烟丝于离散元模型中接触参数的标定与实验

为研究烟丝在干燥过程中烟丝间接触参数,用离散元方法建立了烟丝模型。采用Plackett-Burman试验筛选出对烟丝堆积角有显著影响的参数。以实测的烟丝堆积角为优化指标,通过Box-Behnken Design(BBD)试验方案,建立了堆积角与参数的二次回归响应面模型。标定参数优化结果表明,烟丝-烟丝滚动摩擦系数为0.411,烟丝-不锈钢碰撞恢复系数为0.050,烟丝-不锈钢静摩擦系数为0.487。利用标定的仿真参数进行了离散元仿真试验,仿真试验的堆积角误差相对于物理试验的堆积角误差为3.60%;同时测定了仿真试验烟丝堆的空隙率与物理试验烟丝的空隙率,仿真试验与物理试验空隙率误差为1.91%。证明了烟丝离散元模型仿真参数的可靠性。所测结果为建立烟丝的离散元模型和利用仿真方法研究干燥过程烟丝的相互作用及运动规律提供基本参数。

造纸法烟草薄片形态对烟丝理化特性的影响

本研究采用自主开发的烟草薄片切片器制备不同片型烟草薄片,并对烟草薄片烟丝化学成分、整丝率、碎丝率、烟草薄片烟丝卷烟质量和卷烟感官评价进行分析。结果表明,烟草薄片整丝率与烟支空头率呈线性负相关关系,碎丝率与烟支空头率呈线性正相关关系,烟草薄片烟丝结构与烟丝填充值相关性不显著。六边形烟草薄片烟丝整丝率和卷烟感官评价最高,分别为95.88%和91.1分;碎丝率和烟支空头率最低,分别为0.61%和0.8%,卷烟感官评价与烟支的整丝率、空头率等关键指标存在明显的相关性。因此,六边形烟草薄片为适宜的片型,为烟草薄片专用切片机的开发提供了有益的理论支持。

烟丝加工过程中的破碎规律研究

为探索烟丝在加工过程中的破碎规律,设计不同切丝宽度和尺寸的烟丝,研究滚筒、流态化、机械输送等关键加工环节前后烟丝的结构变化规律。结果表明,随着烟丝加工进行,各规格烟丝不断破碎,烟丝的特征尺寸降低,破碎度升高,主要表现在>7.10 mm和4.50~7.10 mm等尺寸较长的烟丝质量分数不断降低,<2.00 mm的烟丝质量分数不断升高,不同处理间3.35~4.50 mm的烟丝质量分数变化差异最大。滚筒加工过程中烟丝质量分数的变化率整体较大,其中滚筒干燥过程最大,其次是振动输送、干燥后的提升输送和风送过程,风选和干燥前的提升等过程较小。加工后1.0 mm宽度烟丝、1.0 mm宽度断丝的烟丝、0.8 mm宽度烟丝和0.8 mm宽度断丝的烟丝特征尺寸变幅分别达到1.86 mm、1.09 mm、1.65 mm和1.08 mm,其破碎度分别达到33.51%、26.35%、33.39%和27.43%。综上,>7.10 mm和4.50~7.10 mm等特征尺寸较大及同一断丝或未断丝处理下宽度较窄的烟丝在加工过程中更易破碎,应根据加工的需求,关注特定尺寸的烟丝质量变化规律,在原料消耗允许的范围内,开展烟丝结构调控和工艺优化。

基于LSTM神经网络的烟丝水分恒定控制系统设计

在烟丝加工过程中,水分分布受到温度、湿度多个因素的影响,控制系统无法准确反映整体水分情况;为全面提高加工型香烟的质量水平,设计基于LSTM神经网络的烟丝水分恒定控制系统;部署Profibus控制总线,并在线路体系中连接水分检测仪与水分恒定器,完成烟丝水分恒定控制系统的硬件设计;在系统软件设计方面,构建LSTM神经网络单元,根据烟叶吸湿能力分析条件,求解具体的水分分布模型,实现基于LSTM神经网络的烟丝水分模型建模;分别计算烟叶出口湿度与出口温度,并联合传递函数逼近参量与恒定时滞参数,完成对控制参数的整定处理,再联合相关应用部件,实现基于LSTM神经网络的烟丝水分恒定控制系统设计;实验结果表明,LSTM神经网络模型作用下,生丝含水量被稳定控制在13%~18%数值之间,不会因水分过量问题而导致香烟质量水平无法达到实际加工标准。

基于深度学习的烟丝杂物多光谱检测技术

针对烟丝杂物剔除问题,提出了基于深度学习的烟丝杂物多光谱检测方法。首先设计了总体检测方案和检测系统,搭建了多光谱实验验证系统。利用高光谱成像技术和深度学习方法对烟丝中的非烟物质进行分类识别,针对杂物和烟丝对光的反射特性不同,利用光谱相机拍摄不同波段的图片,分别比较机器学习算法和深度学习算法进行的训练与分类,通过GoogLeNet深度学习算法识别烟丝中的杂物。结果表明:检测识别与剔除正确率为99.5%,证实了检测技术的高效性和准确性。

膨胀烟丝分段式两级风选系统的设计

烟支中的梗签会直接影响卷烟的产品质量,经过干冰膨胀后密度变小,更难以剔除。为了高效剔除干冰膨胀后叶丝中的梗签,提高膨胀叶丝的纯净度,本文针对工厂实际设计了膨胀烟丝分段式两级风选系统,包括设备设计原理、设备组成、电控以及操作内容。试验表明,采取该系统后,膨胀烟丝中梗签和湿团烟丝剔除率平均为2.04%,各指标符合要求,并且占地面积较小、能耗低。

干冰烟丝膨胀过程的机理研究

干冰膨胀烟丝(DIET)过程是烟草工业重要的制丝工艺,膨胀后烟丝含水率是表征该工艺的1项重要技术指标。本研究基于卷烟厂制丝车间的实际运行数据,以物料衡算和热量衡算为基础,考虑两相间对流传热系数的变化,并结合适当的工程简化,分别建立了DIET过程中烟丝出口温度、工艺气体回风温度和膨胀后烟丝含水率的数学模型。其中回风温度和膨胀后烟丝含水率数学模型的平均绝对误差分别为0.24%和1.99%,最大绝对误差分别为0.83%和6.33%,该模型可较好地描述工艺条件对二者的影响,对膨胀后烟丝含水率的调控有较好的指导意义。

供丝机烟丝束线性堆叠原理分析与应用

为了进一步降低ZJ112卷接机组的卷烟产品空头剔除率,通过对几种主要卷烟机型供丝装置结构、供料及成形工艺原理的研究分析,并结合废烟剔除情况,分析揭示的原理为烟丝在供丝机内从料仓到流化床的平行推进输送原理;烟丝从流化床到吸风室导轨的线性堆叠成形原理。发现了供丝机内在烟丝输送方面与空头形成相关的两个因素,设计应用的改进方案为设计安装新型螺旋绞龙底部凹口护板与延板组件;延长料仓内吸风管的长度,合理设置吸风管口在吸风腔内的位置。改进后,基本消除了回丝被重复性削刷而增加造碎劣化的问题,改善了成品烟支内的烟丝结构质量,降低了产品空头剔除率,提升了吸丝成形工艺过程控制水平。

针辊式烟丝结构调控设备参数变化对细支烟卷制品质的影响

以单支质量标准差、吸阻标准差、总通风率标准差、端部落丝量、含末率等为指标,选取选丝针辊电机频率、断丝针辊电机频率和选丝针辊间距3个参数设计正交试验,研究针辊式烟丝结构调控设备参数变化对细支烟卷制品质的影响。结果表明:选丝针辊电机频率是影响细支烟单支质量和总通风率标准差的关键因素,断丝针辊电机频率是影响吸阻标准差和端部落丝量的关键因素,选丝针辊间距是影响含末率的关键因素;调控设备最优参数为选丝针辊电机频率33 Hz、断丝针辊电机频率45 Hz、选丝针辊间距45 mm;调控后烟丝长丝率降低了14.39%、中丝、短丝率增加了26.01%和20.09%,碎丝率变化较小。卷制后细支烟物理指标无显著变化,但单支质量、吸阻、总通风率等标准差均下降30%以上,端部落丝量、含末率分别降低了61.79%和36.42%,细支烟卷制稳定性明显提高。

基于电子鼻技术的烟丝受虫害前后挥发性成分差异分析

针对烟草(Nicotiana tabacum L.)中烟草甲(Lasioderma serricorne)检测技术不完善,检测结果不可靠等问题,以电子鼻检测结果为基础,通过主成分分析法(PCA)和Loading分析法对数据结果进行分析。结果表明,4种烟丝的主要挥发物质为硫类物质、短链烷烃、醇醚醛酮、小分子氮氧化合物等,虫样及性激素的主要挥发性物质是小分子氮氧化合物、硫化物。受虫害后烟丝中硫类化合物明显降低,在对无机硫化物敏感的传感器(W1W)中浓香虫害烟丝的响应值比浓香烟丝下降48.33%,清香虫害烟丝比清香烟丝下降59.48%;在对有机硫化物敏感的传感器(W2W)中浓香虫害烟丝的响应值比浓香烟丝下降35.72%,清香虫害烟丝比清香烟丝下降48.55%。PCA结果显示,4种烟丝样品表现出非常好的区分度,雌虫、雄虫样品在占比高达99.70%的主成分1上几乎没有差别。Loading分析结果显示,烟丝样品中气味主要成分为硫类物质,烟草甲虫样气味主要成分是小分子氮氧化物,其次为硫类物质。

烟丝掺配输送及卷制过程中的热解特性变化分析

为研究烟丝在掺配输送及卷制过程中的热解特性变化规律,利用热重分析技术和热分析动力学方法跟踪分析了不同加工环节烟丝的热失重特征参数变化和差异。结果表明:(1)不同加工环节烟丝整体热解失重规律一致,均包含脱水干燥、挥发性成分损失、半纤维素和纤维素分解、木质素分解与炭化、无机盐分解等阶段,各样品不同热失重阶段的温度区间一致,但阶段失重率有差异;(2)JXQ、JXH和CPS样品在无机盐分解阶段的失重率接近,并明显高于其他样品,不同烟丝样品的综合热解指数CPI范围为4.10×10^(-5)%·(min×℃^(2))-1~4.65×10^(-5)%·(min×℃^(2))^(-1),BZS样品的CPI最低,CPI随着加工环节的进行呈现逐渐降低的趋势;(3)样品在脱水干燥和纤维素分解阶段的热分解过程均符合F1.5级化学反应模型,但不同样品的热解动力学参数存在一定差异。本研究揭示了烟丝在热解过程中的化学反应动力学参数存在一定的差异,在加工过程中烟丝的配方成分可能存在一定程度的波动。

基于改进Mask R-CNN模型的粘连烟丝识别方法

为精准识别并高效分割粘连烟丝,提出一种基于改进掩码区域卷积神经网络模型(Mask R-CNN)的粘连烟丝识别方法。首先,采集粘连烟丝图像,通过图像增强操作将数据集扩充到训练模型所需的样本数量;其次,在Mask R-CNN模型的基础上对训练样本中的粘连烟丝图像进行边缘特征提取、分形特征提取,获得更清晰、连续的图像边缘特征信息和纹理特征信息;再次,将原始特征、边缘特征、分形特征进行融合以充分利用不同层次的特征信息,丰富底层特征;最后,通过引入混合注意力机制关注特征图的通道和空间维度,从而提高粘连烟丝识别的效率和准确性。模型性能对比结果表明:基于改进Mask R-CNN模型的识别方法的平均交并比(Avg.MIoU)为85.29%,类别平均像素准确率(Avg.MPA)为84.33%,其能够快速、准确地识别并分割出单根烟丝,识别效果优于Mask R-CNN和DeepLabV3+模型识别方法,可为后续烟丝宽度检测提供技术支持。

多层卷积网络目标识别算法在烟丝宽度检测中的应用研究

为了提高烟丝宽度检测效率,提出一种多层卷积网络目标识别算法。该算法以YOLOv3为基础结构,通过添加特征层、注意力机制、空间金字塔结构、改进聚类函数和损失函数的方式,实现了对传统识别算法的改进优化。基于多层卷积网络目标识别算法构建烟丝宽度检测模型,通过获取图像中目标烟丝宽度,完成对烟丝宽度的精准检测。烟丝的主客观识别效果与宽度检测结果表明:该算法能够较好地保留烟丝轮廓细节,具有较强的识别能力和较高的检测精度,交并比、精准度、AUC分别达到了0.966、0.969、0.963,且检测最大误差为-0.073 mm,相对误差较低。实验结果证实该算法对烟丝宽度检测具有较高的实用价值,大大提高了检测精度。

丝状梗丝和CO_(2)膨胀烟丝对卷烟质量的影响

本文探究了丝状梗丝和CO_(2)膨胀烟丝对烟支物理指标和感官质量的影响,在纯叶丝卷烟中分别掺配3%和5%比例的丝状梗丝和C02膨胀烟丝,检测结果表明:掺配丝状梗丝,烟支吸阻和硬度值增加,吸阻和硬度稳定性提高,端部落丝量减少;掺配CO_(2)膨胀烟丝,烟支重量稳定性增加,吸阻和硬度值增大;掺配丝状梗丝,有助于改善卷烟香气和余味,减少杂气,但刺激性略增加;掺配CO_(2)膨胀烟丝有助于改善卷烟香气和余味,减小刺激性;掺配丝状梗丝和CO_(2)膨胀烟丝均有助于改善卷烟感官质量,但添加量不宜过多,要考虑卷烟的具体感官设计风格。

一种基于烟丝牌号和生产计划参数的排产处理方法及应用

本研究针对烟草制造业制丝生产车间,提出了一种创新的生产计划排产处理方法。该方法通过获取目标成品烟对应的烟丝牌号和生产计划参数,能够精确地确定待生产烟丝的重量和所需的待生产班次数。这一方法的应用有助于更客观和准确地制定排产计划,从而提高生产效率和产品质量。

膨胀烟丝在细支卷烟生产中的适用性研究

为研究膨胀烟丝在细支卷烟生产中的适用性,研究不同膨胀烟丝掺配比例对细支卷烟物理性质、主流烟气和感官质量的影响。研究表明:膨胀烟丝的掺配对细支卷烟的烟支重量、吸阻、总通风率和硬度四项物理指标均有影响,当掺配比例为5%时,影响最显著;膨胀烟丝的掺配降低了细支卷烟中的CO、烟气总粒相物(TPM)、烟碱和焦油含量,当掺配比例为5%时,CO、TPM显著降低,当掺配比例为9%时,焦油量显著降低;膨胀烟丝的掺配使得细支卷烟感官质量有所下降,主要表现在杂气、刺激性指标降低,但是余味表现有所提升。

烟丝生产过程堵料检测装置的设计与应用

烟丝在加工生产过程中经常发生堵料情况,造成加工工序停机断料,甚至造成大量烟叶堆积卡死或设备损坏,需花费大量人力和时间进行疏通恢复,严重影响产品质量和生产效率。本文提供一款堵料检测装置设计方案,能自动检测堵料情况,并及时触发堵料设备停机和报警,减少生产过程堵料隐患。

一种制丝线边烟丝标准化取样系统设计

【目的】提高烟丝制作过程的质量控制效率和精度,进而提高烟丝的质量和一致性。【方法】设计一种制丝线边烟丝标准化取样系统,通过在线自动化取样封装装置、智能烟丝存放装置和控制软件三部分协同工作,实现烟丝样本的自动化获取、封装、储存和管理。该系统包含线边取样模块和样本贮藏模块,结合自动引导车(AGV)运输,可实现在线实时连续获取烟丝样本,封装后运输至样本架上存放。【结果】实现了对烟丝样本存储和取用的全程自动化控制,对比人工取样,碎丝率平均下降了7%,提高了烟丝样本的可靠性。【结论】大大提高了取样的自动化程度,减少了人工误差,保证了取样数据的准确性,为烟丝质量的评估和生产过程的指导提供了强有力的支持。

基于机器学习的烟丝回弹特性与烟支物理指标关系研究

【目的】明确烟丝回弹特性对烟支物理质量的影响。【方法】对不同牌号不同批次烟丝的回弹特性及对应卷制批次的烟支物理质量(烟支硬度、烟支含末率、端部落丝量)进行相关性分析,利用烟丝物理指标(长丝率、中丝率、碎丝率、填充值、含水率)及回弹特性基于机器学习分别搭建并优化烟支物理指标(烟支硬度、烟支含末率、端部落丝量)的预测模型。【结果】(1)烟丝回弹特性与烟支硬度为显著正相关,与烟支含末率及烟支端部落丝量之间的相关关系呈负相关关系。(2)烟支硬度的最佳预测模型为网格搜索优化的梯度提升回归,R^(2)为0.95;烟支含末率的最佳预测模型为贝叶斯优化的梯度提升回归,R^(2)为0.97;烟支端部落丝最佳预测模型为网格搜索优化的随机森林回归,R^(2)为0.97。【结论】所构建的模型均具有较高的精准度,在一定实验条件下可用于对烟支物理指标的预测。

基于改进ResNet网络的烟丝输送带洁净度分类模型

针对目前卷烟厂烟丝输送带洁净度评估依赖人工主观判断且主观性较强的问题,提出一种基于Res-Net网络的改进烟丝输送带洁净度分类模型(ResNet24_SC_Block)。该模型在ResNet网络的基础上,将残差结构的网络深度设计为24层,并在残差模块中引入SE和CBAM注意力机制,以提高模型对输送带颜色及粘连烟垢等特征的捕捉能力。利用烟丝输送带数据集对模型进行验证,结果表明:ResNet24_SC_Block模型的准确率、精确率、召回率和F1分别为98.8%、98.8%、98.8%和98.4%,相较于ResNet18模型和ResNet34模型提高了3.3%~3.8%,相较于GoogLeNet和RegNet等模型提高了2.1%~17.9%,参数量比ResNet34模型减少了31.6%。该模型能够快速且准确地评估烟丝输送带洁净度,对卷烟制造厂智能化升级具有重要意义和实际应用价值。