雪茄原料和烟支等温吸湿模型的建立

目的准确控制雪茄烟生产加工等关键环节环境条件及含水率,降低各环节物料损耗,优化控制参数,确保产品安全,保证产品质量。方法以雪茄烟茄衣、茄套、茄芯和成品烟支为对象,测定其在20、30、40℃,不同相对湿度条件下的平衡含水率和水活度,建立不同温度下雪茄原料和烟支的等温吸湿曲线及吸湿曲线响应模型。结果结果表明,雪茄原料和烟支在同一温度不同湿度条件下的等温吸湿曲线属于Ⅱ型等温线,雪茄烟原料及烟支的吸湿能力为茄衣≈茄套>烟支>茄芯,且温度越高,雪茄烟原料及烟支的吸湿能力越强;GAB模型为拟合雪茄原料和烟支等温吸湿曲线最优模型,预测值与实测值的决定系数R2均大于0.995,平均相对误差均小于5%,相对误差界均小于10%,且不同温湿度平衡含水率预测值与实测含水率呈斜率为1的直线关系,二者吻合程度较高。结论GAB模型在预测雪茄烟生产加工等环节环境条件及含水率方面具有较高的准确性,能有效指导物料过程的水分和环境温湿度控制,降低各环节物料损耗,保证生产工序衔接顺畅,确保产品安全,提高产品品质。

基于鲁棒稀疏PCA的工业异常检测

主元分析(principal component analysis,PCA)方法由于原理简单计算方便,被普遍应用于工业无监督异常检测,但具有异常值敏感且所得主元非稀疏等问题。针对传统鲁棒稀疏PCA没有从根本上解决异常值敏感问题且没有给定稀疏度的确定方式,提出了一种改进的工业异常检测方法IRSPCA(improved robust sparse PCA)。具体地,在对L_(1)范数最大化处理以及L_(0)范数惩罚项引入的基础上,提出了用于平衡稀疏性和方差的稀疏性准则,基于该准则开发了一种两阶段稀疏度选择策略,并利用遗传算法求得了主元稀疏度的最优解。另外,设计了基于预测误差平方和(squared prediction error,SPE)统计量的异常值剔除策略,用于增强方法的整体鲁棒性。通过数值仿真和真实烟支成品检测两个案例开展了实验验证。结果显示IRSPCA综合性能均优于传统PCA和鲁棒稀疏PCA方法,充分验证了方法的有效性和优越性。