基于数据挖掘的烘丝出口水分控制研究.pdf

摘要 摘要 随着卷烟企业的发展环境、卷烟生产工艺规范的变化，使卷烟生产工艺智能 化、高效化和精确化已经是迫在眉睫的研究课题。烘丝过程是目前卷烟工艺过程 中的最后一道工序，也可以说是最重要的一道工序，它主要通过工艺管理调整烘 丝机物料的温湿度、物料干燥以及生产过程中的物料累计等烘丝机设备参数来控 制出口成品叶丝的含水率，从而来直接影响成品烟丝的品质。因此如何在烘丝过 程中控制烘丝机的出口水分达到比较理想的效果成为了共同关注的焦点。由于烘 丝机的干燥处理过程实现的是一个包含了化学、物理等多学科的相互耦合，并且 其干燥工艺参数之间的关系存在维数多、关系复杂的特点，因此采用传统的统计 方法对叶丝含水率与工艺参数进行建模的精度低，导致工艺参数设置的不可靠。 为此，为了找出一种可靠高效的水分控制方法，本论文提出了一种基于机器 学习算法和深度学习算法的工艺参数控制方法，具体研究内容及主要结论如下： 1.对烘丝机叶丝干燥过程的原理进行分析，研究烘丝过程中的气流干燥 winnover 蒸汽阀门开度、气流干燥winnover 蒸汽体积流量、蒸汽流量、气流干 燥工艺气体温度等工艺参数的相互影响，同时根据卷烟工艺标准，将叶丝出料含 水率离散化成4 个不同的类别来分别代表成品烟丝的4 个不同品质。分析结果表 明：烘丝机工艺参数存在维数多、自相关、多干扰、强耦合等特点，并且品质好 的叶丝它的工艺参数的波动是比较小的。 2.针对数据清洗过程和工艺参数的数据特征分析，结合集成算法和LSTM（长 短记忆神经网络）算法建立一种控制烘丝机出口水分的模型。本文在搜索工艺参 数的最优值时借鉴了概率的有关思想，即认为概率最大的样本是最符合生产工艺 标准的。 3.通过H 卷烟厂的数据，验证本文提出的方法在烘丝机工艺参数较多的情况 下，可以找到工艺参数的最优值，这些值会最大概率的使得烘丝机的出口水分达 到一个最优的区间。该方法改善了目前卷烟生产中的烘丝机工艺参数的设置，为 提高烟丝品质提供了一种新的途径，为提高卷烟企业的核心竞争力提供了有利的 保障。 关键词：烘丝机；工艺参数；数据挖掘；深度学习 I 目录 目录 第一章 绪论1 1.1 研究背景及意义 1 1.1.1 研究背景 1 1.1.2 研究意义2 1.2 国内外相关研究动态及文献综述 2 1.2 . 1 国外烘丝工序研究现状2 1.2.2 国内烘丝工序研究现状3 1.2.3 机器学习在卷烟工艺中的应用4 1.3 论文研究内容及方法概述 5 1.4 论文结构安排 6 1.5 本章小结 7 第二章 烘丝机干燥工艺过程及工艺参数数据的清洗与分析 8 2.1 烘丝机工艺干燥过程分析 8 2.1.1 烘丝机的原理8 2.1.2 烘丝机的干燥过程9 2.2 烘丝机工艺参数数据的清洗与分析 10 2.2.1PySpark 处理数据 10 2.2.2 工艺参数数据的清洗 11 2.2.3 工艺参数数据的特征分析13 2.3 本章小结 18 第三章 基于集成分类算法的构建与实现20 3.1 数据预处理方式 20 3.2 集成算法概述 2 1 3.3 烘丝过程中水分预测模型的构建 24 3.3.1 随机森林模型的构建25 3.3.2 超随机树模型的构建29 3.3.3 旋转森林模型的构建31 I 目录 3.4 本章小结 34 第四章 基于LSTM 模型的构建与实现 35