基于模型预测控制的松散回潮自适应控制系统

为解决松散回潮的传统控制自适应差、控制不稳定等问题。根据松散回潮机工作原理与烟叶吸湿性机理,筛选出物料入口含水率、加水量、回风温度3个关键变量,以物料出口含水率为目标值,建立预测模型,针对因模型偏差导致的控制误差,在模型预测控制的基础上,运用神经网络模型中反向传播算法,根据松散回潮生产特性优化损失函数,使预测模型在控制过程中自迭代、自适应,提高了模型的自适应速率。系统优化后,松散回潮出口水分平均标准偏差由原0.29下降至0.20,同比下降32%,平均cpk由1.132提升至1.479,同比提升30%。有效提高了松散回潮过程控制能力。

基于模型预测的松散回潮水分控制研究

松散回潮系统具有大时滞、干扰变量多等特性,出口水分控制难度大。为解决松散回潮出口水分控制不稳定及反馈不及时等问题,采用相关性分析筛选出与松散回潮出口水分的相关变量,使用多元线性回归和神经网络建立松散回潮出口水分的预测模型,对2种模型的效果进行验证,在此基础上建立加水量实时在线优化控制模型。选取某烟厂生产数据对预测模型进行效果验证。结果表明,多元线性回归模型和神经网络模型预测的平均相对误差分别为0.3%、0.5%,多元线性回归模型表现出更好的变化趋势描述能力。实施控制后松散回潮出口水分均值偏差由0.151减小为0.098,松散回潮控制的准确性和稳定性显著提高,有效克服调控滞后问题,控制过程的智能化和精细化水平提升。

基于机器视觉的烟丝质量特征在线量化分析

为了实时监控产线烟丝的质量特征,该文研究设计一种新型在线烟丝检测设备,其通过机械结构设计实现自动从产线获取目标烟丝,振筛分离烟丝,测量烟丝,并最终将所测烟丝送回产线。其使用的图像识别算法基于机器视觉,通过基于亮度、色度和浓度(YUV)色彩空间的阈值分割法,精确地分割烟丝与背景,并通过提取烟丝骨架,实现对不重叠烟丝的长度和宽度的测量。通过对比实验表明,算法平均精度误差在5%以内,烟丝宽度误差在0.1 mm以内。所设计的烟丝结构检测仪既能测量单根烟丝的参数,能够统计整批烟丝的结构参数,提供多维度多尺度的信息,并且可以实现在线检测分析,提高测量的效率,为制丝工艺质量的监控及精细调控提供重要基础支撑。

基于主元神经网络的片烟松散回潮控制系统建模与优化

为解决松散回潮工序传统PID控制模式存在出口含水率波动大、系统控制延时等问题,基于BP神经网络和主元回归方法提出一种主元神经网络出口含水率预测模型;以预测偏差最小为目标,建立基于遗传算法的松散回潮加水量寻优模型和实时反馈加水量修正机制,得到模型参数自适应的最优加水量。以湖南中烟工业有限责任公司零陵卷烟厂的“芙蓉王(硬)”牌卷烟配方原料为对象进行测试,结果表明:①预测模型预测的出口含水率与实际出口含水率平均绝对误差为0.14%,能较好地预测出口含水率变化趋势;②与传统PID控制模式相比,采用主元神经网络控制模式后,出口含水率过程能力指数均值提升65%,标准偏差均值降低37%。该技术可为提升松散回潮出口含水率控制精度和稳定性提供支持。