CN115517392A - 一种卷烟制丝线制叶片段出口水分预测方法 - Google Patents
一种卷烟制丝线制叶片段出口水分预测方法 Download PDFInfo
- Publication number
- CN115517392A CN115517392A CN202211041131.5A CN202211041131A CN115517392A CN 115517392 A CN115517392 A CN 115517392A CN 202211041131 A CN202211041131 A CN 202211041131A CN 115517392 A CN115517392 A CN 115517392A
- Authority
- CN
- China
- Prior art keywords
- outlet
- water content
- moisture
- real
- data
- 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
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
- A24B9/00—Control of the moisture content of tobacco products, e.g. cigars, cigarettes, pipe tobacco
Landscapes
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明提出一种卷烟制丝线制叶片段出口水分预测方法,包括以下步骤:新建原始数据数组用于存储采集的实时数据;对实时数据进行追溯对齐,得到用于常数估计的训练数据,并建立训练数据数组用于存储训练数据;将原始数据数组和训练数据数组输入到预设的出口水分预测模型,得到训练好的出口水分预测模型;将实时数据输入到训练好的出口水分预测模型,得到预测数据,并新建预测数据及用于存储预测数据。本发明在机理研究的基础上提出一种制叶片段出口水分建模思路,在传感器满足的基础上能够较好的将设备内部多变量关联起来,同时模型结构清晰,工程实现便捷,且容易推广。
Description
技术领域
本发明涉及烟叶水分检测技术领域,尤其是一种卷烟制丝线制叶片段出口水分预测方法。
背景技术
制叶片段属于制丝线的前段工序,主要生产工序有松散回潮、润叶加料。松散回潮的主要作用是通过增温增湿使烟叶舒展、回潮,润叶加料则是在松散回潮的基础上施加糖料改善口感,其中,出口水分则是两大工序加工过程主要关注的工艺标准。在实际生产中,出口水分的控制一般通过操作人员手动操作或者常规前馈-反馈的方式进行,但由于来料性质变化以及出口水分检测的延时,常规的方法并不能很好的解决出口水分的控制问题,加工一致性存在较大的挑战,因此需要针对该问题开发一种模型提前获取出口水分。目前在机理关系层面研究出口水分预测的方法比较稀少,最新的成果是考虑了入口烟叶质量流量、入口水分、加水量、出口水分等因素从而在线估计出模型系数并实现松散回潮出口水分预测,而采用机器学习方法的专利较多,比如采用随机森林方法对出口水分影响因素进行评估,或者采用线性回归的方式,但此类方法更多的是用于长流程下出口水分的预测,其中一般包含了较长的贮叶过程,从单工序控制的层面研究出口水分的内容较少。
发明内容
本发明解决了现有技术不能很好的解决出口水分的控制问题,提出一种卷烟制丝线制叶片段出口水分预测方法,在机理研究的基础上提出一种制叶片段出口水分建模思路,在传感器满足的基础上能够较好的将设备内部多变量关联起来,同时模型结构清晰,工程实现便捷,且容易推广。
为实现上述目的,提出以下技术方案:
一种卷烟制丝线制叶片段出口水分预测方法,包括以下步骤:
S1,采集实时数据;
S2,对所述实时数据进行追溯对齐,得到与之时序对应的训练数据;
S3,根据所述训练数据获取装置参数等效值;
S4,基于所述实时数据、所述训练数据和所述装置参数等效值建立出口水分预测模型;
S5,将待测数据输入至所述出口水分预测模型,并获取出口水分预测量。
作为优选,所述实时数据和所述训练数据包括入口含水量、直喷蒸汽量、加水量、加料量和出口含水率,装置参数包括雾化蒸汽量、热风含水量和排朝风含水量。
作为优选,所述步骤S2具体包括:
确定实时数据之间的测量时序差;
根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据。
作为优选,所述确定实时数据之间的测量时序差具体包括:
设定测量获取出水口含水量的时刻为T;
测量获取烟叶入口流量电子秤到出口水分仪的停留时间为delay;
测量获取烟叶入口流量电子秤到入口水分仪的停留时间为delay1;
测量获取烟叶入口流量电子秤到进入滚筒的停留时间为delay2;
获得烟叶入口流量相对于出口含水量的测量时序差为delay;
获得入口含水量相对于出口含水量的测量时序差为delay-delay1;
获得直喷蒸汽量相对于出口含水量的测量时序差为delay-delay2;
获得加水量相对于出口含水量的测量时序差为delay-delay2;
获得加料量相对于出口含水量的测量时序差为delay-delay2。
作为优选,所述根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据具体包括:
根据所述测量时序差,获得T时刻与实时数据时序对应的训练数据分别为:
T-delay+delay1时刻测量获取的入口含水量;
T-delay+delay2时刻测量获取的直喷蒸汽量;
T-delay+delay2时刻测量获取的加水量;
T-delay+delay2时刻测量获取的加料量。
作为优选,步骤S3具体包括:
根据正常工作运转原理性能,可得第一关系式:
进入滚筒含水量=流出滚筒含水量;
其中,进入滚筒含水量=入口含水量+直喷蒸汽量+加水量+加料量+雾化蒸汽量+热风含水量;
流出滚筒含水量=出口含水量+排潮风含水量;
根据第一关系式,可得第二关系式:
入口含水量+直喷蒸汽量+加水量+加料量-出口含水量=排潮风含水量-雾化蒸汽量-热风含水量;
获得装置参数等效值=排潮风含水量-雾化蒸汽量-热风含水量=入口含水量+直喷蒸汽量+加水量+加料量-出口含水量。
作为优选,步骤S4具体包括:
根据第三关系式建立出口水分预测模型,表示为:
获取出口含水量=入口含水量+直喷蒸汽量+加水量+加料量-装置参数等效值。
作为优选,步骤S5之后还包括:
S6,更新实时数据,并返回执行步骤S2。
作为优选,所述步骤S6具体包括:
从采集时刻开始设定滑动窗,提取滑动窗内的数据作为实时数据;
滑动窗随时间向当前时刻移动,重新提取滑动窗内的数据作为实时数据。
作为优选,步骤S2之前还包括对实时数据进行卡尔曼滤波处理。
本发明的有益效果是:在机理研究的基础上提出一种制叶片段出口水分建模思路,在传感器满足的基础上能够较好的将设备内部多变量关联起来,同时模型结构清晰,工程实现便捷,且容易推广。
附图说明
图1是实施例的方法流程图;
图2是实施例的回潮机(加料机)原理流程图;
图3是实施例的出口水分预测系统架构图;
图4是实施例的松散回潮出口水分预测效果展示图;
图5是实施例的松散回潮出口水分模型动态估计结果示意图;
图6是实施例的润叶加料出口水分预测效果展示图;
图7是实施例的润叶加料出口水分模型动态估计结果示意图。
具体实施方式
实施例:
本实施例在机理研究的基础上提出一种制叶片段出口水分建模思路,烟叶通过输送设备送入回潮机,在进入回潮机后喷射蒸汽使烟叶增温并舒展,同时利用双介质喷嘴使得增湿水在雾化蒸汽作用下分散作用到烟叶上实现增湿。为了给滚筒内部提供合适的环境,在滚筒底部设置了加热器以提供适宜温度的热风,并在滚筒筒壁间设置了蒸汽通道共同保证滚筒内部温度达到要求。随着滚筒的转动,烟叶经过一段停留时间后从滚筒流出,同时在滚筒上部设置了排潮系统,部分潮气通过排潮风机流出系统,另一部分则循环回滚筒形成循环风。加料机原理与回潮机类似,所不同的是在烟叶进入滚筒时会连续施加糖料,设备原理流程图参考图2。
本实施例预设的出口水分预测模型的过程如下:
烟叶出口水分主要表征了烟叶加工前后水分的变化,本质上就是通过喷射蒸汽后增温扩大表面积,并施加增湿水从而提升烟叶含水率,因此可以从物料平衡的角度考察进、出滚筒各股变量含水量变化情况。具体变量如表1所示。
表1物料平衡关系表
对于正常生产过程,可以将整个过程看成是稳态过程,即进出含水量达到平衡,因此可以认为进滚筒所含水量=出滚筒所含水量,则可以将上述物料平衡关系表写成如下等式:
入口含水量+直喷蒸汽量+加水量+加料量+雾化蒸汽量+热风含水量
=出口含水量+排潮风含水量 (1)
从式1可知,如果上述各股量输入量均已知则很容易可以反推出口含水量,但由于现场测量仪表缺失,目前已知的量仅有入口含水量、直喷蒸汽量、加水量、加料量、出口含水量,因此将式1移项可得:
入口含水量+直喷蒸汽量+加水量+加料量-出口含水量
=排潮风含水量-雾化蒸汽量-热风含水量 (2)
根据式(2),并结合生产实际,一般认为热风含水量接近为0,排潮风门、雾化蒸汽阀门均保持固定开度,可以认为式(2)右边三项接近固定常数,因此式(2)可改写成:
入口含水量+直喷蒸汽量+加水量+加料量-出口含水量=常数 (3)其中:
入口含水量=入口烟叶流量*入口含水率*100% (4)
出口含水量=出口烟叶流量*出口含水率*100% (5)
由于出口烟叶流量缺乏传感器,再根据干烟叶重量守恒可以推出:
出口烟叶流量=入口烟叶流量*(100-入口含水率)/(100-出口含水率)*100% (6)
因此,根据式(3)-(6),可以根据批次历史数据推断出式(3)中的常数,在求得常数后则可以根据如下公式计算出口含水率:
出口含水率=出口含水量/(出口含水量+出口烟叶净重量)*100% (7)
其中,
出口含水量=入口含水量+直喷蒸汽量+加水量+加料量(加料机)-常数 (8)
出口烟叶净重量=入口烟叶流量*(100-入口含水率)*100% (9)
本实施例提出一种卷烟制丝线制叶片段出口水分预测方法,参考图1,包括以下步骤:
S1,采集实时数据,具体如下:新建原始数据数组用于存储采集的实时数据;实时数据包括入口烟叶流量、入口含水率、加水量、直喷蒸汽量、加料量和出口含水率。
S2,对实时数据进行卡尔曼滤波处理,再对实时数据进行追溯对齐,得到与之时序对应的训练数据,并建立训练数据数组用于存储训练数据;具体为:确定实时数据之间的测量时序差;根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据。确定实时数据之间的测量时序差具体包括:
设定测量获取出水口含水量的时刻为T;
测量获取烟叶入口流量电子秤到出口水分仪的停留时间为delay;
测量获取烟叶入口流量电子秤到入口水分仪的停留时间为delay1;
测量获取烟叶入口流量电子秤到进入滚筒的停留时间为delay2;
获得烟叶入口流量相对于出口含水量的测量时序差为delay;
获得入口含水量相对于出口含水量的测量时序差为delay-delay1;
获得直喷蒸汽量相对于出口含水量的测量时序差为delay-delay2;
获得加水量相对于出口含水量的测量时序差为delay-delay2;
获得加料量相对于出口含水量的测量时序差为delay-delay2。
根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据具体包括:
根据所述测量时序差,获得T时刻与实时数据时序对应的训练数据分别为:
T-delay+delay1时刻测量获取的入口含水量;
T-delay+delay2时刻测量获取的直喷蒸汽量;
T-delay+delay2时刻测量获取的加水量;
T-delay+delay2时刻测量获取的加料量。
由于原始数据是同一时刻采集的各类变量,而回潮机、加料机存在明显的前后时序关系,即当前时刻出口水分测量值对应的入口烟叶流量应该追溯到(当前时刻-系统延时)时刻,其他变量亦类似,因此需要根据当前出口水分追溯到相应输入变量各自对应时刻的测量值,该类变量则是用于对原始数据进行追溯并存储对齐后的各变量数据,参考表2。
表2训练数据对齐原则(出口水分为基准)
注:T表示T时刻;delay表示烟叶入口流量电子秤到出口水分仪停留时间;delay1表示烟叶入口流量电子秤到入口水分仪停留时间;delay2表示烟叶入口流量电子秤到进入滚筒停留时间。
S3,根据所述训练数据获取装置参数;
步骤S3具体包括:
根据正常工作运转原理性能,可得第一关系式:
进入滚筒含水量=流出滚筒含水量;
其中,进入滚筒含水量=入口含水量+直喷蒸汽量+加水量+加料量+雾化蒸汽量+热风含水量;
流出滚筒含水量=出口含水量+排潮风含水量;
根据第一关系式,可得第二关系式:
入口含水量+直喷蒸汽量+加水量+加料量-出口含水量=排潮风含水量-雾化蒸汽量-热风含水量;
获得装置参数等效值=排潮风含水量-雾化蒸汽量-热风含水量=入口含水量+直喷蒸汽量+加水量+加料量-出口含水量。
S4,基于所述实时数据、所述训练数据和所述装置参数建立出口水分预测模型,具体包括以下步骤:根据第三关系式建立出口水分预测模型,表示为:
获取出口含水量=入口含水量+直喷蒸汽量+加水量+加料量-装置参数等效值。
将原始数据数组和训练数据数组输入到预设的出口水分预测模型,得到训练好的出口水分预测模型;S4中将原始数据数组和训练数据数组输入到预设的出口水分预测模型前进行滑动窗控制,控制原始数据集、训练数据集的规模,当有新数据进入时则剔除最旧的数据。根据S2中的原始数据数组和训练数据数组,并结合式(3)则可以估计出常数的值。该公式基于过程状态不变的假设,但实际不可避免存在动态特性,因此引入滑动窗方法,即控制原始数据集、训练数据集的规模,当有新数据进入时则剔除最旧的数据,从而实现了常数的实时更新;
S5,将待测数据输入到训练好的出口水分预测模型,得到预测数据即出口水分预测量,并新建预测数据及用于存储预测数据。S5在将待测数据输入到训练好的出口水分预测模型前,对实时数据进行卡尔曼滤波处理,在获取到模型常数后,则可根据实时数据并结合式(7)至式(9)预测出口水分,同时为了避免实时数据噪声对预测结果造成影响,引入卡尔曼滤波技术对实时数据进行滤波处理,从而保证了出口水分尽量平滑。最后对预测的数据进行对齐,对齐原则参考表3。
S6,更新实时数据,从采集时刻开始设定滑动窗,提取滑动窗内的数据作为实时数据;滑动窗随时间向当前时刻移动,重新提取滑动窗内的数据作为实时数据,并返回执行步骤S2。
表3数据对齐原则(加水量为基准)
本实施例为松散回潮、润叶加料出口水分预测设计了相应的软件系统,主要由数据采集组件、出口水分预测服务、前端界面组成,该软件系统通过数据采集组件实现上层应用与PLC的数据通讯,通过该组件能够读取PLC中相关位号的实时数据,并将数据传给后台出口水分预测服务与前端界面,整体架构参考图3。
为了评估出口水分预测模型的优劣,需要将模型在线部署并观察实时运行效果,下面展示松散回潮、润叶加料出口水分预测效果。参考图4-图7和表4,表4出口水分预测效果统计
根据实时运行数据以及批次统计分析,该模型工程化运行效果能够满足工业场景实际需求,为后续控制回路的搭建与优化提供了良好的基础。
Claims (10)
1.一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,包括以下步骤:
S1,采集实时数据;
S2,对所述实时数据进行追溯对齐,得到与之时序对应的训练数据;
S3,根据所述训练数据获取装置参数等效值;
S4,基于所述实时数据、所述训练数据和所述装置参数等效值建立出口水分预测模型;
S5,将待测数据输入至所述出口水分预测模型,并获取出口水分预测量。
2.根据权利要求1所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,所述实时数据和所述训练数据包括入口含水量、直喷蒸汽量、加水量、加料量和出口含水率,装置参数包括雾化蒸汽量、热风含水量和排朝风含水量。
3.根据权利要求2所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,步骤S2具体包括:
确定实时数据之间的测量时序差;
根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据。
4.根据权利要求3所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,所述确定实时数据之间的测量时序差具体包括:
设定测量获取出水口含水量的时刻为T;
测量获取烟叶入口流量电子秤到出口水分仪的停留时间为delay;
测量获取烟叶入口流量电子秤到入口水分仪的停留时间为delay1;
测量获取烟叶入口流量电子秤到进入滚筒的停留时间为delay2;
获得烟叶入口流量相对于出口含水量的测量时序差为delay;
获得入口含水量相对于出口含水量的测量时序差为delay-delay1;
获得直喷蒸汽量相对于出口含水量的测量时序差为delay-delay2;
获得加水量相对于出口含水量的测量时序差为delay-delay2;
获得加料量相对于出口含水量的测量时序差为delay-delay2。
5.根据权利要求4所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,所述根据所述测量时序差对所述实时数据进行追溯对齐,得到与之时序对应的训练数据具体包括:
根据所述测量时序差,获得T时刻与实时数据时序对应的训练数据分别为:
T-delay+delay1时刻测量获取的入口含水量;
T-delay+delay2时刻测量获取的直喷蒸汽量;
T-delay+delay2时刻测量获取的加水量;
T-delay+delay2时刻测量获取的加料量。
6.根据权利要求2所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,步骤S3具体包括:
根据正常工作运转原理性能,可得第一关系式:
进入滚筒含水量=流出滚筒含水量;
其中,进入滚筒含水量=入口含水量+直喷蒸汽量+加水量+加料量+雾化蒸汽量+热风含水量;
流出滚筒含水量=出口含水量+排潮风含水量;
根据第一关系式,可得第二关系式:
入口含水量+直喷蒸汽量+加水量+加料量-出口含水量=排潮风含水量-雾化蒸汽量-热风含水量;
获得装置参数等效值=排潮风含水量-雾化蒸汽量-热风含水量=入口含水量+直喷蒸汽量+加水量+加料量-出口含水量。
7.根据权利要求6所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,步骤S4具体包括:
根据第三关系式建立出口水分预测模型,表示为:
获取出口含水量=入口含水量+直喷蒸汽量+加水量+加料量-装置参数等效值。
8.根据权利要求1所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,步骤S5之后还包括:
S6,更新实时数据,并返回执行步骤S2。
9.根据权利要求8所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,所述步骤S6具体包括:
从采集时刻开始设定滑动窗,提取滑动窗内的数据作为实时数据;
滑动窗随时间向当前时刻移动,重新提取滑动窗内的数据作为实时数据。
10.根据权利要求1所述的一种卷烟制丝线制叶片段出口水分预测方法,其特征在于,步骤S2之前还包括对实时数据进行卡尔曼滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211041131.5A CN115517392A (zh) | 2022-08-29 | 2022-08-29 | 一种卷烟制丝线制叶片段出口水分预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211041131.5A CN115517392A (zh) | 2022-08-29 | 2022-08-29 | 一种卷烟制丝线制叶片段出口水分预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115517392A true CN115517392A (zh) | 2022-12-27 |
Family
ID=84696732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211041131.5A Pending CN115517392A (zh) | 2022-08-29 | 2022-08-29 | 一种卷烟制丝线制叶片段出口水分预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115517392A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108669616A (zh) * | 2018-06-27 | 2018-10-19 | 河南中烟工业有限责任公司 | 一种基于水分平衡的滚筒式烘丝机烟丝含水率控制方法 |
CN111045326A (zh) * | 2019-10-22 | 2020-04-21 | 杭州安脉盛智能技术有限公司 | 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 |
CN113017132A (zh) * | 2021-04-09 | 2021-06-25 | 红云红河烟草(集团)有限责任公司 | 一种基于烘丝机工艺参数预测的烟丝质量优化的方法 |
CN114794521A (zh) * | 2020-07-10 | 2022-07-29 | 张家口卷烟厂有限责任公司 | 烟用制丝环节在线水分仪校验方法 |
-
2022
- 2022-08-29 CN CN202211041131.5A patent/CN115517392A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108669616A (zh) * | 2018-06-27 | 2018-10-19 | 河南中烟工业有限责任公司 | 一种基于水分平衡的滚筒式烘丝机烟丝含水率控制方法 |
CN111045326A (zh) * | 2019-10-22 | 2020-04-21 | 杭州安脉盛智能技术有限公司 | 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 |
CN114794521A (zh) * | 2020-07-10 | 2022-07-29 | 张家口卷烟厂有限责任公司 | 烟用制丝环节在线水分仪校验方法 |
CN113017132A (zh) * | 2021-04-09 | 2021-06-25 | 红云红河烟草(集团)有限责任公司 | 一种基于烘丝机工艺参数预测的烟丝质量优化的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN103393211B (zh) | 可在线检测和控制打叶风分质量的打叶去梗工艺 | |
CN105795502A (zh) | 一种复烤加料、加香物料含水率和温度控制方法 | |
CN110893001A (zh) | 一种松散回潮工序的出口含水率的控制方法及系统 | |
CN111887460A (zh) | 烟草烘丝水分和温度控制预测系统及方法 | |
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 | |
CN110244664A (zh) | 用于烟草加工工业的烟草制备系统和运行设备的方法 | |
CN110946313B (zh) | 一种叶丝干燥工序的出口含水率的控制方法及系统 | |
CN110879581B (zh) | 一种叶片加料的料液控制方法及系统 | |
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 | |
CN101131344A (zh) | 一种在线测定烟草干燥特性及动力学分析方法 | |
CN114115393A (zh) | 一种制丝线薄板烘丝机出口水分和温度的控制方法 | |
CN110946311B (zh) | 一种梗丝加料的质量控制方法及系统 | |
CN101088424A (zh) | 一种基于介质温湿度控制的烟片松散回潮方法 | |
CN107411164A (zh) | 用于松散回潮滚筒后室三段式加水装置及加水控制方法 | |
CN104055214B (zh) | 在线加料方法和装置、及膨胀烟丝生产系统 | |
CN115517392A (zh) | 一种卷烟制丝线制叶片段出口水分预测方法 | |
CN114403487B (zh) | 一种松散回潮的加水控制方法 | |
CN115251445A (zh) | 一种松散回潮机出口烟叶含水率的控制方法 | |
CN111728252B (zh) | 一种烟草滚筒干燥强度的控制方法及系统 | |
CN207023224U (zh) | 稳定烘丝机热风相对湿度的装置 | |
CN117346516A (zh) | 基于含水率和热值在线测量的污泥干燥机运行调节方法 | |
CN105595395A (zh) | 一种薄板烘丝机脱水量的计算方法 | |
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 | |
CN101606655B (zh) | 挂面生产中的熟化工艺及熟化装置 |
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 |