烟用制丝环节在线水分仪校验方法与流程

烟用制丝环节在线水分仪校验方法
1.本技术为申请号：202010662317.7、发明名称：烟用制丝环节在线水分仪校验系统的发明申请的分案申请。
技术领域
2.本发明涉及烟草行业，具体涉及卷烟制丝环节的在线水分仪校验领域，尤其涉及一种烟用制丝环节在线水分仪校验方法。


背景技术：

3.在烟草生产过程中，制丝生产过程是非常重要的一个环节，它是根据烟叶原料的理化特性，按照一定的程序逐步经过多种加工工序，把烟叶制成合格烟丝的过程。在卷烟生产过程中，制丝的工艺流程最长、工序最繁杂、设备种类也最多。现有的制丝车间生产作业为流水线式，其包含的重点设备有真空回潮机、松散回潮机、暂存柜、加料回潮机、热风润叶机、切丝机、烘丝机等。
4.卷烟制丝环节的关键控制指标为烟丝水分的控制，各生产环节皆围绕着烟丝水分是否合格组织生产，水分仪是在线生产水分检测的唯一设备关口，所以水分仪的准确性就显得尤为重要了。其中除烟叶切丝外其余流程均包含众多的细化水分控制环节，每个水分控制环节均安装有水分仪，全流程涉及水分仪数量在30台以上。任意一台水分仪检测的准确性都直接决定着烟丝的产品质量。
5.传统水分仪的管控方法是定期对水分仪的每个使用通道进行烘箱对比实验检测，每次烘箱实验时间为1个小时。如果水分仪的检测值与烘箱实验值之间出现超出要求范围的偏差，则以烘箱试验值为标准，对水分仪进行调校。但现场水分仪数量较多，单台水分仪同时又包含8个以上的检测通道，因此水分仪定期检测间隔时间长，数据量大人为分析筛选容易出现疏漏，很难保证水分仪检测的实时准确性。
6.公开号：cn110567836a的发明申请公开了一种快速校验测定烟丝在线水分仪的方法及系统。该方法包括通过烘干法测量每个牌号的烟丝在设定湿度下的含水量，并形成烟丝水分对应表；将每个牌号的烟丝单独预设在对应的恒湿校验箱中；获取生产线上待生产的当前烟丝牌号，并将所述当前烟丝牌号对应的恒湿校验箱内的烟丝作为水分仪的校验样品；获取水分仪对所述校验样品检测得到的当前水分检测值，并根据所述烟丝水分对应表查表得到当前烟丝牌号对应的水分查表值；根据所述水分查表值和当前水分检测值对水分仪进行测量值校验。本发明能提高烟丝处理过程的生产效率，降低生产成本。
7.上述文献所公开的水分仪校验系统，具有滞后性，不具备物料水分预测、预警功能，无法在线、实时检验水分仪的准确性，并及时发现水分仪异常情况。由于在线烟丝水分仪为红外线式检测设备，其关键部件光源、滤波器均为易坏部件，若无法及时发现水分仪异常情况，设备不稳定将导致烟丝质量事故。


技术实现要素：

8.为克服上述现有技术中的不足，本技术提供了一种烟用制丝环节在线水分仪校验方法。
9.本发明旨在为制丝生产线上的水分仪提供一种在线、实时校验手段，以防止设备不稳定导致烟丝质量事故。
10.本发明解决其技术问题所采用的技术方案为：
11.烟用制丝环节在线水分仪校验系统，包括信息管理系统，其内存储有历史生产数据，所述历史生产数据包括历史批次参数，所述系统还包括与信息管理系统通信连接的
12.水分仪设置模块，其在制丝生产线各工序前端设置水分仪，并对各水分仪进行分段定义；
13.建模模块，其依据定义结果，分段建立水分仪校验模型；
14.水分预测模块，其依据各水分仪校验模型，结合历史批次参数对物料水分进行实时分段预测；
15.预警模块，其将预测值与实测值进行对比分析，并对预测值超出物料水分偏差要求的水分仪进行预警、显示。
16.作为上述技术方案的改进，所述水分仪设置模块在制丝生产线的松散回潮、暂存柜、润叶加料、预混柜、热风润叶、切丝、烘丝工序前端设置水分仪，并对各水分仪进行定义：
17.一段：包括烟叶来料至松散回潮出口阶段的水分仪；
18.二段：包括润叶加料入口至润叶加料出口阶段的水分仪；
19.三段：包括润叶加料出口至热风润叶出口阶段的水分仪；
20.四段：包括松散回潮入口至烘丝入口阶段的水分仪。
21.作为上述技术方案的改进，所述建模模块包括分段建立的松散回潮水分仪校验模型、润叶加料水分仪校验模型、热风润叶水分仪校验模型。
22.作为上述技术方案的改进，所述松散回潮水分仪校验模型是以松散回潮入口水分、总打水量、补偿蒸汽开度、真空回潮至松散回潮时长为影响因子、以松散回潮出口水分为因变量建立的多元回归模型。
23.作为上述技术方案的改进，所述润叶加料水分仪校验模型是以润叶加料入口水分为输入，润叶加料出口水分为输出，暂存柜储存时间、补偿蒸汽开度、润叶加料排潮开度为影响因子建立的神经网络模型。
24.作为上述技术方案的改进，所述热风润叶水分仪校验模型是以热风润叶入口水分为输入，热风润叶出口水分为输出，中间经过预混柜，以热风润叶补偿蒸汽开度为影响因子，建立的神经网络模型。
25.作为上述技术方案的改进，所述预警模块设置有各段水分仪的预测水分偏差要求，即预警阈值，其中
26.一段：松散回潮水分仪的水分偏差要求为
±
1％；
27.二段：润叶加料水分仪的水分偏差要求为
±
1％；
28.三段：热风润叶水分仪的水分偏差要求为
±
0.5％。
29.作为上述技术方案的改进，所述建模模块与预警模块之间设置有反馈回路。
30.本发明同时提供了一种烟用制丝环节在线水分仪校验方法，所述方法应用于上述
任一项所述的烟用制丝环节在线水分仪校验系统，其包括以下步骤：
31.步骤一，数据采集
32.数据来源：制丝线信息管理系统中相应历史生产数据；
33.步骤二，生产线水分仪设置
34.将水分仪设置模块在制丝生产线的松散回潮、暂存柜、润叶加料、预混柜、热风润叶、切丝、烘丝工序前端，并对各水分仪进行定义；
35.步骤三，模型建立
36.通过建模模块，分段建立松散回潮水分仪校验模型、润叶加料水分仪校验模型、热风润叶水分仪校验模型；
37.其中：
38.松散回潮水分仪校验模型是以松散回潮入口水分、总打水量、补偿蒸汽开度、真空回潮至松散回潮时长为影响因子、以松散回潮出口水分为因变量建立的多元回归模型；
39.润叶加料水分仪校验模型是以润叶加料入口水分为输入，润叶加料出口水分为输出，暂存柜储存时间、补偿蒸汽开度、润叶加料排潮开度为影响因子建立的神经网络模型；
40.热风润叶水分仪校验模型是以热风润叶入口水分为输入，热风润叶出口水分为输出，中间经过预混柜，以热风润叶补偿蒸汽开度为影响因子，建立的神经网络模型；
41.步骤四，水分预测
42.依据步骤三各段水分仪校验模型，结合历史批次参数对物料水分进行实时分段预测；
43.步骤五，异常预警
44.基于步骤四将预测值与各段水分仪实测值进行对比分析，并对预测值超出物料水分偏差要求的水分仪进行预警、显示。
45.本发明带来的有益效果有：
46.较之于现有技术，本技术至少具有以下优点：
47.(1)本发明的在线水分仪校验系统及方法可依据制丝生产线历史批次参数(工艺参数、生产参数、环境参数)实时预测各阶段物料水分，并对各水分仪准确性进行在线实时校验，以及时了解各水分仪的运行状态；
48.(2)本发明通过水分预测模块基于各预测模型对物料水分进行实时、分段预测，并可借助反馈回路实时优化模型提高预测准确性，使预测模型具备自学习优化能力；
49.(3)本发明通过预警模块进行数据分析，将预测值与实测值进行在线对比分析，并对预测值超出物料水分偏差要求的水分仪进行提前的预警和显示，对潜在的工艺质量事故及时作出预处理，可有效提高制丝工艺质量和生产效率。
附图说明
50.下面结合附图及具体实施例对本发明作进一步说明，
51.附图1是本发明的模块化结构示意图；
52.附图2是本发明的水分仪设置模块在制丝生产线所设置水分仪结构示意图；
53.附图3是松散回潮水分仪校验模型的松散润叶出口水分的预测结果示意图；
54.附图4是松散回潮水分仪校验模型的松散润叶出口水分的预测误差示意图；
55.附图5是润叶加料水分仪校验模型的润叶加料出口水分的预测结果示意图；
56.附图6是润叶加料水分仪校验模型的润叶加料出口水分的预测误差示意图；
57.附图7是热风润叶水分仪校验模型的润叶加料出口水分的预测结果示意图；
58.附图8是热风润叶水分仪校验模型的润叶加料出口水分的预测误差示意图。
具体实施方式
59.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.在本发明中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
61.实施例1
62.参照图1，一种烟用制丝环节在线水分仪校验系统，包括信息管理系统，其内存储有历史生产数据，历史生产数据包括历史批次参数，历史批次参数具体指制丝生产线各工艺环节的工艺参数、生产参数、环境参数等，以烘丝工序的薄板烘丝机为例：
63.工艺参数包括薄板烘丝机出口水分、薄板烘丝机入口水分、薄板烘丝机滚筒温度；其中出口/入口水分作为系统的关键指标；
64.生产参数包括薄板烘丝机蒸汽薄膜阀开度、薄板烘丝机热风温度、薄板烘丝机排潮开度、薄板烘丝机地下风机频率、ht蒸汽、薄板平台温度；
65.环境参数包括环境湿度。
66.其它各工艺环节的历史批次参数与烘丝工序类同。
67.本系统还包括与信息管理系统通信连接的——
68.水分仪设置模块，其在制丝生产线各工序前端设置水分仪，并对各水分仪进行分段自定义；
69.建模模块，其依据定义结果，分段建立水分仪校验模型；
70.水分预测模块，其依据各水分仪校验模型，结合对应工序的历史批次参数对物料水分进行实时动态的分段预测；
71.预警模块，其将预测值与实测值进行对比分析，并对预测值超出物料水分偏差要求的水分仪进行预警、显示。
72.参照图2，水分仪设置模块在制丝生产线的松散回潮、暂存柜、润叶加料、预混柜、热风润叶、切丝、烘丝工序前端设置水分仪，并对各水分仪作以下定义：
73.一段：包括烟叶来料至松散回潮出口阶段的水分仪；
74.二段：包括润叶加料入口至润叶加料出口阶段的水分仪；
75.三段：包括润叶加料出口至热风润叶出口阶段的水分仪；
76.四段：包括松散回潮入口至烘丝入口阶段的水分仪。
77.建模模块基于信息管理系统内汇集的海量历史数据，借鉴数据模型理念，通过对
历史生产数据进行挖掘分析，将多元回归分析算法、神经网络算法等运算方法集合，分段建立有松散回潮水分仪校验模型、润叶加料水分仪校验模型、热风润叶水分仪校验模型。
78.其中：
79.松散回潮水分仪校验模型是以松散回潮入口水分(x1)、总打水量(x3)、补偿蒸汽开度(x4)、真空回潮至松散回潮时长(x5)为影响因子、以松散回潮出口水分(x2)为因变量建立的多元回归模型。
80.各影响因子系数见表1：
81.表1：松散回潮水分仪校验模型影响因子系数
[0082][0083]
依据各影响因子系数，建立回归方程：
[0084]
y(松散回潮出口水分x2)＝2.802x1 0.351x3-0.024x4 0.003x5-0.922
[0085]
该公式拟合优度为0.903。
[0086]
采用该公式进行相应工序水分预测，结果如图3、4所示。
[0087]
由上图可知，预测曲线和生产曲线有较高的吻合度，且从预测误差计算可知，预测误差绝对值的均值仅为0.24％，能够满足松散润叶出口水分为(设定值
±
0.5)％的允差要求，且小于
±
0.3％的含水率预测值优良的判定要求。
[0088]
其中：
[0089]
润叶加料水分仪校验模型是以润叶加料入口水分为输入，润叶加料出口水分为输出，暂存柜储存时间、补偿蒸汽开度、润叶加料排潮开度为影响因子建立的神经网络模型。
[0090]
各影响因子系数见表2：
[0091]
表2：润叶加料水分仪校验模型神经网络结构信息
[0092]
pointtypexyv4scale03.3333偏差scale02.6667v20scale02v26scale01.3333v24scale00.6667v17scale12.6667偏差scale11.3333隐藏层激活：双曲正切输出层激活：恒等式scale22v22
[0093]
在表2中：v17-暂存柜储存时间；v20-润叶加料入口水分；v22-润叶加料出口水分；
v24-润叶加料补偿蒸汽开度；v26-润叶加料排潮开度。
[0094]
上述各影响因子重要性见表3：
[0095]
表3：润叶加料水分仪校验模型各影响因子重要性
[0096]
nodesimportanceimportancev22v260.1040.1040.104v170.16510.16510.1651v240.24690.24690.2469v200.4840.4840.484
[0097]
利用神经网络模型构建润叶加料水分仪校验模型，进行相应工序水分预测，结果如图5、6所示。
[0098]
由上图可知，经神经网络模型预测润叶加料出口水分均值为22.84，最大预测值为23.15，最小预测值为22.50，预测误差均值为0.20％。
[0099]
其中：
[0100]
热风润叶水分仪校验模型是以热风润叶入口水分为输入，热风润叶出口水分为输出，中间经过预混柜，以热风润叶补偿蒸汽开度为影响因素，建立的神经网络模型。
[0101]
各影响因子系数见表4：
[0102]
表4：热风润叶水分仪校验模型神经网络结构信息
[0103]
pointtypexyv4scale02.4偏差scale01.8v38scale01.2v34scale00.6v32scale12.4偏差scale11.8隐藏层激活：双曲正切输出层激活：恒等式scale11.2隐藏层激活：双曲正切输出层激活：恒等式scale10.6隐藏层激活：双曲正切输出层激活：恒等式scale21.5v36
[0104]
在表4中：v32-预混柜储存时长；v34-热风润叶入口水分；v36-热风润叶出口水分；v38-热风润叶补偿蒸汽开度。
[0105]
上述各影响因子重要性见表5：
[0106]
表5：热风润叶水分仪校验模型各影响因子重要性
[0107]
nodesimportanceimportancev36v380.24420.24420.2442v320.33650.33650.3365v340.41930.41930.4193
[0108]
利用神经网络模型构建热风润叶水分仪校验模型，进行相应工序水分预测，结果如图7、8所示。
[0109]
由上图可知，经神经网络模型预测热风润叶出口水分均值为22.35，最大预测值为
22.46，最小预测值为22.22，预测误差均值为0.10％。
[0110]
预警模块设置有各段水分仪的预测水分偏差要求，即预警阈值，其中
[0111]
一段：松散回潮水分仪的水分偏差要求为
±
1％；
[0112]
二段：润叶加料水分仪的水分偏差要求为
±
1％；
[0113]
三段：热风润叶水分仪的水分偏差要求为
±
0.5％。
[0114]
预警模块通过数据处理，将预测值与各段水分仪实测值(及同时段历史生产数据如各段入口水分均值、入口水分标准值)进行对比分析，结合上述的预警阈值，对预测值超出物料水分偏差(偏差＝(实测值-预测值)/预测值)要求的水分仪进行预警、显示，以提醒工作人员进行及时的预处理，如调整工艺参数、检修对应水分仪等。
[0115]
本实施例的在线水分仪校验系统，可依据制丝生产线历史生产数据实时预测各工序出口的物料水分，对各水分仪准确性进行在线、实时的校验，及时了解各水分仪的运行状态，进而对潜在的工艺质量事故及时作出预处理，可有效提高制丝工艺质量和生产效率。
[0116]
此外，建模模块与预警模块之间设置有反馈回路。
[0117]
本发明通过水分预测模块基于各预测模型对物料水分进行实时、分段预测，还可借助反馈回路实时优化预测模型，以提高预测准确性，使预测模型具备自学习优化能力。
[0118]
实施例2
[0119]
烟用制丝环节在线水分仪校验方法，所述方法应用于实施例1所述的烟用制丝环节在线水分仪校验系统，其包括以下步骤：
[0120]
步骤一，数据采集
[0121]
数据来源：制丝线信息管理系统中相应历史生产数据；
[0122]
步骤二，生产线水分仪设置
[0123]
将水分仪设置模块在制丝生产线的松散回潮、暂存柜、润叶加料、预混柜、热风润叶、切丝、烘丝工序前端，并对各水分仪进行定义；
[0124]
步骤三，模型建立
[0125]
通过建模模块，分段建立松散回潮水分仪校验模型、润叶加料水分仪校验模型、热风润叶水分仪校验模型；
[0126]
其中：
[0127]
松散回潮水分仪校验模型是以松散回潮入口水分、总打水量、补偿蒸汽开度、真空回潮至松散回潮时长为影响因子、以松散回潮出口水分为因变量建立的多元回归模型；
[0128]
润叶加料水分仪校验模型是以润叶加料入口水分为输入，润叶加料出口水分为输出，暂存柜储存时间、补偿蒸汽开度、润叶加料排潮开度为影响因子建立的神经网络模型；
[0129]
热风润叶水分仪校验模型是以热风润叶入口水分为输入，热风润叶出口水分为输出，中间经过预混柜，以热风润叶补偿蒸汽开度为影响因子，建立的神经网络模型；
[0130]
步骤四，水分预测模块的建立
[0131]
依据步骤三各段水分仪校验模型，结合历史批次参数对物料水分进行实时分段预测；
[0132]
步骤五，预警模块的建立
[0133]
基于步骤四将预测值与各段水分仪实测值进行对比分析，并对预测值超出物料水分偏差要求的水分仪进行预警、显示。
[0134]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。