基于机器学习与含水率影响因子的叶丝烘干参数自适应控制算法

摘要

为提升烟丝生产质量，使不同批次间叶丝含水率均符合标准，研究了基于机器学习与含水率影响因子的叶丝烘干参数自适应控制算法。选取包括加料流量及出口含水率、烘丝机筒壁温度等13个叶丝烘干含水率影响因子，经递归特征消除法完成影响因子筛选后，构建筛选后叶丝烘干含水率影响因子的样本数据集，作为以卷积神经网络LeNet-5构建叶丝出口含水率预测模型的输入样本，预测叶丝出口含水率；在PID反馈控制中输入预测含水率与标准含水率之间的差值，输出最佳叶丝烘干参数，实现叶丝出口含水率控制；并利用双层EWMA控制模型平稳控制叶丝批次内的出口含水率、协同控制批次间的出口含水率。实验表明：该算法可准确预测叶丝烘干含水率，增加叶丝烘干含水率控制稳定性，提高卷烟制丝生产过程中叶丝烘干含水率的均质化水平。

关键词

机器学习 / 含水率 / 影响因子 / 叶丝烘干参数 / 自适应控制 / 卷积神经网络