基于数据驱动的烟叶松散回潮系统的建模与优化控制

作     者：江婷 

作者单位：东华理工大学 

学位级别：硕士

导师姓名：罗先喜;邓红伟

授予年度：2023年

学科分类：08[工学] 0822[工学-轻工技术与工程] 

主      题：松散回潮出口水分 数据建模 控制优化 主元神经网络 遗传算法 

摘      要：烟叶松散回潮是制丝生产线的首道处理工序,其目的是通过增温增湿将烟块松散成易存储加工的烟片。由于松散回潮过程具有外部干扰因素多、控制大滞后等特性,导致传统PID控制常常出现控制不及时、烟叶出口水分波动大、过程控制能力(CPK)指标偏低等问题,难以达到高效和高品质生产的要求。针对以上问题,本文提出一种基于数据驱动的烟叶松散回潮系统的建模及优化控制方法。具体研究内容及结论如下:(1)提出一种基于传统BP神经网络和主元回归方法构建的主元神经网络出口水分预测模型。分析松散回潮结构和工艺原理,初步确定本文控制系统研究的结构框架;采用Pearson相关性分析、现场重复试验、数据曲线分析方法确定变量间的因果逻辑;分别采用BP神经网络算法、主元回归法以及结合两种方法提出的主元神经网络法对出口水分进行预测,经离线数据验证发现,其中主元神经网络预测模型平均绝对误差和相对误差相对较小,准确预测比例较高,主元神经网络预测模型提高了传统模型的预测准确度。(2)建立基于预测模型的遗传算法控制量寻优模型与在线控制策略。结合主元神经网络预测模型,以预测偏差最小为目标,建立基于遗传算法的松散回潮控制量的寻优模型,得到加水量的最优值。此外,建立在线运行的出口水分实时反馈修正机制和模型参数的自适应优化,提高控制的准确性和模型的泛化能力。(3)对某烟厂松散回潮工序实施系统部署,验证本文提出的基于数据驱动的松散回潮系统建模及优化控制方法的有效性。通过在线验证表明:出口水分预测模型预测的平均绝对误差为0.14%;以该模型为基础设计的控制方法上线后CPK总体提升69%,标准偏差总体下降8%,人工操作工作量降低93.7%,基于主元神经网络的出口水分预测模型能较好的预测出口水分变化,加水量寻优模型与在线控制策略能有效提高松散回潮控制准确度和稳定性。本文的研究上线后完成了CPK≥1.33以及标准偏差≤0.2的控制目标,提高了松散回潮工艺的过程控制能力与智能化程度,可为烟草行业的数字化转型助力。