CN115844046A - 基于自适应有限脉冲响应模型的制丝含水率控制方法 - Google Patents

Abstract

本发明公开了基于自适应有限脉冲响应模型的制丝含水率控制方法，包括获取数据、建立自适应有限脉冲响应模型、采用带有约束条件的最小二乘法拟合模型中的权重系数以及获得最优加水量。通过建立自适应有限脉冲响应模型，描述加水量、入口物料含水率和出口物料含水率的规律，以历史和当前的加水量、入口物料含水率，实现对出口物料含水率预测量的修正，并以当前数据与根据历史数据预测的当前数据的偏差作为修正项，实时更新模型函数，实现模型的在线自适应，进而自动得出最优加水量，实现制丝过程中加水量的准确控制，有助于提高烟片的合格率。

Description

基于自适应有限脉冲响应模型的制丝含水率控制方法

技术领域

本申请涉及松散回潮控制的技术领域，具体地，涉及基于自适应有限脉冲响应模型的制丝含水率控制方法。

背景技术

松散回潮是制丝加工的核心工序之一，其出口物料含水率的稳定性会直接影响后续各工序的工艺指标和质量控制。松散回潮作为制丝中的前工序，其入口物料含水率的波动一般较大，且生产过程中的加水时效性、热风温度稳定性、蒸汽压力稳定性等因素均会影响回潮工序的出口物料含水率。现有技术中，依靠控制系统设定不变的加水量计算模型计算制丝过程中的加水量，但由于烟片的物理特性是变化的，导致出口物料含水率不稳定，从而影响烟丝的质量。

发明内容

为解决上述问题的至少一个方面，本发明提供了基于自适应有限脉冲响应模型的制丝含水率控制方法，包括如下步骤：

步骤1：获取制丝过程中物料的相关数据，相关数据至少包括牌号信息、入口物料含水率、出口物料含水率、目标出口含水率和入口烟片质量流量，并对相关数据进行数据处理；

步骤2：建立制丝过程中入口含水率、加水量和出口含水率数据关系的自适应有限脉冲响应模型，模型如下：

其中，以加水量u的时间戳作为基准时间戳，u(k)代表k时刻的加水量，u(k-r)代表以k时刻之前r个采样周期的加水量，0≤r≤k_a，k_a代表阶数，a_r代表k时刻之前r个采样周期的权重系数；

代表k时刻对应时延/>

后的入口物料含水率，/>

k_d,λi为入口水分至出口水分的时延，k_d,u为加水量至出口水分的时延，/>

代表k时刻对应时延/>

后的前s个采样周期的入口物料含水率，0≤s≤k_b，k_b代表阶数，b_s代表k时刻前s个采样周期的权重系数；K_A为修正系数，λ_o(k)代表k时刻对应物料的出口物料含水率；/>

代表以k时刻之前k_d,u个采样周期的信息预测k时刻的出口物料含水率；/>

代表以k时刻的信息预测k_d,u个采样周期之后的出口物料含水率；

步骤3：给定k_a和k_b的数值，利用步骤1中的相关数据和步骤2的模型，采用最小二乘法对a_r和b_s进行拟合；

步骤4：将步骤3得到的a_r和b_s，以及给定k_a和k_b的数值，代入步骤2中的模型中，并令

建立加水量控制方程，得到最优加水量为：

其中，λ_o,sp为出口含水率设定值。

通过上述技术方案，根据获取相关数据符合线性关系的原理建立模型，以入口物料含水率的历史数据、当前数据与加水量的历史数据、当前数据的和，实现对出口物料含水率预测量的修正，并以当前数据与根据历史数据预测的当前数据的偏差作为修正项，实时更新模型，实现模型的在线自适应；再利用带有条件的最小二乘法拟合出最佳的模型参数a_r和b_s，进而自动得出最优加水量，实现制丝过程中加水量的准确控制，有助于提高制丝过程中出口物料含水率的稳定性，从而提高烟片合格率，降低卷烟生产成本。

优选地，所述步骤3采用带有约束条件的最小二乘法对a_r和b_s进行拟合，拟合方程如下：

且

其中，

优选地，所述K_A小于1且大于0。通过上述技术方案，选取小于1的修正系数，使修正项缓慢改动。

优选地，所述k_a的取值范围为2～20。由于k_a选取过低时，历史数据所采用较少，使得预测模型与实际偏差过大；k_a选取过高时会引入干扰，因此k_a的最优取值范围为2～20。

优选地，所述k_b的取值范围为5～20。由于k_b选取过低时，历史数据所采用较少，使得预测模型与实际偏差过大；k_b选取过高时会引入干扰，因此k_b的最优取值范围为5～20。

优选地，所述步骤1中获取相关数据时，按照阶段分别获取相关数据，在步骤2至步骤4中按照阶段分别建立模型、拟合求值和获取最优加水量，其中阶段至少包括松散回潮阶段、润叶加料阶段和叶丝回潮阶段。通过上述技术方案，将制丝生产分为若干阶段以便分别建模与控制，实现工况切分，更有助于准确控制出口物料的含水率。

本发明的基于自适应有限脉冲响应模型的制丝含水率控制方法，具有以下有益效果：

通过分阶段获取物料的历史数据、当前入口物料含水率、当前加水量和当前数据与根据历史数据预测的当前数据的偏差建立自适应有限脉冲响应模型，以入口物料含水率的历史数据、当前数据与加水量的历史数据、当前数据的和，实现对出口物料含水率预测量的修正，并以当前数据与根据历史数据预测的当前数据的偏差作为修正项，实时更新模型，实现模型的在线自适应；再利用带有条件的最小二乘法拟合出最佳的模型参数，进而自动得出最优加水量，实现制丝过程中加水量的准确控制，有助于提高制丝过程中出口物料含水率的稳定性，从而提高烟片合格率，降低卷烟生产成本。

附图说明

为了更好地理解本发明的上述及其他目的、特征、优点和功能，可以参考附图中所示的实施方式。附图中相同的附图标记指代相同的部件。本领域技术人员应该理解，附图旨在示意性地阐明本发明的优选实施方式，对本发明的范围没有任何限制作用，图中各个部件并非按比例绘制。

图1示出了根据本发明实施例的基于自适应有限脉冲响应模型的制丝含水率控制方法的流程图；

图2示出了现有技术与根据本发明基于自适应有限脉冲响应模型的制丝含水率控制方法的实施例的出口物料含水率的标准偏差对比图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的一个实施例提出了基于自适应有限脉冲响应模型的制丝含水率控制方法，适用于制丝过程中至少包括松散回潮阶段、润叶加料阶段和叶丝回潮阶段的不同生产阶段的含水率控制，本实施例以松散回潮阶段为例，如图1所示，包括如下步骤：

步骤1：获取松散回潮阶段中物料的相关数据，相关数据至少包括牌号信息、入口物料含水率、出口物料含水率、目标出口含水率和入口烟片质量流量，并对相关数据进行数据处理，剔除异常数据，使得数据时延对齐；

步骤2：建立松散回潮阶段中入口含水率、加水量和出口含水率数据关系的自适应有限脉冲响应模型，模型如下：

其中，以加水量u的时间戳作为基准时间戳，u(k)代表k时刻的加水量，u(k-r)代表以k时刻之前r个采样周期的加水量，0≤r≤k_a，k_a代表阶数，a_r代表k时刻之前r个采样周期的权重系数；

代表k时刻对应时延/>

后的入口物料含水率，/>

为入口水分至出口水分的时延，k_d,u为加水量至出口水分的时延，/>

代表k时刻对应时延/>

后的前s个采样周期的入口物料含水率，0≤s≤k_b，k_b代表阶数，b_s代表k时刻前s个采样周期的权重系数；K_A为修正系数，优选地，K_A小于1且大于0，在本实施例中，K_A选取为0.6；λ_o(k)代表k时刻对应物料的出口物料含水率；/>

代表以k时刻之前k_d,u个采样周期的信息预测k时刻的出口物料含水率；/>

代表以k时刻的信息预测k_d,u个采样周期之后的出口物料含水率；

步骤3：给定k_a和k_b的数值，优选地，k_a的取值范围为2～20，k_b的取值范围为5～20，在本实施例中，k_a选取为5，k_b选取为10；利用步骤1中的相关数据和步骤2的模型，采用最小二乘法对松散回潮阶段中模型的a_r和b_s进行拟合，优选采用带有约束条件的最小二乘法对松散回潮阶段中模型的a_r和b_s进行拟合，拟合方程如下：

且

其中，

在本实施例中，得到a_r＝[0.065,0,0,0,0]，

b_s＝[0.00908,0,0,0,0.0304,0,0,0,0,0,0.95078]；

步骤4：将步骤3得到的a_r和b_s，以及给定k_a和k_b的数值，代入步骤2中的模型中，并令

建立加水量控制方程，得到松散回潮阶段中的最优加水量为：

其中，λ_o,sp为出口含水率设定值。

如图2所示，横坐标代表产品批次号，纵坐标代表出口含水率的标准偏差，两条横线分别代表现有技术控制的标偏均值和本申请方法控制的标偏均值；采用现有技术的方法进行加水量控制时，出口物料含水率的批间标偏均值为0.255；采用本申请基于自适应有限脉冲响应模型的制丝含水率控制方法进行加水量控制时，出口物料含水率的批间标偏均值降为0.184，出口物料含水率的稳定性有明显的提高。

在一些实施例中，步骤1中按照松散回潮阶段、润叶加料阶段和叶丝回潮阶段分别获取相关数据并进行数据处理，使得每个阶段的相关数据分别时延对齐；在步骤2中按照松散回潮阶段、润叶加料阶段和叶丝回潮阶段分别建立模型；在步骤3中，根据步骤1中分别获取的松散回潮阶段、润叶加料阶段和叶丝回潮阶段的相关数据，以及步骤2中分别建立的松散回潮阶段、润叶加料阶段和叶丝回潮阶段的模型，相对应的分别拟合松散回潮阶段、润叶加料阶段和叶丝回潮阶段中的模型参数a_r和b_s，从而在步骤4中分别得到松散回潮阶段、润叶加料阶段和叶丝回潮阶段中的最优加水量。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文。

Claims (6)

1.基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于，包括如下步骤：

步骤1：获取制丝过程中物料的相关数据，相关数据至少包括牌号信息、入口物料含水率、出口物料含水率、目标出口含水率和入口烟片质量流量，并对相关数据进行数据处理；

步骤2：建立制丝过程中入口含水率、加水量和出口含水率数据关系的自适应有限脉冲响应模型，模型如下：

其中，以加水量u的时间戳作为基准时间戳，u(k)代表k时刻的加水量，u(k-r)代表以k时刻之前r个采样周期的加水量，0≤r≤k_a，k_a代表阶数，a_r代表k时刻之前r个采样周期的权重系数；

代表k时刻对应时延/>

后的入口物料含水率，/>

k_d，λi为入口水分至出口水分的时延，k_d，u为加水量至出口水分的时延，/>

代表k时刻对应时延/>

后的前s个采样周期的入口物料含水率，0≤s≤k_b，k_b代表阶数，b_s代表k时刻前s个采样周期的权重系数；K_A为修正系数，λ_o(k)代表k时刻对应物料的出口物料含水率；/>

代表以k时刻之前k_d，u个采样周期的信息预测k时刻的出口物料含水率；/>

代表以k时刻的信息预测k_d，u个采样周期之后的出口物料含水率；

步骤3：给定k_a和k_b的数值，利用步骤1中的相关数据和步骤2的模型，采用最小二乘法对a_r和b_s进行拟合；

步骤4：将步骤3得到的a_r和b_s，以及给定k_a和k_b的数值，代入步骤2中的模型中，并令

建立加水量控制方程，得到最优加水量为：

其中，λ_o，sp为出口含水率设定值。

2.根据权利要求1所述的基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于：所述步骤3采用带有约束条件的最小二乘法对a_r和b_s进行拟合，拟合方程如下：

且

其中，

/>

3.根据权利要求1所述的基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于：所述K_A小于1且大于0。

4.根据权利要求1所述的基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于：所述k_a的取值范围为2～20。

5.根据权利要求1所述的基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于：所述k_b的取值范围为5～20。

6.根据权利要求1所述的基于自适应有限脉冲响应模型的制丝含水率控制方法，其特征在于：所述步骤1中获取相关数据时，按照阶段分别获取相关数据，在步骤2至步骤4中按照阶段分别建立模型、拟合求值和获取最优加水量，其中阶段至少包括松散回潮阶段、润叶加料阶段和叶丝回潮阶段。

Images