基于PSO-ELM的不同温湿度条件叶丝干燥入口水分控

本发明涉及烟草制丝水分控制领域，具体涉及一种基于pso-elm的不同温湿度条件叶丝干燥入口水分控制方法。背景技术：1、在卷烟加工过程中，烟草在制品的含水率是保证烟丝加工质量和卷烟产品内外在质量的重要因素，也是评价制丝加工过程质量稳定的决定性指标。烟草原料属于生物质范畴多孔介质，具有吸湿解湿性，其水分易受到环境条件的变化而产生波动，影响到制丝及卷制质量。2、叶丝干燥工序是制丝生产关键工序之一，入口水分是卷烟制丝生产中的关键衔接水分控制点，其稳定性反映了制丝前段对水分的控制能力，并且会直接影响制丝后段对成品烟丝的水分控制效果。因此，对不同温湿度条件下叶丝干燥工序入口含水率进行稳态控制至关重要。3、为此，本技术以张家口市外界温湿度为例划分出不同的温湿度区间，并在不同温湿度区间下对叶丝干燥入口水分进行品质划分，以对该工序入口水分进行控制研究，以期为不同环境条件下制丝生产进行合理优化设计，构建不同环境条件下叶丝干燥入口水分控制策略，优化关键工序工艺参数，有效提升卷烟加工质量及产品质量稳定性提供理论依据。技术实现思路1、为了解决上述技术问题，本发明提供一种基于pso-elm的不同温湿度条件叶丝干燥入口水分控制方法。本发明利用统计分析对不同温湿度区间下叶丝干燥入口水分进行品质区分，基于pso-elm选取出的不同温湿度条件下的制丝生产最佳工艺参数可控制叶丝干燥入口水分在高品质区间内，能有效提高叶丝干燥过程的稳定性。2、本发明解决其技术问题所采用的技术方案为：3、基于pso-elm的不同温湿度条件叶丝干燥入口水分控制方法，包括4、s1环境温湿度区间划分5、根据生产地区全年环境温湿度进行温度、湿度区间划分；6、以月平均温、湿度为依据，对所在市全年环境温湿度进行k-means聚类分析，将之划分为不同的温湿度区间：7、如，中温低湿、高温高湿、中温中湿和低温中湿4个温湿度区间；8、s2不同温湿度条件下叶丝干燥入口水分品质划分9、根据不同温湿度区间所对应的月份选取叶丝干燥入口水分及关键参数的生产数据；10、关键参数包括松散回潮入口水分、松散回潮蒸汽阀开度、松散回潮打水累积量、松散回潮出口水分、回潮加料机入口水分、叶片加料补偿蒸汽阀输出开度、回潮加料机出口水分、热风润叶入口水分、热风润叶机补偿蒸汽阀输出开度和热风润叶出口水分；11、采用excel对原始生产数据进行预处理，使用插值法对数据中的缺失值进行填充，根据3σ原则对数据进行有效性筛选并剔除异常值，并将烟草原料的相关生产数据按同一批次且同一日期进行关联匹配；12、通过统计分析法对不同温湿度区间下的叶丝干燥入口水分进行离散化处理，建立叶丝干燥入口含水率离散化标准，将不同温湿度区间下的叶丝干燥入口含水率进行类别属性的划分；13、14、其中，μ为不同温湿度区间对应叶丝干燥入口含水率平均值；σ为不同温湿度区间对应叶丝干燥入口含水率标准差；15、s3不同温湿度条件下叶丝干燥入口水分分类模型的建立16、s3.1不同温湿度条件下的数据处理17、对不同温湿度条件下不同类别属性的关联数据分别按照取一隔三的方式进行训练集与测试集的划分，以确保训练集与测试集在不同的温湿度条件下都有代表性的样本分布；18、通过独热编码(one-hot encoding)对目标变量叶丝干燥入口水分进行转换，并对输入变量进行数据标准化处理；19、20、s3.2不同温湿度条件下pso-elm叶丝干燥入口水分分类模型的建立21、以标准化后的松散回潮入口水分、松散回潮蒸汽阀开度、松散回潮打水累积量、松散回潮出口水分、回潮加料机入口水分、叶片加料补偿蒸汽阀输出开度、回潮加料机出口水分、热风润叶入口水分、热风润叶机补偿蒸汽阀输出开度和热风润叶出口水分作为pso-elm分类模型的输入层节点，以独热编码后的叶丝干燥入口水分作为输出层节点，构建一个10输入、4输出的3层网络结构模型；22、选用sigmoid和linear作为elm的激活函数，以最小化负准确率为最优目标，采用pso优化elm算法的神经元数目；pso中种群大小设置为20，最大迭代次数设置为50，并采用5折交叉法进行验证；23、s4最佳工艺参数推荐24、基于pso-elm分类模型，在不同温湿度条件下对叶丝干燥入口水分进行分类；25、对于在不同温湿度条件下被分类为高品质的叶丝干燥入口水分，计算其实际属于高品质类别的概率，并选取概率最大的叶丝干燥入口水分所对应的关键工序工艺参数作为制丝生产的最佳工艺参数，该最佳工艺参数在当前温湿度条件下可最大化叶丝干燥入口水分达到高品质的可能性。26、作为上述技术方案的改进，所述方法还包括s5模型自学习与优化27、根据实际生产数据不断对pso-elm分类模型进行自学习和优化，提高模型的精度以及与生产实际的匹配性。28、作为上述技术方案的改进，所述s3还包括29、s3.3分类模型的评价30、通过准确率(所有预测中正确预测的比例)、精确度(真正例的数量占模型预测为正类总数的比例)、召回率(真正例占实际正类样本的比例)和f1分数(精确度和召回率的调和平均)对分类模型的预测性能进行评估，并通过混淆矩阵可视化分类模型在不同类别属性上的预测结果。31、本发明目的还在于提供一种基于pso-elm的不同温湿度条件叶丝干燥入口水分控制系统，包括32、环境温湿度划分模块，其用于根据生产地区全年环境温湿度进行温度、湿度区间划分；如，以月平均温、湿度为依据，对所在市全年环境温湿度进行聚类分析，将之划分为不同的温湿度区间：33、数据筛选与处理模块，其用于根据不同温湿度区间所对应的月份选取叶丝干燥入口水分数据并对叶丝干燥之前的工序的关键参数进行筛选，同时，将预处理后的相关生产数据按同一批次且同一日期进行关联匹配，再通过统计分析法将不同温湿度区间下的叶丝干燥入口含水率进行类别属性的划分；其中，关键参数包括松散回潮入口水分、松散回潮蒸汽阀开度、松散回潮打水累积量、松散回潮出口水分、回潮加料机入口水分、叶片加料补偿蒸汽阀输出开度、回潮加料机出口水分、热风润叶入口水分、热风润叶机补偿蒸汽阀输出开度和热风润叶出口水分；34、分类模型建立模块，其首先对不同温湿度条件下不同类别属性的关联数据分别按照取一隔三的方式进行训练集与测试集的划分，通过独热编码对目标变量叶丝干燥入口水分进行转换，并对输入变量进行数据标准化处理；随后以标准化后的松散回潮入口水分、松散回潮蒸汽阀开度、松散回潮打水累积量、松散回潮出口水分、回潮加料机入口水分、叶片加料补偿蒸汽阀输出开度、回潮加料机出口水分、热风润叶入口水分、热风润叶机补偿蒸汽阀输出开度和热风润叶出口水分作为pso-elm分类模型的输入层节点，以独热编码后的叶丝干燥入口水分作为输出层节点，构建不同温湿度条件下pso-elm分类模型；其中，所述pso-elm分类模型选用sigmoid和linear作为elm的激活函数，以最小化负准确率为最优目标，采用pso优化elm算法的神经元数目；pso中种群大小设置为20，最大迭代次数设置为50，并采用5折交叉法进行验证；35、最佳工艺参数推荐模块，其基于pso-elm分类模型，在不同温湿度条件下对叶丝干燥入口水分进行分类，对于在不同温湿度条件下被分类为高品质的叶丝干燥入口水分，计算其实际属于高品质类别的概率，并选取概率最大的叶丝干燥入口水分所对应的关键工序工艺参数作为制丝生产的最佳工艺参数，该最佳工艺参数在当前温湿度条件下可最大化叶丝干燥入口水分达到高品质的可能性。36、作为上述技术方案的改进，所述系统还包括模型自学习与优化模块，其根据实际生产数据不断对pso-elm分类模型进行自学习和优化，提高模型的精度以及与生产实际的匹配性。37、本发明带来的有益效果：38、本发明将不同温湿度条件下叶丝干燥入口水分进行品质分类，综合环境条件对生产过程的影响，能有效提高叶丝干燥过程的稳定性。针对不同温湿度、不同水分品质进行机器学习和建模，分别选取出不同温湿度条件下被分类为高品质的叶丝干燥入口水分其实际属于高品质类别的概率最大值对应的关键工序工艺参数作为制丝生产最佳工艺参数，控制叶丝干燥入口水分达到最优区间，进而确保叶丝干燥工序生产过程质量的稳定，以期为不同环境条件下制丝生产进行合理优化设计，构建不同环境条件下叶丝干燥入口水分控制策略，优化关键工序工艺参数，有效提升卷烟加工质量及产品质量稳定性。39、本发明通过引入pso-elm分类模型，增强了制丝生产过程中叶丝干燥入口水分的可控性和可预测性，提高了后续干燥工序过程质量的稳定性，为制丝生产过程的精细化控制及成品烟丝质量的优化提供了有效途径。