[发明专利]一种基于粒子群优化神经网络的烘丝工艺参数选取方法

说明书

本发明公开了一种基于粒子群优化神经网络的烘丝工艺参数选取方法，包括以下步骤：采集烘丝工艺参数以构建样本数据，每个样本包括一组烘丝工艺参数以及该组工艺参数对应的烟丝品质概率；构建神经网络，利用样本数据优化神经网络的网络参数，优化时，将网络参数初始化为粒子个体，以样本的预测误差作为个体适应度，采用粒子群优化算法优化网络参数，参数确定的神经网络作为工艺参数选取模型；利用工艺参数选取模型选取烘丝工艺参数。该方法能够以快速准确选取能够生产高品质烟丝的工艺参数，为烘丝工艺改良提供决策支持，进而提升烟丝品质。

技术领域

本发明属于卷烟生产中的制丝生产和能源管控技术领域，尤其涉及一种基于粒子群优化神经网络的烘丝工艺参数选取方法。

背景技术

在卷烟制丝工艺中，烘丝是最后一首工序，对烟丝质量起着十分重要的作用。在烘丝过程中，有启动、生产、尾料三个阶段，通过多种能源供应的控制，可以对叶丝物料流量、环境温度与湿度、蒸汽流量、烘筒壁温度、负压等参数进行调节，进而影响吐丝出口含水率，改善烟丝品质。这些参数数量众多，对烟丝品质有影响具有非线性、分布参数及快慢过程交织等特点。而且同一组工艺参数，产生的烟丝品质是不一定的，但可以计算出生产高、中、低品质烟丝的概率。

对于工艺参数优化，有许多方法可供使用，如遗传算法、LSTM方法、神经网络等，如公开号为CN111046609A的专利申请公开的一种基于BP神经网络的工艺参数优化方法，再如公开号为CN112016676A的专利申请公开的一种神经网络模型预测的半导体薄膜工艺参数优化系统。

其中，神经网络方法可以基于烘丝机所用的历史参数数据集进行学习，对参数组合所成烟丝的质量进行预测，进而确定多组成生成较高品质烟丝的工艺参数。但神经网络里面包含着大量的参数，传统上利用反射传播进行参数优化，容易陷入局部最优。

发明内容

鉴于上述，本发明的目的是提供一种基于粒子群优化神经网络的烘丝工艺参数选取方法，以快速准确选取能够生产高品质烟丝的工艺参数，为烘丝工艺改良提供决策支持，进而提升烟丝品质。

实施例提供的一种基于粒子群优化神经网络的烘丝工艺参数选取方法，包括以下步骤：

采集烘丝工艺参数以构建样本数据，每个样本包括一组烘丝工艺参数以及该组工艺参数对应的烟丝品质概率；

构建神经网络，利用样本数据优化神经网络的网络参数，优化时，将网络参数初始化为粒子个体，以样本的预测误差作为个体适应度，采用粒子群优化算法优化网络参数，参数确定的神经网络作为工艺参数选取模型；

利用工艺参数选取模型选取烘丝工艺参数。

在一实施例中，采集的烘丝工艺参数数据经过清洗、归一化处理后，来构建样本数据。

在一实施例中，所述神经网络为前馈神经网络，包含输入层、隐含层、输出层，将输入层到隐含层的权重参数与偏置参数、隐含层到输出层的权重参数与偏置参数，初始化为粒子个体。

在一实施例中，采用采用粒子群优化算法优化网络参数时，个体适应度F(i)为：

其中，k为粒子个体索引，k为样本索引，N为样本总数，m为输出神经元节点索引，l为输出神经元节点总数，和分别表示第k个样本对于第m个神经元节点的预测值与真实值；

依据个体适应度值选择选择两个粒子个体作为父代，通过交叉和变异，随机改变某个粒子个体的位置，以产生新粒子个体。

在一实施例中，采用粒子群优化算法优化网络参数时，引入梯度信息加快粒子个体更新速度，即每次粒子更新时，更新方式为：