基于大數(shù)據(jù)分析的烘絲機出口含水率智能控制方法

熊 金，陳小林，李飛宇，余興華，許春林

（重慶中煙工業(yè)有限責任公司涪陵卷煙廠，重慶 408000）

烘絲機是煙草制絲生產(chǎn)過程中的關鍵設備，其功能是對葉絲進行干燥處理，葉絲干燥處理過程對煙絲物理指標和感觀等內(nèi)在質(zhì)量影響較大，在所有制絲環(huán)節(jié)中，烘絲機的烘絲效果起著非常重要的作用。而要保證烘絲效果，就要保證其過程控制穩(wěn)定。在煙草質(zhì)量控制四穩(wěn)定因素流量、溫度、水分、組分中，流量、組分、溫度較為穩(wěn)定，要保證烘后煙絲質(zhì)量就是要控制好烘絲入口水分。如果要得到穩(wěn)定的來料水分，就需要穩(wěn)定SIROX 膨脹單元水分，而膨脹單元水分又依賴于生絲水分等因素的穩(wěn)定，以及前一級加料出口和貯柜后水分的穩(wěn)定。本方法的意義就在于通過建模對前工序的水分做出更為精準的預測和控制，從而實現(xiàn)來料水分穩(wěn)定，最終降低烘絲出口水分偏差，保證烘后煙絲質(zhì)量。

1 本控制方法的先進行和創(chuàng)新性

本方法基于制絲過程的歷史工藝數(shù)據(jù)分別構建制絲過程的環(huán)境溫濕度預測模型、烘絲入口水分預測模型、加料出口水分預測模型以及烘絲出口水分預測模型，并基于這些預測模型為制絲過程的各環(huán)節(jié)水分控制提供指導。

方法的創(chuàng)新性主要體現(xiàn)在：擬采用的集成學習方法是結合多個模型算法，從而提高整體的準確性，進而得到更好的預測結果。基本思想是通過學習多個弱學習器結合組合策略組成強學習器。例如，GBDT 回歸是一種較為優(yōu)質(zhì)的集成學習方法，其基本原理是通過多輪迭代，每輪迭代產(chǎn)生一個弱分類器（利用cart回歸樹構建），每個分類器在上一輪分類器的殘差基礎上進行訓練。主要優(yōu)點包括：可以靈活處理各種類型的數(shù)據(jù)，包括連續(xù)值和離散值；在相對少的調(diào)參時間情況下，預測的準確率較高；使用一些健壯的損失函數(shù)，對異常值的魯棒性非常強。

先進性主要體現(xiàn)在：①基于先進的人工智能與機器學習方法，基于事實數(shù)據(jù)建立制絲各主要環(huán)節(jié)的回歸預測模型，相比傳統(tǒng)基于人工經(jīng)驗和簡單統(tǒng)計的方法具有更高的準確性和客觀性；②利用機器學習方法特有的評價指標體系進行模型調(diào)整和修正效率也較人工方法高，同時構建的模型能夠基于不斷累積增長的歷史數(shù)據(jù)進行自更新自學習，保持模型的實時有效性，數(shù)據(jù)量越大模型預測準確性越高；③利用機器學習方法能夠有效判斷哪些控制指標更容易影響制絲過程的水分控制，從而為未來制絲工藝的升級改造提供數(shù)據(jù)支撐。

2 本控制方法的主要內(nèi)容

經(jīng)過回潮后的煙葉進入加料工序添加料液和水，加料機根據(jù)入口水分實際值和出口水分設定值的差值，適時添加合適的加水流量以達到工藝標準值（加料出口水分設定值），加水后的煙葉進入貯葉柜貯存，貯葉時間2～36h，滿足貯葉時間再根據(jù)需要放至葉絲段進行增溫增濕和烘絲。

在過程控制中，烘絲機出口含水率主要影響因素有入口含水率、筒壁溫度、煙葉牌號、烘絲入口流量等，而烘絲入口含水率又主要受到葉絲增溫增濕入口含水率、蒸汽流量等因素的影響，其中葉絲增溫增濕入口含水率又主要受加料機出口實際水分、總加水量、貯葉時間、煙葉牌號、當批生產(chǎn)時環(huán)境溫濕度等因素的影響。由于在加料機加水時，無法預測幾小時甚至1d 后的葉絲增溫增濕入口環(huán)境溫濕度，即使加料機出口水分均值、總加水量、貯葉時間都一樣的情況下，如果環(huán)境溫濕度相差較大，葉絲增溫增濕入口含水率變化也相當大，導致烘絲入口水分波動大，不利于烘絲出口水分工藝指標的穩(wěn)定受控。當前主要依靠操作人員根據(jù)歷史加水量、溫濕度，并預測葉絲增溫增濕處的溫濕度，調(diào)整加料機出口水分設定值，使加料后物料水分適應烘絲生產(chǎn)時的環(huán)境溫濕度，從而保證葉絲增溫增濕入口含水率穩(wěn)定、CPK 達標，最終使烘絲出口水分偏差合格。由于人工估算誤差大，不同經(jīng)驗的人預估結果也不一樣，迫切需要建立一套基于歷史數(shù)據(jù)，并根據(jù)歷史數(shù)據(jù)進行學習的預測模型的系統(tǒng)。

本控制方法基于數(shù)據(jù)采集和機器學習算法，通過研究四組正向仿真預測模型，即葉絲增溫增濕入口環(huán)境溫濕度預測模型、葉絲增溫增濕入口含水率正向預測模型、烘絲入口含水率正向預測模型、烘絲出口含水率正向預測模型，建立制絲線重點工藝參數(shù)與環(huán)境溫濕度間的關聯(lián)模型，通過三組反向控制預測模型，即烘絲入口含水率反向控制預測模型、葉絲增溫增濕入口含水率反向控制預測模型、加料出口含水率反向控制預測模型，自動預測加料機出口所需水分設定值，并自動計算加水量以滿足預設出口水分要求，預測數(shù)據(jù)通過數(shù)據(jù)接口方式發(fā)送給PLC，達到所需的加料出口水分，以保證貯葉不同時間后，在相應溫濕度情況下，葉絲增溫增濕入口水分穩(wěn)定，烘絲入口水分穩(wěn)定，最終降低烘絲出口水分偏差。基本思路如圖1所示。

圖1 烘絲機出口含水率智能控制方法基本思路圖

基于以上思路，建立以下幾個預測模型：

2.1 葉絲增溫增濕入口環(huán)境溫濕度預測模型

（1）按小時級粒度獲取制絲車間地理位置的天氣數(shù)據(jù)（空氣溫濕度），同時按相應的數(shù)據(jù)獲取時間，抓取車間葉絲增溫增濕入口含水率水分儀附近溫濕度檢測儀記錄的環(huán)境溫濕度數(shù)據(jù)，以完整的1a 周期數(shù)據(jù)量最佳，構建模型所需數(shù)據(jù)集。

（2）基于天氣數(shù)據(jù)與車間工藝段環(huán)境溫濕度數(shù)據(jù)，基于數(shù)據(jù)回歸模型，建立葉絲增溫增濕入口環(huán)境溫濕度預測模型，該模型可以基于未來天氣預報情況（空氣溫濕度）對葉絲增溫增濕入口環(huán)境溫濕度變化情況進行精準預測。

2.2 葉絲增溫增濕入口含水率正向預測模型

（1）獲取煙葉品牌，根據(jù)制絲過程按分鐘粒度，獲取加料機出口煙葉溫度和含水率、貯葉時間（2～4 h）、葉絲增溫增濕入口葉絲溫度和含水率、葉絲增溫增濕工藝段環(huán)境溫濕度等數(shù)據(jù)，以完整的1a周期數(shù)據(jù)量最佳，構建模型所需數(shù)據(jù)集；

（2）分別以加料機出口煙葉溫度和含水率、葉絲增溫增濕入口煙絲溫度和含水率為預測對象，基于數(shù)據(jù)回歸模型，基于加料機出口煙葉溫度和含水率、貯葉時間、葉絲增溫增濕入口環(huán)境溫濕度等特征預測葉絲增溫增濕入口含水率。

2.3 烘絲入口含水率正向預測模型

（1）獲取煙葉品牌，根據(jù)制絲過程按秒粒度，獲取加料機入口煙葉流量、加料機加水量、出入口煙葉溫度和含水率、補償蒸汽流量、工藝段環(huán)境溫濕度，以及《葉絲增溫增濕入口環(huán)境溫濕度模型》預測的葉絲增溫增濕入口環(huán)境溫濕度等數(shù)據(jù)，以完整的1a 周期數(shù)據(jù)量最佳，構建模型所需數(shù)據(jù)集；

（2）分別以加料環(huán)節(jié)出口煙葉溫度和含水率、加料機加水量為預測對象，基于數(shù)據(jù)回歸模型，基于入口煙葉溫度和含水率、入口煙葉流量、加料機加水量、補償蒸汽流量、加料機環(huán)境溫濕度、《葉絲增溫增濕入口環(huán)境溫濕度模型》的葉絲增溫增濕入口環(huán)境溫濕度等特征預測葉絲增溫增濕出口含水率，即作為烘絲入口含水率值。

2.4 烘絲出口含水率正向預測模型

（1）獲取煙葉品牌，根據(jù)制絲過程按秒粒度，獲取葉絲增溫增濕入口含水率、煙葉牌號、烘絲入口流量、烘絲出口水分設定值、熱風溫度、熱風流量，排潮負壓、烘絲筒溫等數(shù)據(jù)，以完整的一年周期數(shù)據(jù)量最佳，構建模型所需數(shù)據(jù)集。

（2）分別以烘絲機出口含水率和烘絲筒溫為預測對象，基于數(shù)據(jù)回歸模型，基于葉絲增溫增濕入口含水率、煙葉牌號、烘絲入口流量、烘絲出口水分設定值、熱風溫度、熱風流量，排潮負壓、烘絲筒溫等特征，預測烘絲機出口含水率。

2.5 烘絲入口含水率反向控制預測模型

烘絲入口含水率反向控制預測模型，是基于煙葉牌號、烘絲出口水分設定值、烘絲入口流量、熱風溫度、熱風流量，排潮負壓等特征，預測烘絲筒溫控制值及烘絲入口含水率控制目標值。

2.6 葉絲增溫增濕入口含水率反向控制預測模型

葉絲增溫增濕入口含水率控制預測模型，是基于煙葉牌號、《烘絲入口含水率反向控制預測模型》預測的烘絲入口含水率控制目標值、葉絲增溫增濕入口葉絲流量、補償蒸汽流量、《葉絲增溫增濕入口環(huán)境溫濕度模型》預測的環(huán)境溫濕度等特征，預測葉絲增溫增濕入口含水率控制目標值。

2.7 加料出口含水率反向控制預測模型

加料出口含水率控制預測模型，是基于煙葉牌號、《葉絲增溫增濕入口含水率控制預測模型》預測的葉絲增溫增濕入口含水率控制目標值、貯葉時間、《葉絲增溫增濕入口環(huán)境溫濕度預測模型》預測的環(huán)境溫濕度等特征，預測加料出口含水率控制目標值，從而自動計算出所需加水量。

2.8 模型驗證與迭代完善

（1）基于建立的上述模型，利用最新產(chǎn)生的生產(chǎn)過程實際數(shù)據(jù)對模型進行驗證，以此不斷修正欠擬合或過擬合模型，實現(xiàn)模型參數(shù)的優(yōu)化調(diào)整，不斷優(yōu)化模型預測準確性。

（2）將最新產(chǎn)生的生產(chǎn)過程數(shù)據(jù)加入訓練數(shù)據(jù)集中，同時加入模型的自學習自更新機制，以月度或季度為迭代周期對預測模型進行更新迭代，不斷完善預測模型，模型迭代示意見圖2。

圖2 模型迭代示意圖

3 控制方法的結果

本系統(tǒng)將建立一套依托全變量的管板烘絲機出口含水率預測控制系統(tǒng)，面向工業(yè)化大數(shù)據(jù)，對數(shù)據(jù)進行存貯、整理、訓練、測試，生成4套預測模型。①基于天氣數(shù)據(jù)與車間工藝段環(huán)境溫濕度數(shù)據(jù)，建立葉絲增溫增濕入口環(huán)境溫濕度預測模型；②以加料入口煙葉溫度和含水率、入口煙葉流量、加料機加水量、補償蒸汽流量、加料機環(huán)境溫濕度，預測加料機出口含水率，建立加料機出口含水率預測模型；③基于加料機出口煙葉溫度和含水率、貯葉時間、《葉絲增溫增濕入口環(huán)境溫濕度預測模型》預測的葉絲增溫增濕入口環(huán)境溫濕度等特征預測葉絲增溫增濕入口含水率，生成葉絲增溫增濕入口含水率預測模型；④利用葉絲增溫增濕入口含水率、葉絲增溫增濕蒸汽流量、含濕量、煙葉牌號、烘絲入口流量、烘絲出口水分設定值、熱風溫度、熱風流量，排潮負壓、烘絲筒溫等變量預測烘絲機出口含水率，建立烘絲出口含水率預測模型。

基于以上構建的四類預測模型，能夠較好地形成葉片加料、貯葉、葉絲增溫增濕、烘絲這幾個制絲過程的煙葉含水率閉環(huán)預測體系，反映出加料入口、料機出口、增溫增濕入口與烘絲出口的煙葉含水率與輸入?yún)?shù)、環(huán)境參數(shù)以及控制參數(shù)間的關聯(lián)關系，從而建立各工序節(jié)點的煙葉質(zhì)量管理機制，并且能夠基于未來天氣變化情況預測生產(chǎn)環(huán)境溫濕度參數(shù)變化趨勢。在此基礎上構建的加料機加水量控制機制，能夠有效利用環(huán)境參數(shù)預測和生產(chǎn)輸入?yún)?shù)動態(tài)調(diào)節(jié)加水參數(shù)，使制絲過程各環(huán)節(jié)煙葉含水率趨于穩(wěn)定，并最終降低烘絲機出口水分偏差，提升工藝指標對標值。

4 結束語

基于大數(shù)據(jù)分析的烘絲機出口含水率智能控制方法，是建立在制絲過程的大量歷史數(shù)據(jù)分析的基礎上，分別構建正向仿真預測模型，通過預測的準確性選擇合適的模型算法，從而建立各工序節(jié)點的煙葉質(zhì)量管理機制。然后通過反向控制模型層級推導，自動預測加料機出口所需水分設定值，并自動計算加水量以滿足預設出口水分要求，使SIROX 入口、烘絲入口水分穩(wěn)定，從而控制好烘絲機出口含水率，提升工藝指標。