[发明专利]一种基于BP-PID的烟草薄片涂布率控制方法及装置在审

专利信息
申请号: 202010983329.X 申请日: 2020-09-18
公开(公告)号: CN112099355A 公开(公告)日: 2020-12-18
发明(设计)人: 许国齐;王水明;李鹏飞;刘良才;刘建华 申请(专利权)人: 湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司
主分类号: G05B13/04 分类号: G05B13/04;G05B11/42
代理公司: 浙江千克知识产权代理有限公司 33246 代理人: 裴金华
地址: 430000 湖北省*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 bp pid 烟草 薄片 涂布率 控制 方法 装置
【权利要求书】:

1.一种基于BP-PID的烟草薄片涂布率控制方法,其特征在于,包括:

建立适用于烟草薄片涂布率的BPNN模型;

将BPNN模型的输出作为PID模型的输入,建立BP-PID控制模型;

获取BPNN模型的训练参数,对BP-PID控制模型进行优化训练;

利用完成训练的BP-PID控制模型对烟草薄片涂布率进行实时控制。

2.根据权利要求1所述的方法,其特征在于,建立适用于烟草薄片涂布率的BPNN模型包括:

确定BPNN模型的参数,即确定输入层和隐藏层的节点个数,输出变量为3,学习速率和惯性系数;

将烟草薄片的涂布率的设定值、误差、输出值及整定后的涂布量定义为BPNN模型的输入变量;

建立三层的BPNN模型,即输入层、隐藏层、输出层,其核心计算公式如下:

输入层计算公式为:

隐藏层的输入的输出计算公式为:

其中,为隐藏层的权值;

输出层的输出计算公式为:

其中,为输出层的权值。

3.根据权利要求2所述的方法,其特征在于,将BPNN模型的输出作为PID模型的输入,建立BP-PID控制模型具体包括:

将BPNN模型的三个输出分别作为PID模型的三个参数、、、输入到PID控制器中;

利用BP-PID控制模型的输出结果控制烟草薄片生产过程的涂布率。

4.根据权利要求1所述的方法,其特征在于,获取BPNN模型的训练参数包括:

采集烟草薄片工厂涂布量、涂布率的数据;

剔除采样数据中的零值,剔除[μ+3σ,μ-3σ]以外的数据,其中,μ为均值,σ为标准差;

对经过剔除操作后的数据序列进行数据填补,数据填补的计算公式为:

其中,,为的导数,

将填补后的数据作为BPNN模型的训练参数。

5.根据权利要求4所述的方法,其特征在于,对BP-PID控制模型进行优化训练包括:

根据烟草薄片厂的实际涂布工艺建立涂布率传递函数;

所述传递函数的输入为BP-PID控制模型的输出,所述传递函数的输出即为涂布率;

当烟草薄片的涂布率稳定在一定范围内波动时,BP-PID控制模型完成训练。

6.根据权利要求1所述的方法,其特征在于,利用完成训练的BP-PID控制模型对烟草薄片涂布率进行实时控制之后还包括:

计算烟草薄片的涂布率,制作曲线;

判断烟草薄片涂布率是否满足需求。

7.根据权利要求6所述的方法,其特征在于,当烟草薄片涂布率满足需求时:

计算完成训练的BP-PID控制模型实时控制的烟草薄片涂布率的均值、波动范围;

将所述均值定义为烟草薄片涂布率的调节档次。

8.一种基于BP-PID的烟草薄片涂布率控制装置,其特征在于,包括:

模型建立模块,建立BPNN模型、建立BP-PID控制模型;

数据获取模块,获取BPNN模型的训练参数,用以对所述BP-PID控制模型进行训练;

训练模块,利用训练参数对BP-PID控制模型进行训练;

涂布率控制模块,利用完成训练的BP-PID控制模型对烟草薄片涂布率进行实时控制。

9.一种电子设备,其特征在于,包括处理器和存储器:

所述存储器,用于存储操作指令;

所述处理器,用于通过调用所述操作指令,执行上述权利要求1至7中任何一项所述的基于BP-PID的烟草薄片涂布率控制方法。

10.一种计算机可读存储介质,其特征在于,所述计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机可以执行上述权利要求1至7中任一项所述的基于BP-PID的烟草薄片涂布率控制方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司,未经湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010983329.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top