估值，所述评估指标上的评估值表征在所述评估指标对应的维度上进行出料含水率预测的准确性。
7.根据权利要求1所述的方法，至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，包括：
至少根据所述回潮机在多个第一时刻上对应的历史生产参数以及所述第一时刻对应的第二时刻上对应的历史生产参数，对所述推算出料含水率进行处理，以得到所述回潮机在所述预测时刻上对应的预测出料含水率；
其中，所述第一时刻为所述回潮机的历史运行时刻，所述第二时刻为所述回潮机的物料在所述第一时刻被加入所述回潮机后被运送出所述回潮机的时刻。
8.一种数据处理装置，包括：
入料含水率获得单元，用于获得回潮机在目标时刻上对应的目标入料含水率；所述入料含水率获得单元具体用于在回潮机没有配置用于采集入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率；或，在所述回潮机上配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率；其中，所述第一方式与所述第二方式不同，且所述第二方式与所述用于采集入料含水率的采集设备相关；
出料含水率推算单元，用于至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；
出料含水率预测单元，用于至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
9.一种电子设备，包括：
存储器，用于存储应用程序和所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现：获得回潮机在目标时刻上对应的目标入料含水率，包括：在回潮机没有配置用于采集入料含水率的采集设备的情况下，以第一方式获得所述回潮机在目标时刻上对应的目标入料含水率；或，在所述回潮机上配置有用于采集入料含水率的采集设备的情况下，以第二方式获得所述回潮机在所述目标时刻上对应的目标入料含水率；其中，所述第一方式与所述第二方式不同，且所述第二方式与所述用于采集入料含水率的采集设备相关；至少根据所述目标入料含水率，获得所述回潮机在所述目标时刻对应的预测时刻上对应的推算出料含水率；至少对所述推算出料含水率进行处理，以得到在所述预测时刻上对应的预测出料含水率，所述预测出料含水率至少用于调整所述回潮机的生产参数。
CN202110103845.3A 2021-01-26 2021-01-26 一种数据处理方法、装置及电子设备 Active CN112800671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110103845.3A CN112800671B (zh) 2021-01-26 2021-01-26 一种数据处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110103845.3A CN112800671B (zh) 2021-01-26 2021-01-26 一种数据处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112800671A CN112800671A (zh) 2021-05-14
CN112800671B true CN112800671B (zh) 2024-05-31

Family

ID=75811826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110103845.3A Active CN112800671B (zh) 2021-01-26 2021-01-26 一种数据处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112800671B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0917828A2 (de) * 1997-11-20 1999-05-26 British-American Tobacco (Germany) GmbH Verfahren und Vorrichtung zur Regelung der Ausgangsfeuchte von Tabak
CN108652066A (zh) * 2018-05-31 2018-10-16 福建中烟工业有限责任公司 松散回潮工序的加水方法及预测该工序加水量的装置
CN109581879A (zh) * 2019-01-31 2019-04-05 杭州安脉盛智能技术有限公司 基于广义预测控制的松散回潮控制方法及系统
CN109602062A (zh) * 2019-01-31 2019-04-12 杭州安脉盛智能技术有限公司 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
CN111144667A (zh) * 2020-01-16 2020-05-12 红云红河烟草(集团)有限责任公司 一种基于梯度提升树的烟草回潮机出料含水率预测方法
WO2020098261A1 (zh) * 2018-11-14 2020-05-22 厦门邑通软件科技有限公司 一种控制烘丝入口含水率的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0917828A2 (de) * 1997-11-20 1999-05-26 British-American Tobacco (Germany) GmbH Verfahren und Vorrichtung zur Regelung der Ausgangsfeuchte von Tabak
CN108652066A (zh) * 2018-05-31 2018-10-16 福建中烟工业有限责任公司 松散回潮工序的加水方法及预测该工序加水量的装置
WO2020098261A1 (zh) * 2018-11-14 2020-05-22 厦门邑通软件科技有限公司 一种控制烘丝入口含水率的方法和系统
CN109581879A (zh) * 2019-01-31 2019-04-05 杭州安脉盛智能技术有限公司 基于广义预测控制的松散回潮控制方法及系统
CN109602062A (zh) * 2019-01-31 2019-04-12 杭州安脉盛智能技术有限公司 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
CN111144667A (zh) * 2020-01-16 2020-05-12 红云红河烟草(集团)有限责任公司 一种基于梯度提升树的烟草回潮机出料含水率预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于广义预测控制的松散回潮出口含水率控制系统;欧阳江子等;《计算机测量与控制》;第28卷(第3期);103-108 *

Also Published As

Publication number Publication date
CN112800671A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN111144667A (zh) 一种基于梯度提升树的烟草回潮机出料含水率预测方法
CN111045326B (zh) 一种基于递归神经网络的烘丝过程水分预测控制方法及系统
CN112021626B (zh) 烟用制丝环节智能化控制系统及方法
CN108932571B (zh) 卷烟制丝初始工艺参数的设置方法和装置
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
CN111887460A (zh) 烟草烘丝水分和温度控制预测系统及方法
CN110150711B (zh) 基于多元回归的回潮加湿过程水分控制方法及系统
CN108652066A (zh) 松散回潮工序的加水方法及预测该工序加水量的装置
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
CN114027539B (zh) 一种基于模型预测控制的松散回潮定量加水控制方法
CN112273695A (zh) 松散回潮出口含水率预测方法、装置以及设备
CN114115393A (zh) 一种制丝线薄板烘丝机出口水分和温度的控制方法
CN112263012B (zh) 一种基于配方参数库的复烤机含水率控制方法
CN116611349B (zh) 基于神经网络的滚筒烘丝工艺参数优化方法及系统
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
CN114532564A (zh) 基于主成分分析策略的松散回潮出口烟丝含水率控制方法
CN112800671B (zh) 一种数据处理方法、装置及电子设备
CN116880219B (zh) 一种松散回潮自适应模型预测控制系统和方法
CN113303489A (zh) 一种制丝过程烟叶水分准确控制的方法
CN108158028A (zh) 基于分块分层思想的卷烟制叶丝过程多阶段分布式监测与诊断方法
CN116757354A (zh) 一种基于多层感知机的烟叶复烤段关键参数筛选方法
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
CN118838268A (zh) 一种松散回潮加工过程最优加工轨迹的跟踪控制方法
CN114668164B (zh) 基于来料差异性的松散回潮加水量自适应控制系统
CN117519042B (zh) 基于ai技术的水泥生产智能控制方法、系统及存储介质

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