CN114532564A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114532564A CN114532564A CN202210301068.8A CN202210301068A CN114532564A CN 114532564 A CN114532564 A CN 114532564A CN 202210301068 A CN202210301068 A CN 202210301068A CN 114532564 A CN114532564 A CN 114532564A
- Authority
- CN
- China
- Prior art keywords
- outlet
- principal component
- water content
- loosening
- moisture content
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 241000208125 Nicotiana Species 0.000 title claims abstract description 34
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 34
- 238000000513 principal component analysis Methods 0.000 title claims abstract description 32
- 230000003750 conditioning effect Effects 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 90
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012628 principal component regression Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000012797 qualification Methods 0.000 abstract description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 239000002994 raw material Substances 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical group [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- ZZVUWRFHKOJYTH-UHFFFAOYSA-N diphenhydramine Chemical compound C=1C=CC=CC=1C(OCCN(C)C)C1=CC=CC=C1 ZZVUWRFHKOJYTH-UHFFFAOYSA-N 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明公开了一种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，基于主成分分析算机理，利用大量统计数据进行定量分析。具体地，通过将与含水率相关的若干变量对应到实际含水率，结合PCA算法对原始变量进行处理得到主要成分，再构建出松散回潮出口含水率预测模型，利用松散回潮出口含水率预测模型对实时出口含水率进行预测，进而获得最佳加水量并对松散回潮工艺进行反馈控制。本发明使得在松散回潮工艺下采集到的现场数据集更易使用，降低算法的计算开销，同时去除了数据噪声，使得松散回潮过程中的出口含水率得到了精准的实时预测，有效保障了松散回潮工艺出口烟丝的合格率，减少原料浪费，节约企业成本。
Description
技术领域
本发明涉及卷烟制造领域，尤其涉及一种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。
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，从而影响了出口含水率的稳定。目前，卷烟制造企业对松散回潮工艺有着众多不同的控制方式，从传统的人工控制到较智能化的控制方法，各企业根据其规模和智能化程度控制方法各不相同，经调研发现，松散回潮工艺烟叶出口含水率预测主要技术如下：
1、通过PID控制对出口含水率进行反馈调节，通过测量的出口含水率对松散回潮过程的加水量进行反馈，此类方案需要人工对控制过程进行调节，控制的结果偏差较大且需要较多的人工干预，并存在时间迟滞，误差较大；
2、通过神经网络算法、线性回归算法、向量回归算法、多项式曲线拟合算法等数据拟合算法，拟合出干燥烟丝工序的出口烟丝含水率与各预测因子之间的预测模型，此类方案需要的训练数据量巨大，使用效率较低，同时预测的出口含水率结果稳定性较差；
3、根据松散回潮过程中各相关数据之间的物理关系，构建对应过程中的机理模型，并将此机理模型进行线性化处理，再利用Diophantine方程获得烟丝出口率预测模型，进而自动得出最优的加水量，此类方案预测的稳定性较差，可靠性不高。
由于松散回潮过程的重要程度及其影响程度，利用上述现有构思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，还需人工辅助调节，使得烟片出口水分稳定性取决于现场操作人员的经验和水平，控制效果有限。这些现状均降低了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。
发明内容
鉴于上述，本发明旨在提供一种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，以解决前述提及的技术问题。
本发明采用的技术方案如下：
本发明提供了一种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，其中包括：
采集现场数据，所述现场数据包括含水率相关变量；
利用主成分分析策略对所述含水率相关变量进行分析，确定所述含水率相关变量中影响出口含水率的目标主成分；
根据所述目标主成分构建线性预测模型；
基于所述线性预测模型对松散回潮工序中的出口含水率进行预测，得到含水率预测值；
结合实时获取的所述含水率预测值以及对应时刻采集的出口含水率实测值，得到对应的目标加水量；
利用所述目标加水量对出口含水率进行控制。
在其中至少一种可能的实现方式中，所述利用主成分分析策略对所述含水率相关变量进行分析包括：
对原始的所述含水率相关变量进行标准化处理；
根据标准化处理后的所述含水率相关变量，计算相关系数矩阵；
获取所述相关系数矩阵的特征值以及对应的特征向量；
基于所述特征值以及所述特征向量，从所述含水率相关变量中选定影响出口含水率的候选主成分；
生成所述候选主成分的表达式，并基于所述表达式求取各所述候选主成分的得分；
根据所述得分，确定目标主成分。
在其中至少一种可能的实现方式中，所述含水率相关变量包括如下若干种数据的组合：牌号信息、回风温度，实际加水量，入口物料流量，入口含水率以及出口含水率。
在其中至少一种可能的实现方式中，所述线性预测模型为：
y＝a0+a1x1+a2x2+a3x3+……+anxn；
其中，y为出口含水率；x0～xn为目标主成分；a0～an为模型参数，用于使预测的出口含水率与实际含水率误差最小。
在其中至少一种可能的实现方式中，所述采集现场数据包括获取实际测量的测量值以及人工预设的设定值。
在其中至少一种可能的实现方式中，所述根据所述目标主成分构建线性预测模型包括：基于回潮过程中各所述目标主成分的物理关系以及加水量，采用主元回归法建立对应回潮过程的线性预测模型。
在其中至少一种可能的实现方式中，所述含水率预测值为松散回潮过程本身产生的时延内的出口含水率预估值。
本发明的主要设计构思在于，基于主成分分析算法/统计模型的机理，也即是将具有多个观测变量的高维数据集降维，便于从事物之间错综复杂的关系中找到主要的关键因素，从而能够更加有效地利用大量统计数据进行定量分析，并可以更好地进行可视化、回归等后续处理。具体地，通过将与含水率相关的若干变量对应到实际含水率，结合PCA算法对原始相关变量进行处理得到主要成分，再利用主元回归法构建松散回潮出口含水率预测模型，利用所述松散回潮出口含水率预测模型对实时出口含水率进行预测，进而获得最佳加水量并对松散回潮工艺进行反馈控制。本发明使得在松散回潮工艺下采集到的现场数据集更易使用，降低算法的计算开销，同时去除了数据噪声，使得松散回潮过程中的出口含水率得到了精准的实时预测，有效保障了松散回潮工艺出口烟丝的合格率，减少原料浪费，节约企业成本。
附图说明
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步描述，其中：
图1为本发明实施例提供的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的流程图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明提出了一种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的实施例，具体来说，如图1所示，其中包括：
步骤S1、采集现场数据，所述现场数据包括含水率相关变量；
步骤S2、利用主成分分析策略(Principal Component Analysis，PCA)对所述含水率相关变量进行分析，确定所述含水率相关变量中影响出口含水率的目标主成分；
步骤S3、根据所述目标主成分构建线性预测模型；
步骤S4、基于所述线性预测模型对松散回潮工序中的出口含水率进行预测，得到含水率预测值；
步骤S5、结合实时获取的所述含水率预测值以及对应时刻采集的出口含水率实测值，得到对应的目标加水量(也即是当前最优加水量)；
步骤S6、利用该目标加水量实现对出口含水率的精准控制。
进一步地，所述利用主成分分析策略对所述含水率相关变量进行分析包括：
对原始的所述含水率相关变量进行标准化处理；
根据标准化处理后的所述含水率相关变量，计算相关系数矩阵；
获取所述相关系数矩阵的特征值以及对应的特征向量；
基于所述特征值以及所述特征向量，从所述含水率相关变量中选定影响出口含水率的候选主成分；
生成所述候选主成分的表达式，并基于所述表达式求取各所述候选主成分的得分；
根据所述得分，确定目标主成分。
进一步地，所述含水率相关变量包括如下多种数据组合：牌号信息、回风温度，实际加水量，入口物料流量，入口含水率以及出口含水率。
进一步地，所述线性预测模型为：y＝a0+a1x1+a2x2+a3x3+……+anxn；
其中，y为模型的输出变量(也即是烟丝的出口含水率)；x0到xn为模型的n个输入变量(也即是经由PCA分析选定的与出口含水率有关的主要变量)；a0到an为n+1个模型参数，其用于使模型预测的输出值与实际测量的输出值误差最小，即预测的出口含水率与实际含水率误差最小。
进一步地，所述采集现场数据包括获取实际测量的测量值以及人工预设的设定值。
进一步地，所述根据所述目标主成分构建线性预测模型包括：基于回潮过程中各所述目标主成分的物理关系以及加水量，采用主元回归法建立对应回潮过程的线性预测模型。
进一步地，所述含水率预测值为松散回潮过程本身产生的时延内的出口含水率预估值。
综上所述，本发明的主要设计构思在于，基于主成分分析算法/统计模型的机理，也即是将具有多个观测变量的高维数据集降维，便于从事物之间错综复杂的关系中找到主要的关键因素，从而能够更加有效地利用大量统计数据进行定量分析，并可以更好地进行可视化、回归等后续处理。具体地，通过将与含水率相关的若干变量对应到实际含水率，结合PCA算法对原始相关变量进行处理得到主要成分，再利用主元回归法构建松散回潮出口含水率预测模型，利用所述松散回潮出口含水率预测模型对实时出口含水率进行预测，进而获得最佳加水量并对松散回潮工艺进行反馈控制。本发明使得在松散回潮工艺下采集到的现场数据集更易使用，降低算法的计算开销，同时去除了数据噪声，使得松散回潮过程中的出口含水率得到了精准的实时预测，有效保障了松散回潮工艺出口烟丝的合格率，减少原料浪费，节约企业成本。
本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，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 (7)
1.一种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，其特征在于，包括：
采集现场数据，所述现场数据包括含水率相关变量；
利用主成分分析策略对所述含水率相关变量进行分析，确定所述含水率相关变量中影响出口含水率的目标主成分；
根据所述目标主成分构建线性预测模型；
基于所述线性预测模型对松散回潮工序中的出口含水率进行预测，得到含水率预测值；
结合实时获取的所述含水率预测值以及对应时刻采集的出口含水率实测值，得到对应的目标加水量；
利用所述目标加水量对出口含水率进行控制。
2.根据权利要求1所述的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，其特征在于，所述利用主成分分析策略对所述含水率相关变量进行分析包括：
对原始的所述含水率相关变量进行标准化处理；
根据标准化处理后的所述含水率相关变量，计算相关系数矩阵；
获取所述相关系数矩阵的特征值以及对应的特征向量；
基于所述特征值以及所述特征向量，从所述含水率相关变量中选定影响出口含水率的候选主成分；
生成所述候选主成分的表达式，并基于所述表达式求取各所述候选主成分的得分；
根据所述得分，确定目标主成分。
3.根据权利要求1所述的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，其特征在于，所述含水率相关变量包括如下若干种数据的组合：牌号信息、回风温度，实际加水量，入口物料流量，入口含水率以及出口含水率。
4.根据权利要求1所述的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，其特征在于，所述线性预测模型为：
y＝a0+a1x1+a2x2+a3x3+……+anxn；
其中，y为出口含水率；x0～xn为目标主成分；a0～an为模型参数，用于使预测的出口含水率与实际含水率误差最小。
5.根据权利要求1所述的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，其特征在于，所述采集现场数据包括获取实际测量的测量值以及人工预设的设定值。
6.根据权利要求1所述的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，其特征在于，所述根据所述目标主成分构建线性预测模型包括：基于回潮过程中各所述目标主成分的物理关系以及加水量，采用主元回归法建立对应回潮过程的线性预测模型。
7.根据权利要求1～6任一项所述的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，其特征在于，所述含水率预测值为松散回潮过程本身产生的时延内的出口含水率预估值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210301068.8A CN114532564A (zh) | 2022-03-24 | 2022-03-24 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210301068.8A CN114532564A (zh) | 2022-03-24 | 2022-03-24 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114532564A true CN114532564A (zh) | 2022-05-27 |
Family
ID=81666047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210301068.8A Pending CN114532564A (zh) | 2022-03-24 | 2022-03-24 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114532564A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115251445A (zh) * | 2022-08-15 | 2022-11-01 | 北京航天拓扑高科技有限责任公司 | 一种松散回潮机出口烟叶含水率的控制方法 |
| CN115844046A (zh) * | 2022-11-30 | 2023-03-28 | 红塔烟草(集团)有限责任公司 | 基于自适应有限脉冲响应模型的制丝含水率控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010000095A1 (en) * | 1997-11-20 | 2001-04-05 | Dietmar Franke | Method and device for regulating the output humidity of tobacco |
| 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 |
| CN112273695A (zh) * | 2020-10-30 | 2021-01-29 | 红云红河烟草(集团)有限责任公司 | 松散回潮出口含水率预测方法、装置以及设备 |
-
2022
- 2022-03-24 CN CN202210301068.8A patent/CN114532564A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010000095A1 (en) * | 1997-11-20 | 2001-04-05 | Dietmar Franke | Method and device for regulating the output humidity of tobacco |
| 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 |
| CN112273695A (zh) * | 2020-10-30 | 2021-01-29 | 红云红河烟草(集团)有限责任公司 | 松散回潮出口含水率预测方法、装置以及设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115251445A (zh) * | 2022-08-15 | 2022-11-01 | 北京航天拓扑高科技有限责任公司 | 一种松散回潮机出口烟叶含水率的控制方法 |
| CN115251445B (zh) * | 2022-08-15 | 2023-05-23 | 北京航天拓扑高科技有限责任公司 | 一种松散回潮机出口烟叶含水率的控制方法 |
| CN115844046A (zh) * | 2022-11-30 | 2023-03-28 | 红塔烟草(集团)有限责任公司 | 基于自适应有限脉冲响应模型的制丝含水率控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109674080B (zh) | 烟叶回潮加水量预测方法、存储介质及终端设备 | |
| 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 | |
| CN110893001B (zh) | 一种松散回潮工序的出口含水率的控制方法及系统 | |
| CN109602062B (zh) | 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 | |
| CN112273695A (zh) | 松散回潮出口含水率预测方法、装置以及设备 | |
| CN112914139B (zh) | 一种松散回潮工序的加水量的控制方法及系统 | |
| CN110946306B (zh) | 一种基于滚筒式叶丝回潮的质量控制方法及系统 | |
| CN110946313B (zh) | 一种叶丝干燥工序的出口含水率的控制方法及系统 | |
| US20230067754A1 (en) | Water control method for loosening and conditioning process based on neural network model and double parameter correction | |
| CN114403487B (zh) | 一种松散回潮的加水控制方法 | |
| 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 | |
| CN112273696A (zh) | 切丝后水分控制方法、装置以及设备 | |
| CN113011491A (zh) | 一种主成分分析协同随机森林的热连轧带钢宽度预测方法 | |
| CN115251445B (zh) | 一种松散回潮机出口烟叶含水率的控制方法 | |
| CN114115393A (zh) | 一种制丝线薄板烘丝机出口水分和温度的控制方法 | |
| CN108142976B (zh) | 一种叶丝干燥工艺参数优化方法 | |
| CN113303489B (zh) | 一种制丝过程烟叶水分准确控制的方法 | |
| CN113876008B (zh) | 一种控制松散回潮烟片含水率稳定性的方法 | |
| 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 | |
| CN114911169A (zh) | 一种脱硫增效装置的优化方法、系统、设备及介质 | |
| CN113017137B (zh) | 一种烟梗的增压蒸梗出口温度的控制方法及系统 | |
| CN112800671B (zh) | 一种数据处理方法、装置及电子设备 | |
| CN112231977A (zh) | 一种复烤机配方参数库的构建方法 | |
| CN115381122A (zh) | 一种基于遗忘因子递推最小二乘的烘丝入口含水率控制方法 | |
| CN116520783A (zh) | 叶丝回潮机控制系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220527 |
|
| RJ01 | Rejection of invention patent application after publication |