一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统_蒋一翔.pdf

一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统专利号：ZL202010311649.0 专利申请日期：2020年04月20日摘要：本发明公开了一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，包括数据采集平台和智能控制模型，其中：数据采集平台包括数据采集模块和烘丝筒具象化模型；智能控制模型包括数据预处理模块、智能控制算法网络和仿真虚拟环境模块，数据预处理模块对采集数据进行预处理后输入智能控制算法网络；智能控制算法网络根据预处理的数据生成设备控制状态；仿真虚拟环境模块根据设备控制状态，并采用直接采集数据进行仿真模拟，获得下一时刻的设备控制状态并反馈给智能控制算法网络；智能控制算法网络在需要进行工艺参数调整时，根据设备控制状态生成设备控制指令并经数据采集平台发送至烘丝筒的主控PLC以控制烘丝筒的运行参数调整。背景技术随着互联网技术、信息数字技术、人工智能技术的迅速进步，智能制造大范围推广成为可能。经过十多年的技术积累，智能制造在全球范围内快速发展，智能制造以新的数字信息技术为基础，结合新的制造工艺和材料，贯穿产品的设计、生产、管理、服务各个环节，是先进制造过程、系统与模式的总称，具有信息深度自感知、优化自决策和精准控制自执行等功能。在智能制造过程中，利用多功能传感器和智能控制系统，设备可以进行自感知、自分析、自决策等智能活动，减少设备响应问题的时间，实时反馈并优化生产物流信息，提升企业生产效率。实际生产过程中，滚筒式烘丝机可通过调整热风风温或者筒壁温度两种模式对烘叶丝水分进行调节，采用调节筒壁温度的方式对烘叶丝水分进行调节。由于烘丝过程控制具有较强的非线性、不确定性和滞后性等特点，再加上烟草本身的性质特殊，使得烘丝过程水分控制变得十分复杂。传统的PID控制存在响应稳态误差大、响应时间长等问题，容易产生干头干尾现象，造成过程损耗增加；生产过程中人工调节筒壁温度存在响应不及时、主观判断失误等风险，（在料头控制过程中较为明显）这些都可能影响烟丝最终品质。因此，迫切地需要一种制丝烘丝筒冷却水分智能控制方法以实现对烟丝水分的控制，使烟丝水分满足需求。发明内容本发明的目的是提供一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，实现烟丝生产均质化，减少生产过程的干头、干尾量，提高烟丝出丝率，提升产品质量。本发明的技术方案为：一种基于机器学习算法的制丝烘丝筒冷却水分智能控制系统，包括数据采集平台和智能控制模型，其中：所述数据采集平台包括数据采集模块和烘丝筒具象化模型，所述数据采集模块实时采集烘丝筒运行数据、产品工艺质量数据、产品信息、质量检测数据、工艺规范要求以及设备校正数据，并根据采集数据实时更新烘丝筒具象化模型；所述智能控制模型包括数据预处理模块、智能控制算法网络和仿真虚拟环境模块，所述数据预处理模块从所述烘丝筒具象化模型获取数据并对数据进行预处理后输入所述智能控制算法网络；所述智能控制算法网络根据预处理的数据生成设备控制状态并发送至所述仿真虚拟环境模块；所述仿真虚拟环境模块根据从所述烘丝筒具象化模型直接获取的数据进行仿真模拟，获得下一时刻的设备运行状态并反馈给智能控制算法网络；所述智能控制算法网络在需要进行工艺参数调整时，根据设备控制状态生成设备控制指令并经所述数据采集平台发送至烘丝筒的主控PLC以控制烘丝筒的运行参数调整。与现有技术相比，本发明具有的有益效果为：本发明提供的基于机器学习算法的制丝烘丝筒冷却水分智能控制系统可以解决烟草行业内制丝烘丝筒控制过程智能化改造的问题，降低烘丝过程对操作人员的依赖，从而解决人力成本，提高烟丝生产质量的均质化，减少生产过程的干头、干尾量，提高烟丝出丝率，提升产品质量。具体实施方式本系统根据制丝烘丝段生产加工特点，在数据采集平台中将烘丝筒设备抽象出烘丝筒具像化模型，并将烘丝筒生产过程专利实时采集的数据以及业务管理系统中相关的业务数据进行关联后存储到烘丝筒具像化模型中保存；在生产过程进行智能控制时，智能控制模型会从烘丝筒具像化模型中读取数据，通过数据预处理模块对数据进行数据标识、噪音剔除、数据清洗、数据整流等操作后分别送入智能控制算法网络和烘丝段仿真虚拟环境中；智能控制算法网络对预处理之后的实时生产数据进行智能算法分析，并根据工艺质量要求在合适的时机生成设备控制状态，并将设备控制状态预下发到仿真虚拟环境中，仿真虚拟环境根据预下发的设备控制状态，使用当前的生产数据进行仿真模拟运行，并将运行后的空间状态矩阵反馈给智能控制算法网络，网络根据空间状态矩阵中的数据进行评判决定是否正式下发指令，如果正式下发，指令将通过数据采集平台下达至烘丝筒设备控制的PLC，并最终在烘丝筒设备中执行，否则，指令会被放弃，智能控制算法网络继续等待下一次合适的干预控制时机。下面针对每一部分内容进行详细说明。数据采集平台包含数据采集模块和烘丝筒具象化模型。数据采集模块通过工业以太网以OPC客户端的形式与烘丝筒PLC连接，以毫秒级频率读取PLC数据获取烘丝筒运行数据和产品工艺质量数据，之后通过Websockt协议将采集数据同步传输至数据采集平台，保存到烘丝筒具像化模型中。数据采集平台通过工业互联网与企业业务管理系统对接，通过数据接口，如WebService、REST API、WinSocket等形式获取产品信息、质量检测数据、工艺规范要求、设备校正数据等信息，保存到烘丝筒具像化模型中。烘丝筒具像化模型基于CPS体系中的“数字孪生”技术将烘丝筒运行数据、产品工艺质量数据、产品信息、质量检测数据、工艺规范要求、设备校正数据等信息融为一体，以烘丝筒生产设备为中心围绕着工艺过程控制进行数字建模，按照CPS的体系架构对工艺流程、业务逻辑关系和数据信息进行整理，建立烘丝筒具象化模型；实现生产车间烘丝设备的具象化模型，并在具象化模型内将烘丝筒控制指令的上传、下达以服务的形式进行封装，实现烘丝筒的反向控制。构建的烘丝筒具像化模型在毫秒级别上与物理世界中的烘丝筒保持状态同步，可以通过数字化的模型真实有效的反映物理世界中烘丝筒的实际情况。该烘丝筒具象化模型主要包括工艺规范要求，设备校正数据，产品信息，产品工艺质量数据（工艺质量数据）以及由设备状态、生产状态、能源消耗和环境温湿度组成的烘丝筒运行数据。智能控制模型包括数据预处理模块、智能控制算法网络和仿真虚拟环境模块。数据预处理模块是一套具备毫秒级处理能力，能够在毫秒级单位时间内对实时数据流进行数据剔除、数据清洗、数据标定，为制丝烘丝筒冷却水分智能控制系统提供有效、干净的实时数据的数据预处理系统。数据预处理模块能够在数据传递过程中实时对数据进行标定，并对某一个或某一组数据添加数据标签（DataTag），同时根据预置在数据处理规则库中的约束规则，对数据进行清洗和整合工作，例如剔除一个或一组噪声数据，对一组值求均值或偏差，并将计算后的结果插入数据流对应的位置中等操作；该数据处理时效性要求很高，所以数据预处理模块对数据处理的能力达到毫秒级水平，能够根据烘丝筒特征在毫秒级别上对其产生的实时数据流进行数据预处理，且不对数据的有效性产生损耗。仿真虚拟环境是通过分析烘丝筒工作原理、控制模式等内在逻辑后，根据推导出一系列计算机仿真运算公式，构建出的一个根据烘丝筒T时刻运行过程数据，动态预测T+1时刻工艺质量参数变化的计算机仿真系统，其进行数据拟合后与实际值的精度偏差小于0.00043。智能控制算法网络是一套能够在烘丝筒生产过程中，利用生产过程实时数据，动态预测工艺质量考核参数目标未来变化情况，并根据控制原理智能化控制烘丝筒运行状态的机器学习模型。该智能控制算法网络按如下方式设计和运行：智能控制算法网络从数据预处理模块接收预处理后的实时烘丝筒运行数据流，在决策控制模块中动态生成T时刻的状态空间矩阵，发送给虚拟仿真环境；虚拟仿真环境使用实时采集数据，动态构建出T时刻的环境特征矩阵（此时环境特征矩阵与状态空间矩阵在时间序列上保持一致），并将传入的状态空间矩阵与环境特征矩阵通过虚拟仿真技术进行状态拟合，生成新的T+1时刻的状态空间矩阵，传送至记忆模块保存；策控制模块按毫秒级频率周期性检索记忆模块，通过全连接神经网络对其中保存的一系列状态空间矩阵进行运算，预测输出动作矩阵，动作矩阵中包含工艺参数调整时间和调整量，并将动作矩阵通过数据采集平台下发至烘丝筒设备的主控PLC上，完成烘丝筒设备的工艺参数调整。智能控制模型算法网络能够确保在正确的时刻对烘丝筒进行正确的控制干预，保证生产过程工艺质量的稳定性，提高产品品质。现有人工智能大多应用于图像识别、语义分析、行为识别、棋类竞技、个性化广告推送等领域进行数据分析、事物处理、逻辑判断，对人工智能处理结果的实时性和预测精度要求不高，且容错性比强；本发明设计应用于烟草行业工业现场烘丝筒设备控制，可以实现实时数据流的毫秒级处理和分析预测，并在秒级内给出控制方法和控制方案，能确保每一次下达的控制指令都正确有效，不对设备运行造成不良影响，且生产出的产品，质量品质符合企业生产要求和质量规范。本发明中设计的制丝烘丝筒冷却水分智能控制系统采用的是烘丝筒运行干预式控制方式，是基于现有的烘丝筒控制方式进行的，仍采用筒壁温度调整的方式实现冷却水分控制，控制方法和控制内容都不变，只需保证智能控制与烘丝筒间能够进行通信实现数据采集和指令下达即可，无需对现有的烘丝筒设备进行改造，可以大大降低系统应用的难度和实施过程中的风险，系统实施和后期维护的成本低。以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。（浙江中烟工业有限责任公司 蒋一翔，王安琪，章晓白，冯海，王文娟，王淼，刘强）