[发明专利]一种基于来料状态的卷烟机参数设置预测系统和方法

说明书

一种基于来料状态的卷烟机参数设置预测系统和方法，涉及烟草设备技术领域，包括：数据采集模块、训练模块和预测模块，本发明通过收集烟丝来料状态参数和对应批次卷烟机参数设置的历史数据，对符合要求的所有数据进行汇总，建立学习样本库对神经网络模型进行训练，生产前收集批次烟丝来料状态参数，导入神经网络模型进行预测得到卷烟机参数设置预测数值，卷烟机按预测参数设定后进行生产，对生产卷烟进行检测若符合要求，则该批次烟丝来料状态参数和卷烟机参数设置情况纳入学习样本，神经网络进行再学习，本发明具有简单可行的特点，能够根据烟丝来料状态及时调整卷烟机参数，从而提高烟支物理指标稳定性，对卷烟过程控制具有重要指导意义。

技术领域

本发明涉及烟草设备技术领域，具体涉及一种基于来料状态的卷烟机参数设置预测系统和方法。

背景技术

烟支物理指标是除配方外影响主流烟气和感官质量的重要因素，其稳定性显得尤为重要。卷接工序直接决定了烟支的物理指标，而影响卷接质量的主要为来料状态和卷烟机参数设置。来料状态批次间会有一定差异，而卷烟机参数与来料状态相匹配才能有效保障烟支卷接质量。

目前，烟丝结构、烟丝水分、烟丝物理指标等指标虽然检验，但未能有效的与卷烟机参数设置和烟支物理指标进行关联，卷烟机参数的设置往往依靠经验和事后调整，导致烟支物理指标稳定性低。因此，建立基于来料状态的卷烟机参数设置预测方法，对加强卷烟过程控制、提高烟支物理指标稳定性具有重要指导意义。

发明内容

本发明实施例提供了一种基于来料状态的卷烟机参数设置预测系统和方法，该方法收集烟丝来料状态参数和对应批次卷烟机参数设置的历史数据，判定批次卷烟物理指标稳定性指标是否符合要求，对符合要求的所有数据进行汇总，建立学习样本库，样本库进行归一化处理后，对神经网络模型进行训练，神经网络训练好以后，生产前收集批次烟丝来料状态参数，对其进行归一化处理，处理后导入神经网络模型进行预测，对预测所得数据进行反归一化处理，得到卷烟机参数设置预测数值，卷烟机按预测参数设定后进行生产，对生产卷烟进行物理指标检测，若稳定性符合要求，则该批次烟丝来料状态参数和卷烟机参数设置情况纳入学习样本，神经网络进行再学习，本发明具有简单可行的特点，能够根据烟丝来料状态及时调整卷烟机参数，从而提高烟支物理指标稳定性，对卷烟过程控制具有重要指导意义。

一种基于来料状态的卷烟机参数设置预测系统，包括：数据采集模块、训练模块和预测模块；

数据采集模块，用于采集历史烟丝来料状态参数数据、对应批次卷烟机参数数据和对应批次物理指标稳定性数据，对来料状态参数数据进行预处理得到烟丝来料状态样本数据，将烟丝来料状态样本数据输出到训练模块；

其中，所述数据采集模块包括样本数据采集、样本筛选单元和样本数据预处理，所述样本数据采集用于采集历史烟丝来料状态参数数据、对应批次卷烟机参数数据和对应批次物理指标稳定性数据，所述样本筛选单元用于对历史烟丝来料状态参数数据进行筛选，根据采集的对应批次物理指标稳定性数据，剔除批次卷烟物理指标稳定性指标不符合要求的烟丝来料状态参数数据，得到符合要求的烟丝来料状态参数数据，所述样本数据预处理对符合要求的烟丝来料状态参数数据和对应批次卷烟机参数数据进预处理得到烟丝来料状态样本数据，将烟丝来料状态样本数据输入到训练模块；

训练模块，用于接收所述数据采集模块输入的烟丝来料状态样本数据，基于烟丝来料状态样本数据进行学习，得到神经网络预测模型；

其中，所述训练模块包括神经网络训练单元，所述神经网络训练单元用于基于对烟丝来料状态样本数据对神经网络模型进行训练，得到训练好的神经网络预测模型；

预测模块，用于在生产前采集批次烟丝来料状态参数数据，输入到根据所述训练模块得到神经网络预测模型，得到设置参数数据，对卷烟机参数进行设置，同时将符合卷烟物理指标稳定性指标的烟丝来料状态参数输入到所述训练模块中重新进行训练；