[发明专利]一种基于递归神经网络的烘丝过程水分预测控制方法及系统

说明书

本发明涉及烘丝过程水分控制技术领域，公开了一种基于递归神经网络的烘丝过程水分预测控制方法及系统，包括：A）采集烘丝过程相关数据；B）对采集到的牌号信息进行自动识别，得到控制参数；C）对相关数据进行判定，建立非线性预测控制模型；D）将非线性预测模型转化为基于递归神经网络的非线性预测控制模型，更新递归神经网络的权重，获得出口含水率预测值；E）构建性能指标J，获得使性能指标J最优的排潮风门开度。本发明改进了非线性预测控制模型，提高了神经网络训练速度和稳定性，增加了出口含水率的稳定性。

技术领域

本发明涉及烘丝过程水分控制技术领域，尤其是涉及一种基于递归神经网络的烘丝过程水分预测控制方法及系统。

背景技术

烘丝过程是烟草行业中制丝线物料水分控制的重要加工工序。出口含水率是烘丝过程的重要工艺指标，其过程稳定性对后续各工序工艺指标有着直接的影响。目前，对于烘丝过程中出口水分控制存在诸多问题，最为突出的有三点：其一，由于烘丝过程本身存在时延，导致烘丝控制系统不能根据实时测量得到的出口含水率调节操纵变量值，使得出口含水率的稳定性差；其二，由于制丝生产线上叶丝的物理特性能力不完全一致，即使是同一批次的叶丝的物理特性也存在差异，使得烘丝过程水分控制系统不能根据烘丝过程的数学模型与实时测量得到的变量值得出此时最优的操纵变量值，出口含水率的稳定性差；其三，烘丝过程中入口含水率、工艺热风温度、排潮风门开度、蒸汽压力和来料质量流量也会影响出口含水率的稳定性。

例如，一种在中国专利文献上公开的“一种烘丝过程控制方法”，其公告号CN101254020 A，该发明公开了一种烘丝过程控制方法，该发明整个烘丝过程控制分为头部、中部、尾部三个阶段：头部阶段，即烘丝工序开始但烟丝未到达烘丝工序出口水分检测点的生产阶段：采用自适应学习升温控制方式，由控制系统根据前一次水分控制的效果自动调整下一次升温的温度，并在该阶段采用低筒体转速；中部阶段，即烘丝工序出口水分检测点检测到烟丝后到该批烟丝全部进入烘丝机的生产阶段：将出口水分参数引入到控制系统，采用预测PID控制进行反馈校正以实现对烘丝筒壁温度的自动控制；尾部阶段，即烟丝全部进入烘丝机到烘丝工序出口水分检测点检测不到烟丝的生产阶段。

该发明烘丝水分控制采用传统PID控制算法并加以一些顺序逻辑进行控制，但是此种控制方法只有在被控对象具有线性特性并且参数匹配良好的情况下才具有良好的控制效果，一旦发生干扰使其偏离工作点较远或参数发生变化，控制器都不能随之调整，控制效果就会变差。相比较传统PID控制方式对模型精度的需求，广义预测控制以预测模型、滚动优化和反馈校正三个环节为基础，其可根据实时测量得到的过程变量，实时对预测模型进行调整，通过对出口含水率进行预测，得出最优的操纵变量值，并由于烘丝过程存在非线性，使用递归神经网络(RNN)代替广义预测控制中的带遗忘因子的递推最小二乘法，实时对神经网络中各节点的权重进行更新，预测未来时刻出口含水率，求出最优的操纵变量值。

发明内容

本发明是为了解决烘丝过程中出口含水率的稳定性差的问题，提供一种基于递归神经网络的烘丝过程水分预测控制方法及系统，本发明通过建立非线性预测控制模型，并将非线性预测控制模型转化为基于递归神经网络的非线性预测控制模型，使用递归神经网络(RNN)代替广义预测控制中的带遗忘因子的递推最小二乘法，根据实时测量得到的过程变量实时地对预测模型进行调整，通过对出口含水率进行预测得出最优的排潮风门开度，增加出口含水率的稳定性。

为了实现上述目的，本发明采用以下技术方案：

一种基于递归神经网络的烘丝过程水分预测控制方法，包括：

A)采集烘丝过程叶丝的相关数据；

B)对采集到的牌号信息进行自动识别，得到相应批次叶丝的控制参数，控制参数包括目标出口含水率与排潮风门开度范围；

C)对采集到的烘丝过程叶丝的相关数据进行判定，设定各相关数据的正常工作范围，当相关数据均处于正常工作范围内时，建立非线性预测控制模型；