CN112890260B - 一种基于滑窗预测的薄板烘丝出口含水率的控制方法 - Google Patents

Abstract

本发明提供一种基于滑窗预测的薄板烘丝出口含水率的控制方法，包括：获取烟丝的来料含水率，并对设定时间段内的N次采样作为一个滑窗来计算来料平均含水率。再建立一个包括当前时刻在内的n次采样的来料含水率滑窗，并计算得到各个时刻的来料含水率与所述来料平均含水率的差值。如果一个滑窗内的所有时刻所对应的所述差值都大于或小于0，则判断来料含水率出现了整体性的增大趋势或减小趋势。获取滑窗第一个时刻所对应的出口时刻，并在所述增大趋势或所述减小趋势时控制排潮阀门在所述出口时刻开始减小开度或增大开度，以对薄板烘丝出口含水率进行前馈控制。本发明能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

Description

一种基于滑窗预测的薄板烘丝出口含水率的控制方法

技术领域

本发明涉及烟丝加工控制技术领域，尤其涉及一种基于滑窗预测的薄板烘丝出口含水率的控制方法。

背景技术

薄板烘丝是卷烟制丝加工中的一个核心制造工序，它通过去除叶丝多余水分来达到提高耐加工能力和填充性能，并有效提升卷烟感官质量的目的，通常把出口含水率作为关键质量特性来衡量该工序的质量水平。在薄板烘丝工序中，排潮风量、热风流量、热风温度、以及筒壁温度等几方面都能够对出口含水率进行影响和控制。但实际生产过程中，通过调节热风风门开度来对热风温度进行控制，以确保热风温度保持在一个较为稳定的区间，但对实际调节出口含水率具有很大的滞后性，使得待处理烟丝或梗丝无法及时受到适当的高温空气烘干处理。最终使得不同批次之间的烟丝或梗丝的水分含量波动较大，从而产生较多的不合格烟丝，影响最终烟支质量的稳定。

发明内容

本发明提供一种基于滑窗预测的薄板烘丝出口含水率的控制方法，解决现有薄板烘丝的出口含水率控制存在滞后性，易造成不准确的问题，能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

为实现以上目的，本发明提供以下技术方案：

一种基于滑窗预测的薄板烘丝出口含水率的控制方法，包括：

获取烟丝的来料含水率，并对设定时间段内的N次采样作为一个滑窗来计算来料平均含水率；

再建立一个包括当前时刻在内的n次采样的来料含水率滑窗，并计算得到各个时刻的来料含水率与所述来料平均含水率的差值；

如果一个滑窗内的所有时刻所对应的所述差值都大于或小于0，则判断来料含水率出现了整体性的增大趋势或减小趋势；

获取滑窗第一个时刻所对应的出口时刻，并在所述增大趋势或所述减小趋势时控制排潮阀门在所述出口时刻开始减小开度或增大开度，以对薄板烘丝出口含水率进行前馈控制。

优选的，还包括：

获取烟丝的出口含水率，并建立所述出口含水率的EWMA反馈控制模型；

根据所述EWMA反馈控制模型对所述出口含水率进行指数加权移动平均运算，得到EWMA统计量Z_S；

获取出口含水率的目标值，并根据所述EWMA统计量Z_S对出口含水率的波动进行反馈；

在

或

时判断出口含水率有增大趋势或减小趋势，其中，T为出口含水率的目标值，λ为EWMA平滑系数，σ为过程稳定状态下的标准差，K为常数。

优选的，所述EWMA统计量Z_S根据以下公式计算：

Z_S＝λ·y_S+(1-λ)Z_S-1，其中，Z₀＝T，λ＝2，y_S为第S个时刻的出口含水率。

优选的，还包括：

所述EWMA反馈控制模型在

或

时控制排潮阀门开度值减小或增大，以使薄板烘丝的出口含水率进行反馈控制。

优选的，还包括：

获取薄板烘丝工序的出口含水率的实测值，并计算得到出口含水率的所述实测值与所述目标值的偏差值；

建立PID反馈控制模型，并根据所述偏差值对出口含水率进行PID反馈控制。

优选的，还包括：

对薄板烘丝中的排潮阀门开度建立自学习算法模型，以进行阀门调整幅度的控制；

通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，以增加控制的稳定性。

优选的，还包括：

设定每次调整排潮阀门开度值的幅度为1；

将滑窗预测进行减小排潮阀门开度作为第一调整模式，将滑窗预测进行增大排潮阀门开度作为第二调整模式；

将在

时控制排潮阀门开度值减小作为第三调整模式，将在

时控制排潮阀门开度值增大作为第四调整模式；

通过所述自学习算法模型对排潮阀门开度进行第一调整模式、第二调整模式、第三调整模式和第四调整模式进行整合控制。

优选的，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，包括：

分别对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度的调整次数进行累计；

获取调整后的设定时间内出口含水率数据，并进行数值平均计算，以得到平均值；

对每次调整后计算得到的平均值进行累加，并再次进行均值计算得到二次平均值；

将所述二次平均值与设定阈值进行比较，如果所述二次平均值大于所述设定阈值，则将排潮阀门开度调整幅度增加1，并对调整次数进行清零；

如果所述二次平均值小于所述设定阈值，则将排潮阀门开度调整幅度减小1，并对调整次数进行清零。

优选的，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，还包括：

设定调整次数的累计阈值，在调整次数达到所述累计阈值时，进行所述二次平均值计算，并对调整次数进行清零后，重新进行累计。

本发明提供一种基于滑窗预测的薄板烘丝出口含水率的控制方法，通过设置滑窗预测对排潮阀门开度进行出口含水率的前馈控制，解决现有薄板烘丝的出口含水率控制控制存在滞后性，易造成不准确的问题，能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

附图说明

为了更清楚地说明本发明的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。

图1是本发明提供的一种基于滑窗预测的薄板烘丝出口含水率的控制方法示意图。

图2是本发明实施例提供的烘丝机的来料含水率与时间对比图。

图3是本发明实施例提供的烘丝机的出口含水率与时间对比图。

图4是本发明实施例提供的排潮阀门开度调整幅度自学习流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

针对当前薄板烘丝中出口含水率控制不准确和不均匀，易造成批次内或批次间烟叶质量不一致，影响烟草品质的问题，本发明提供一种基于滑窗预测的薄板烘丝出口含水率的控制方法，通过设置滑窗预测对排潮阀门开度进行出口含水率的前馈控制，解决现有薄板烘丝的出口含水率控制控制存在滞后性，易造成不准确的问题，能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

如图1所示，一种基于滑窗预测的薄板烘丝出口含水率的控制方法，包括：

S1：获取烟丝的来料含水率，并对设定时间段内的N次采样作为一个滑窗来计算来料平均含水率。

S2：再建立一个包括当前时刻在内的n次采样的来料含水率滑窗，并计算得到各个时刻的来料含水率与所述来料平均含水率的差值。

S3：如果一个滑窗内的所有时刻所对应的所述差值都大于或小于0，则判断来料含水率出现了整体性的增大趋势或减小趋势。

S4：获取滑窗第一个时刻所对应的出口时刻，并在所述增大趋势或所述减小趋势时控制排潮阀门在所述出口时刻开始减小开度或增大开度，以对薄板烘丝出口含水率进行前馈控制。

具体地，为了区分和识别来料含水率的整体趋势性变化，可采用移动滑窗的方法进行监测。首先，由于来料含水率是不断变化的，设当前时刻为t，为了确定当前来料的状态，可采用近一段时间的前N次采样作为一个滑窗来计算来料平均含水率

其中，x_i表示第i个时刻的来料含水率。随着生产过程的继续，这个滑窗向前滑动，于是下一时刻时的来料平均含水率为

其次，为了识别来料含水率的趋势性变化，可再建立一个包括n次采样的滑窗，同样设当前时刻为t，分别计算包括当前时刻在内的n次采样的来料含水率与其对应的平均含水率的差d^j＝x_j-μ^j；j＝t,t-1,…t-n+1。

为了避免偶然性变化的影响，识别趋势性的来料含水率的变化，可设置过程质量控制判异准则。

在一实施例中，某烟厂的薄板烘丝工序主要是通过调整排潮阀门开度值来实现对出口含水率的有效控制，其控制模式中得输入为来料含水率，调节因素为排潮阀门开度值，输出为出口含水率，热风温度、热风风速、筒壁温度、排潮负压等影响因素基本保持不变。首先，分析过程输入对输出的影响，即来料含水率的变化对出口含水率的影响。由于烘丝机的滚筒能够将邻近的物料进行一定的混合，来料的短期变化往往对出口含水率的影响不大，但来料的趋势性变化则会对出口含水率造成显著的影响。通过进出口物料的时间比对可知，物料在烘丝机中的停留时间约为310秒，由此将来料含水率与对应的310秒后的出口含水率变化情况进行比对分析，如图2和图3所示。从图中可以发现，来料含水率在第16到18个时刻点出现偶然性的减小，然后又快速回到原有水平，反映在出口含水率上并未出现明显的波动。而在第42个点开始出现了连续性的增大，使来料含水率的整体增高，造成了相应时刻出口含水率也出现了趋势性的增大。因此，通过移动滑窗的方法来区分和识别来料含水率的整体趋势性变化，以实现监测。若连续有7个点在中心线同一侧，则说明过程中存在趋势性偏移，于是可令n＝7，计算滑窗内每个时刻点的d^j值，若一个滑窗中所有的7个d^j都大于等于0，则说明来料含水率已出现了整体性的增大，将会导致对应的出口含水率也出现增大的趋势，需要采用前馈控制的方法进行调整，若当前时刻为t，则在t'＝310-5×7＝275秒后(即该滑窗第一个时刻点对应的出口时刻)减小排潮阀门开度值，以消除这种趋势；同样，若一个滑窗中所有的d^j都小于等于0，则说明来料含水率已出现了整体性的降低，将会导致对应的出口含水率也出现减小的趋势，则需要在275秒后增大排潮阀门开度值以使出口含水率升高；若这两种情况都没有出现，则继续向前滑动该窗口，以对来料含水率进行实时地监测。为避免过度调整带来的出口含水率的振荡，先设定每次调整排潮阀门开度值的幅度为1，在应用一段时间后再通过自学习优化进行改进。

由此，通过滑窗预测实现出口含水率前馈控制，能解决现有薄板烘丝的出口含水率控制控制存在滞后性，易造成不准确的问题，能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

该方法还包括：

S5：获取烟丝的出口含水率，并建立所述出口含水率的EWMA反馈控制模型；

S6：根据所述EWMA反馈控制模型对所述出口含水率进行指数加权移动平均运算，得到EWMA统计量Z_S；

S7：获取出口含水率的目标值，并根据所述EWMA统计量Z_S对出口含水率的波动进行反馈；

S8：在

或

时判断出口含水率有增大趋势或减小趋势，其中，T为出口含水率的目标值，λ为EWMA平滑系数，σ为过程稳定状态下的标准差，K为常数。

进一步，所述EWMA统计量Z_S根据以下公式计算：

Z_S＝λ·y_S+(1-λ)Z_S-1，其中，Z₀＝T，λ＝2，y_S为第S个时刻的出口含水率。

该方法还包括：所述EWMA反馈控制模型在

或

时控制排潮阀门开度值减小或增大，以使薄板烘丝的出口含水率进行反馈控制。

具体地，为了更好地对薄板烘丝过程的出口含水率进行有效控制，还应该根据其变化情况及时进行修正调整。已有的PID反馈控制系统能够对出口含水率的轻微变化进行调整，但对于较大的过程波动往往难以及时实现有效控制，很多时候都需要操作人员进行人工干预，这既增加了人员的工作强度，也由于操作人员的经验差异造成批次质量稳定性下降，为此可采用计算机来实现出口含水率变化的自动识别和调整。为了提高识别过程出现趋势性偏移的灵敏性，同时避免个别检测结果异常造成的干扰，采用指数加权移动平均(EWMA，Exponentially Weighted Moving Average) 法对出口含水率的波动进行及时调整。令进入正常生产阶段的时刻为t₀，从此时刻开始的第s个时刻t_s的出口水分为y_S，此时的EWMA统计量为 Z_S＝λ·y_S+(1-λ)Z_S-1，其中，Z₀＝T，T为出口含水率的目标值，λ为EWMA 平滑系数，一般取λ＝2，y_S为第S个时刻的出口含水率。

参考统计质量控制中EWMA控制图的构造方法，将出口含水率判定为稳定的阈值为

或

其中，σ为过程稳定状态下的标准差，K为常数，一般取K＝3。而

表明出口含水率有增大的趋势，需立刻减小排潮阀门开度值来消除这种趋势。在

时表明出口含水率有降低的趋势，需增大排潮阀门开度值。

该方法还包括：

S9：获取薄板烘丝工序的出口含水率的实测值，并计算得到出口含水率的所述实测值与所述目标值的偏差值；

S10：建立PID反馈控制模型，并根据所述偏差值对出口含水率进行 PID反馈控制。

该方法还包括：

S11：对薄板烘丝中的排潮阀门开度建立自学习算法模型，以进行阀门调整幅度的控制。

S12：通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID 反馈控制所对应的排潮阀门开度进行调整幅度，以增加控制的稳定性。

该方法还包括：

S13：设定每次调整排潮阀门开度值的幅度为1。

S14：将滑窗预测进行减小排潮阀门开度作为第一调整模式，将滑窗预测进行增大排潮阀门开度作为第二调整模式。

S15：将在

时控制排潮阀门开度值减小作为第三调整模式，将在

时控制排潮阀门开度值增大作为第四调整模式。

S16：通过所述自学习算法模型对排潮阀门开度进行第一调整模式、第二调整模式、第三调整模式和第四调整模式进行整合控制。

进一步，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，包括：

分别对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度的调整次数进行累计。

获取调整后的设定时间内出口含水率数据，并进行数值平均计算，以得到平均值。

对每次调整后计算得到的平均值进行累加，并再次进行均值计算得到二次平均值。

将所述二次平均值与设定阈值进行比较，如果所述二次平均值大于所述设定阈值，则将排潮阀门开度调整幅度增加1，并对调整次数进行清零。

如果所述二次平均值小于所述设定阈值，则将排潮阀门开度调整幅度减小1，并对调整次数进行清零。

再进一步，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，还包括：

设定调整次数的累计阈值，在调整次数达到所述累计阈值时，进行所述二次平均值计算，并对调整次数进行清零后，重新进行累计。

在实际应用中，在实际应用过程中，调整幅度的设置必须与实际应用情况相适宜，排潮阀门开度值的调整幅度过小会导致控制不及时，调整滞后，幅度过大又容易导致过程振荡，稳定性下降，因此可采用自学习的方法对控制模型的调整幅度进行优化。

把滑窗预测进行减小排潮阀门开度作为第一调整模式，将滑窗预测进行增大排潮阀门开度作为第二调整模式。将在

时控制排潮阀门开度值减小作为第三调整模式，将在

时控制排潮阀门开度值增大作为第四调整模式。通过所述自学习算法模型对排潮阀门开度进行第一调整模式、第二调整模式、第三调整模式和第四调整模式进行整合控制。每一个调整模式可以各自通过自学习进行优化。

在一实施例中，以第一调整模式为例，其自学习优化流程见图4，每进行一次调整，都需要累计一次调整次数g1，并收集调整后的100秒的出口含水率数据，计算平均值y1作为评价本次调整效果的依据。在经过十次左右的调整后，就可以通过分析调整结果进行自学习优化，若次数不足，就继续生产并进行累加；若g1达到10，则计算这10个平均值g1的平均值y2，若12.97≤y2≤13.03，表明调整后的出口含水率基本靠近目标值，当前调整的控制效果良好，则保持调整幅度不变。若y2＞13.03，说明调整A的控制结果偏高，减少排潮风门开度的幅度不够，则在原来的基础上加1；若y2＜12.97，说明调整的控制结果偏低，减少排潮风门开度的幅度过大，则在原来的基础上减小1。每完成一次自学习优化后，都需要将g1归零，重新累计调整次数，按此流程经过多次自学习优化后，控制参数将达到最优，其他情况的调整的自学习流程与其类似，就不再作具体说明。

表1

为了比对本文提出的控制模型的有效性，分别选取该控制模型应用前后各十批薄板烘丝工序的出口含水率数据进行比较研究。分别计算这二十个批次的出口含水率的均值、方差、极差和C_pk等过程质量指标，其结果如表1所示。从表1中可以发现，模型应用前出口含水率的平均偏移量为 0.076％，模型应用后为0.035％，降低约54％；含水率标准差从模型应用前的0.411％减少到应用后的0.357％，降低约13％；极差从模型应用前的 0.554％减少到应用后的0.484％，降低约12.6％。

可见，本发明提供一种基于滑窗预测的薄板烘丝出口含水率的控制方法，通过设置滑窗预测对排潮阀门开度进行出口含水率的前馈控制，解决现有薄板烘丝的出口含水率控制控制存在滞后性，易造成不准确的问题，能提高各批次薄板烘丝的出口含水率的一致性，提升生产过程质量控制能力。

以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (6)

1.一种基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，包括：

获取烟丝的来料含水率，并对设定时间段内的N次采样作为一个滑窗来计算来料平均含水率；

再建立一个包括当前时刻在内的n次采样的来料含水率滑窗，并计算得到各个时刻的来料含水率与所述来料平均含水率的差值；

如果一个滑窗内的所有时刻所对应的所述差值都大于或小于0，则判断来料含水率出现了整体性的增大趋势或减小趋势；

获取滑窗第一个时刻所对应的出口时刻，并在所述增大趋势或所述减小趋势时控制排潮阀门在所述出口时刻开始减小开度或增大开度，以对薄板烘丝出口含水率进行前馈控制；

获取烟丝的出口含水率，并建立所述出口含水率的EWMA反馈控制模型；

根据所述EWMA反馈控制模型对所述出口含水率进行指数加权移动平均运算，得到EWMA统计量Z_S；

获取出口含水率的目标值，并根据所述EWMA统计量Z_S对出口含水率的波动进行反馈；

在

或

时判断出口含水率有增大趋势或减小趋势，其中，T为出口含水率的目标值，λ为EWMA平滑系数，σ为过程稳定状态下的标准差，k为常数；

所述EWMA统计量Z_S根据以下公式计算：

Z_S＝λ·y_S+(1-λ)Z_S-1，其中，Z₀＝T，λ＝2，y_S为第S个时刻的出口含水率；

所述EWMA反馈控制模型在

或

时控制排潮阀门开度值减小或增大，以使薄板烘丝的出口含水率进行反馈控制。

2.根据权利要求1所述的基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，还包括：

获取薄板烘丝工序的出口含水率的实测值，并计算得到出口含水率的所述实测值与所述目标值的偏差值；

建立PID反馈控制模型，并根据所述偏差值对出口含水率进行PID反馈控制。

3.根据权利要求2所述的基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，还包括：

对薄板烘丝中的排潮阀门开度建立自学习算法模型，以进行阀门调整幅度的控制；

通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，以增加控制的稳定性。

4.根据权利要求3所述的基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，还包括：

设定每次调整排潮阀门开度值的幅度为1；

将滑窗预测进行减小排潮阀门开度作为第一调整模式，将滑窗预测进行增大排潮阀门开度作为第二调整模式；

将在

时控制排潮阀门开度值减小作为第三调整模式，将在

时控制排潮阀门开度值增大作为第四调整模式；

通过所述自学习算法模型对排潮阀门开度进行第一调整模式、第二调整模式、第三调整模式和第四调整模式进行整合控制。

5.根据权利要求4所述的基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，包括：

分别对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度的调整次数进行累计；

获取调整后的设定时间内出口含水率数据，并进行数值平均计算，以得到平均值；

对每次调整后计算得到的平均值进行累加，并再次进行均值计算得到二次平均值；

将所述二次平均值与设定阈值进行比较，如果所述二次平均值大于所述设定阈值，则将排潮阀门开度调整幅度增加1，并对调整次数进行清零；

如果所述二次平均值小于所述设定阈值，则将排潮阀门开度调整幅度减小1，并对调整次数进行清零。

6.根据权利要求5所述的基于滑窗预测的薄板烘丝出口含水率的控制方法，其特征在于，所述通过所述自学习算法模型对滑窗预测、EWMA反馈控制和PID反馈控制所对应的排潮阀门开度进行调整幅度，还包括：

设定调整次数的累计阈值，在调整次数达到所述累计阈值时，进行所述二次平均值计算，并对调整次数进行清零后，重新进行累计。

Images