[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

说明书

本发明公开了一种基于BP‑PID的烟草薄片涂布率控制方法及装置，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。本发明采用具有BP神经网络的PID控制策略（BP‑PID），PID的控制参数通过BP神经网络进行实时调节，使得系统具有自适应性和自学习能力，在经过合理的自适应学习之后，能够在线控制烟草薄片生产过程的涂布率，从而实现最佳控制效果。

技术领域

本发明涉及烟草薄片涂布率控制技术领域，特别是涉及一种基于BP-PID的烟草薄片涂布率控制方法及装置。

背景技术

BPNN：BP神经网络（BPNN，Back Propagation Neural Network），即对非线性可微分函数进行权值训练的多层网络。

PID：PID控制器（PID即：Proportional(比例)、Integral(积分)、Differential(微分)的缩写），即结合比例、积分和微分三者环节与一体的控制算法，其实质为根据输入的偏差值，按照比例、积分、微分的函数关系进行运算，运算结果用以控制输出。

烟草薄片是以烟卷生产浪费的烟草杂质为原料生产而得到的。质量高的烟草薄片燃烧后的吸味和天然烟叶相似，采用烟草薄片替代一部分天然烟草，可以减少原材料消耗。涂布率越高，烟草薄片对烟草涂布液的吸收能力越强，燃烧后的吸味更接近天然的烟叶，质量越好。与此同时，涂布率不可能太高，一是烟草基片不可能做到100%吸收涂布液，另一方面是处于生产成本考虑，需要在味道和成本之间寻求平衡。如何将烟草薄片的涂布率控制在一个理想设定值，是当前烟卷厂关心的问题。

针对烟草薄片生产过程中涂布率呈现非线性以及时变性等特点，考虑到传统PID控制器自适应性差、鲁棒性不强等缺陷，本发明提供了一种具有BP神经网络的PID控制策略（BP-PID）。在控制过程中，PID的控制参数可通过BP神经网络进行实时调节，使得系统具有自适应性和自学习能力，以实现最佳控制效果。

发明内容

为解决现有技术中存在的问题，本发明提供了基于BP-PID的烟草薄片涂布率控制方法，解决了以往方法自适应差、鲁棒性不强，无法对烟草薄片生产过程涂布率进行在线控制的问题。

根据本发明的第一方面，提供了一种基于BP-PID的烟草薄片涂布率控制方法，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。

进一步的，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：