張楚安 朱俊召 王樂軍 邢優(yōu)誠(chéng) 錢傳林

摘要 為了控制烘絲機(jī)入口水分的穩(wěn)定性，烘絲機(jī)前段以水分儀與工序段為節(jié)點(diǎn)進(jìn)行劃分，分段研究水分鏈之間的預(yù)測(cè)控制模型，采用Pearson相關(guān)分析的方法分析影響烘絲機(jī)入口水分的主要因素，并用神經(jīng)網(wǎng)絡(luò)算法和多元回歸分析方法建立水分預(yù)測(cè)模型。通過模型求解，實(shí)現(xiàn)給定烘絲機(jī)入口水分從而推算出加料出口水分參考值的目的，然后利用模型預(yù)測(cè)值與實(shí)際值對(duì)比的方法進(jìn)行檢驗(yàn)。結(jié)果表明，HT入口水分控制標(biāo)準(zhǔn)與實(shí)際值偏差在±0.2%范圍內(nèi)，驗(yàn)證50批，合格率達(dá)100%。該研究可作為烘絲機(jī)入口水分控制的有效技術(shù)手段加以推廣應(yīng)用。

關(guān)鍵詞 多元回歸；烘絲機(jī)；入口水分；相關(guān)性分析；環(huán)境溫濕度

中圖分類號(hào) TS452+.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2023）09-0178-06

doi：10.3969/j.issn.0517-6611.2023.09.043

Abstract In order to control the stability of the inlet moisture of the silk dryer， taking the moisture meter and process section as the nodes in the front section of the silk dryer as the division basis， the predictive control model between the moisture chains was studied in sections， and Pearson correlation analysis method was used to determine the main factors affecting the inlet moisture of the silk dryer. The prediction model of water content was established by neural network algorithm and multiple regression analysis method. Through the solution of the model， giving the moisture content at the inlet of the dryer was realized so as to calculate the reference value of moisture at the feeding outlet， the predicted value and actual value of the model were compared for the test. The results showed that the model test effect was determined that the deviation between the HT inlet moisture control standard and the actual value was within ± 0.2%. 50 batches were verified， and the qualified rate was 100%. This study could be popularized and applied as an effective technical means of inlet moisture control of silk dryer.

Key words Multiple regression；Silk dryer；Inlet moisture；Correlation analysis；Ambient temperature and humidity

作者簡(jiǎn)介 張楚安（1973—），男，湖北浠水人，高級(jí)工程師，從事煙草工藝研究。

烘絲機(jī)出口水分穩(wěn)定性一直是考核卷煙感官質(zhì)量的重要指標(biāo)之一，其中烘絲機(jī)內(nèi)部受到各個(gè)參數(shù)的PID循環(huán)控制［1］，但是入口水分的不穩(wěn)定會(huì)導(dǎo)致烘絲機(jī)PID調(diào)節(jié)的滯后性，從而影響烘絲出口水分的穩(wěn)定性。因此，烘絲機(jī)入口水分的穩(wěn)定性對(duì)于穩(wěn)定卷煙的感官質(zhì)量、縮短參數(shù)調(diào)節(jié)時(shí)間有重大的影響作用。

目前全國(guó)卷煙廠基本都是以松散段的加水調(diào)節(jié)來預(yù)測(cè)控制烘絲前水分的穩(wěn)定性，主要是根據(jù)車間人員利用經(jīng)驗(yàn)預(yù)測(cè)加水施加量來進(jìn)行控制。該方法簡(jiǎn)單可行，容易受到外部因子的干擾而造成預(yù)測(cè)結(jié)果偏差較大的情況，從而影響卷煙質(zhì)量［2-3］。隨著卷煙工藝要求的提高以及信息化的不斷普及，此方法已經(jīng)不適用于現(xiàn)有的生產(chǎn)要求與標(biāo)準(zhǔn)。為了提高烘絲機(jī)入口水分的穩(wěn)定性，筆者利用多元回歸分析和神經(jīng)網(wǎng)絡(luò)算法對(duì)烘絲機(jī)入口水分的影響因素進(jìn)行定性和定量分析，考慮到環(huán)境溫濕度的影響，建立加料出口水分、松散段的加水量施加與烘絲機(jī)入口水分的關(guān)系模型，并通過模型求解最終達(dá)到給定烘絲機(jī)入口水分控制穩(wěn)定的效果。

1 數(shù)據(jù)獲取與處理

1.1 數(shù)據(jù)樣本

選取武漢卷煙廠三號(hào)線軟藍(lán)牌號(hào)卷煙作為研究對(duì)象，選取為期一年的烘絲前工藝段的所有參數(shù)數(shù)據(jù)。

1.2 數(shù)據(jù)篩選

1.2.1 預(yù)處理。通過預(yù)處理進(jìn)行有效數(shù)據(jù)篩選。從SPC系統(tǒng)中抽取2019年5月至2020年5月軟藍(lán)牌號(hào)烘絲前所有批次工藝質(zhì)量參數(shù)數(shù)據(jù)以及生產(chǎn)區(qū)域的環(huán)境溫濕度數(shù)據(jù)，并進(jìn)行有效篩選。數(shù)據(jù)篩選規(guī)則如圖1所示。

1.2.2 樣本分層處理。

整個(gè)烘絲前工序流程與水分儀檢測(cè)點(diǎn)如圖2所示。

由于軟藍(lán)牌號(hào)煙葉在儲(chǔ)葉段出現(xiàn)時(shí)間分層現(xiàn)象，通過數(shù)據(jù)分析發(fā)現(xiàn)主要儲(chǔ)葉時(shí)間分層以16 h為界限，因此需要對(duì)數(shù)據(jù)樣本空間進(jìn)行劃分。具體劃分如下：不留柜數(shù)據(jù)，0<儲(chǔ)葉時(shí)間<16 h；留柜數(shù)據(jù)，儲(chǔ)葉時(shí)間>16 h。儲(chǔ)柜時(shí)間如圖3所示。

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)正態(tài)性檢驗(yàn)

為保證數(shù)據(jù)分析的有效性與結(jié)果的準(zhǔn)確度［4］，需要對(duì)研究對(duì)象的數(shù)據(jù)特征進(jìn)行分析，烘前入口煙絲含水率的批次均值整體接近正態(tài)分布，這是由于整體烘前煙絲入口含水率有2個(gè)不同控制標(biāo)準(zhǔn)造成的，但是各個(gè)控制標(biāo)準(zhǔn)內(nèi)都呈現(xiàn)較明顯的正態(tài)分布特征，如圖4所示。

2.2 總體設(shè)計(jì)研究

結(jié)合武漢卷煙廠三號(hào)線烘絲前工藝流程與烘絲前水分控制的關(guān)鍵點(diǎn)，將主要工序以水分儀為劃分，然后將各水分儀間的水分差值作為研究對(duì)象，研究各個(gè)因子對(duì)水分差值的影響，再結(jié)合武漢卷煙廠的操作實(shí)際，以松散段的水分差值、加料-HT段的水分差值作為控制預(yù)測(cè)的重點(diǎn)，將松散出口水分、加料出口水分的預(yù)測(cè)參考值作為控制烘絲前水分穩(wěn)定性關(guān)鍵性輸出。為此，將烘絲前整段的控制模型分為2段：第1段為松散段內(nèi)，第2段為加料至HT入口段。研究思路如圖5所示。

針對(duì)2段的水分差值變化，利用多元回歸［5］和神經(jīng)網(wǎng)絡(luò)算法［6］對(duì)影響水分差值變化的因子進(jìn)行控制模型擬合。

2.3 相關(guān)分析

針對(duì)松散段和加料-HT段的水分差值與各個(gè)參數(shù)因子的關(guān)系，利用矩陣圖與Pearson系數(shù)［7］來判別相關(guān)因子的影響程度。

2.3.1 松散回潮段因子關(guān)聯(lián)性。

對(duì)松散段松散回潮出口煙葉含水率、松散加水量、松散回潮環(huán)境溫度、松散回潮環(huán)境濕度、松散回潮出口煙葉溫度、松散回潮回風(fēng)溫度、松散回潮排潮負(fù)壓等因子進(jìn)行了多變量分析。從圖6可以看出，軟藍(lán)牌號(hào)煙葉在松散段內(nèi)松散回潮出口煙葉含水率與松散回潮環(huán)境溫濕度、松散加水量存在明顯的相關(guān)性。松散回潮段各指標(biāo)間相關(guān)性如表1所示。

2.3.2 加料-HT段水分因子關(guān)聯(lián)性。

由于儲(chǔ)葉時(shí)間的影響，無法將加料-HT段作為一個(gè)整體直接分析，將加料-HT段分為“2.1段”（加料-進(jìn)柜前）和“2.2段”（進(jìn)柜前-HT段），而“2.2段”又分成留柜和不留柜2類。

2.3.2.1 “2.1段”加料-進(jìn)柜前水分差值因子關(guān)聯(lián)性。對(duì)加料-進(jìn)柜前加料出口-進(jìn)柜前水分差值、加料環(huán)境溫度、加料環(huán)境濕度、加料出口煙葉溫度等因子進(jìn)行了多變量分析，結(jié)果見圖7。從圖7可以看出，加料出口-進(jìn)柜前水分差值主要與加料環(huán)境濕度、加料出口煙葉溫度有關(guān)。加料-進(jìn)柜前各指標(biāo)間相關(guān)性如表2所示。

2.3.2.2 “2.2段”進(jìn)柜前-HT段水分因子關(guān)聯(lián)性。對(duì)進(jìn)柜前-HT段進(jìn)柜前-HT段水分差值、烘絲環(huán)境溫度、烘絲環(huán)境濕度、儲(chǔ)葉時(shí)間等因子進(jìn)行了多變量分析，結(jié)果見圖8。從圖8可以看出，進(jìn)柜前-HT段水分差值主要與烘絲環(huán)境溫濕度、儲(chǔ)葉時(shí)間存在相關(guān)性。進(jìn)柜前-HT段各指標(biāo)間相關(guān)性如表3所示。

3 數(shù)據(jù)建模

3.1 建模方法

將武漢卷煙廠烘絲前工序進(jìn)行詳細(xì)分離，采用先分段研究后綜合合并的方法，利用串聯(lián)模型進(jìn)行烘絲機(jī)入口水分多因素影響分析。先以松散出口、加料出口水分儀為節(jié)點(diǎn)，將制絲流程進(jìn)行適當(dāng)分節(jié)，分為松散段、加料出口-HT段，再利用神經(jīng)網(wǎng)絡(luò)算法、多元回歸分析等方法［8-9］建立在環(huán)境溫濕度等影響下每段研究的水分差值對(duì)象與各關(guān)鍵參數(shù)因子的關(guān)系模型。在各段的模型都完成構(gòu)建后，將各分階段模型進(jìn)行串聯(lián)，建立烘絲機(jī)入口水分的預(yù)測(cè)模型；最后，通過實(shí)際生產(chǎn)數(shù)據(jù)，適當(dāng)調(diào)整模型參數(shù)，完善模型，提高模型預(yù)測(cè)精度。

按照之前的項(xiàng)目整體設(shè)計(jì)思路，目前模型主要分為松散段、加料出口-進(jìn)柜前、進(jìn)柜前-HT段3段。

取80%數(shù)據(jù)進(jìn)行模型參數(shù)識(shí)別，建立烘絲機(jī)入口水分預(yù)測(cè)模型，再將剩余20%數(shù)據(jù)代入預(yù)測(cè)模型進(jìn)行模型預(yù)測(cè)效果驗(yàn)證；采取多元回歸方法可以在現(xiàn)有數(shù)據(jù)較少的前提下，將所有的數(shù)據(jù)用于模型擬合，之后再用累計(jì)的生產(chǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，解決了數(shù)據(jù)樣本較少的問題，神經(jīng)網(wǎng)絡(luò)算法與多元回歸方法二者相輔相成、共同作用。

模型驗(yàn)證效果如下：實(shí)際烘絲前水分批次均值在控制標(biāo)準(zhǔn)±0.2%范圍以內(nèi)，驗(yàn)證50批數(shù)據(jù)的合格率在95%以上，方為合格。

3.2 松散段水分控制模型的建立

煙葉水分的變化主要源于松散回潮加水量，同時(shí)一定程度上受到松散回潮工序環(huán)境溫濕度的影響。由于該階段的輸入來料含水率默認(rèn)為固定值，且該階段受加水比例、蒸汽等因素的影響較為復(fù)雜。以松散回潮出口煙葉含水率、松散回潮環(huán)境溫濕度為輸入，以松散回潮加水量預(yù)測(cè)值為輸出，建立每個(gè)隱含層有8個(gè)神經(jīng)元的雙隱含層神經(jīng)網(wǎng)絡(luò)，并設(shè)定訓(xùn)練目標(biāo)為0.05，訓(xùn)練速度為0.01，最大訓(xùn)練步數(shù)為100，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

3.3 加料-進(jìn)柜前水分差值控制模型的建立

在研究加料出口至HT入口的水分變化時(shí)，由于中間涉及儲(chǔ)葉時(shí)間的影響，故需要將加料-進(jìn)柜前的水分差值單獨(dú)研究。

以加料段的環(huán)境溫濕度、加料出口煙葉溫度為輸入，以加料-HT入口水分差值為輸出。利用多元回歸分析方法，以月份為分組，提高擬合度，構(gòu)建多元回歸模型，預(yù)測(cè)模型如下：加料-進(jìn)柜前水分差值=月度修正常數(shù)-0.022 12×松散加料環(huán)境溫度-0.002 173×松散加料環(huán)境濕度-0.051 52×加料出口煙葉溫度，擬合度為78.00%。

3.4 進(jìn)柜前-HT入口水分差值控制模型的建立

受儲(chǔ)葉時(shí)間的影響，因此需要將“進(jìn)柜前-HT入口”劃分為留柜與不留柜2類。

不留柜：以烘絲段的環(huán)境溫濕度為輸入，以進(jìn)柜前-HT入口水分差值為輸出，以月份為分組，提高模型擬合度，構(gòu)建多元回歸模型，預(yù)測(cè)模型如下：進(jìn)柜前-HT入口水分差值=月度修正常數(shù)+0.018 39×烘絲環(huán)境濕度+0.072 99×烘絲環(huán)境溫度，擬合度為90.16%。

留柜：以烘絲段的環(huán)境溫濕度為輸入，以進(jìn)柜前-HT入口水分差值為輸出，以月份為分組，提高模型擬合度，構(gòu)建多元回歸模型，預(yù)測(cè)模型如下：進(jìn)柜前-HT入口水分差值=月度修正常數(shù)+0.019 19×烘絲環(huán)境濕度+0.058 78×烘絲環(huán)境溫度，擬合度為82.13%。

4 模型驗(yàn)證與迭代

在各段的模型已經(jīng)擬合出來后，將加料-進(jìn)柜前、進(jìn)柜前-HT段的水分差值模型以進(jìn)柜前水分作為共同因子，將兩段模型合并為加料出口-HT段的整體控制模型。松散段以松散出口水分目標(biāo)值、環(huán)境溫濕度為輸入，以加水量為輸出；加料出口-HT段以HT入口水分目標(biāo)值、烘絲環(huán)境溫濕度、加料環(huán)境溫濕度、加料出口煙絲溫度為輸入，以加料出口水分為輸出。

結(jié)合2段式控制模型，在軟藍(lán)牌號(hào)中驗(yàn)證運(yùn)行，共驗(yàn)證50批，具體數(shù)據(jù)如表4所示。

4.1 加水量驗(yàn)證

對(duì)驗(yàn)證生產(chǎn)50批軟藍(lán)牌號(hào)松散段加水量的實(shí)際值與預(yù)測(cè)值進(jìn)行對(duì)比。模型預(yù)測(cè)加水量的數(shù)值與實(shí)際加水量數(shù)值的變化趨勢(shì)基本一致，且誤差在±15 L范圍以內(nèi)，此模型的實(shí)際生產(chǎn)誤差符合車間的控制要求［±（15～25）L］，因此松散段加水量對(duì)于控制松散出口水分具有重要的指導(dǎo)作用。

4.2 HT入口水分控制模型實(shí)際控制效果驗(yàn)證

對(duì)驗(yàn)證生產(chǎn)50批軟藍(lán)牌號(hào)加料出口水分的實(shí)際施加數(shù)據(jù)與模型預(yù)測(cè)的數(shù)據(jù)進(jìn)行對(duì)比。模型預(yù)測(cè)加水量的數(shù)值與實(shí)際加水量數(shù)值的變化趨勢(shì)基本一致，因此可認(rèn)為車間操作人員是嚴(yán)格按照模型預(yù)測(cè)的加料出口水分進(jìn)行控制。因此，在模型實(shí)際的指導(dǎo)操作下，需要對(duì)比HT入口水分實(shí)際表現(xiàn)。

對(duì)驗(yàn)證生產(chǎn)50批軟藍(lán)牌號(hào)HT入口水分的實(shí)際批次均值數(shù)據(jù)與控制標(biāo)準(zhǔn)進(jìn)行對(duì)比。HT入口水分批次均值實(shí)際值與控制標(biāo)準(zhǔn)的偏差均在±0.2%范圍內(nèi)，合格率為100%。

4.3 模型迭代

受來料不穩(wěn)定性、生產(chǎn)控制標(biāo)準(zhǔn)以及制絲工藝的調(diào)整等因素的影響，烘絲機(jī)入口水分穩(wěn)定性控制模型可能出現(xiàn)模型預(yù)測(cè)偏移以及失真的情況。為了維護(hù)模型預(yù)測(cè)的準(zhǔn)確性與實(shí)用性，引進(jìn)模型數(shù)據(jù)迭代的功能，將生產(chǎn)歷史數(shù)據(jù)導(dǎo)入模型的訓(xùn)練集中，重新對(duì)模型的常數(shù)甚至系數(shù)進(jìn)行修正誤差，并且針對(duì)輸出變量的預(yù)測(cè)修正值確定了誤差范圍，加水量誤差在±20 L以內(nèi)，加料出口煙葉含水率誤差在±0.15%以內(nèi)。

由于整體烘絲機(jī)入口水分控制模型以月份為分組進(jìn)行精細(xì)化控制預(yù)測(cè)，因此針對(duì)相應(yīng)月份的模型需要一個(gè)月內(nèi)進(jìn)行一次迭代修正，以確保模型的預(yù)測(cè)準(zhǔn)確性。

5 結(jié)論

通過矩陣相關(guān)、Pearson相關(guān)性、控制變化圖等分析手段分析篩選烘絲機(jī)入口水分的相關(guān)因素，然后利用神經(jīng)網(wǎng)絡(luò)模型和多元回歸分析模型建立了烘絲機(jī)入口水分影響因素的分階段模型。通過模型整合與車間實(shí)際操作相結(jié)合，在給出設(shè)定烘絲機(jī)入口水分、松散出口水分的情況下，可計(jì)算出松散回潮加水量、加料出口水分實(shí)際值，從而可以更加精準(zhǔn)、有效、及時(shí)、直接地引導(dǎo)車間人員在烘絲前水分控制上操作［7，9-15］。在兩段整體模型的試運(yùn)行期間，模型輸出值達(dá)到較好的指導(dǎo)效果，通過模型預(yù)測(cè)指導(dǎo)所獲得的烘絲機(jī)入口含水率更接近工藝設(shè)定值，且不同批次間穩(wěn)定性更高。

參考文獻(xiàn)

［1］ 林天勤，鐘文焱，郭劍華，等.滾筒烘絲機(jī)煙絲含水率控制系統(tǒng)的改進(jìn)［J］.煙草科技，2013，46（12）：14-16.

［2］ 張本甫.卷煙工藝規(guī)范［M］.北京：中央文獻(xiàn)出版社，2003.

［3］ 陳良元.卷煙生產(chǎn)工藝技術(shù)［M］.鄭州：河南科學(xué)技術(shù)出版社，2002.

［4］ 何曉群.多元統(tǒng)計(jì)分析［M］.3版.北京：中國(guó)人民大學(xué)出版社，2012.

［5］ 彭黔榮.煙葉的化學(xué)成分與煙葉質(zhì)量的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)［D］.成都：四川大學(xué)，2004.

［6］ 理查德·A·約翰遜，迪安·W·威克恩.實(shí)用多元統(tǒng)計(jì)分析［M］.陸璇，葉俊，譯.北京：清華大學(xué)出版社，2008.

［7］ 張文彤，鄺春偉.SPSS統(tǒng)計(jì)分析基礎(chǔ)教程［M］.2版.北京：高等教育出版社，2011.

［8］ 鐘文焱，陳曉杜，馬慶文，等.基于多因素分析的烘絲機(jī)入口含水率預(yù)測(cè)模型的建立與應(yīng)用［J］.煙草科技，2015，48（5）：67-73.

［9］ 張輝.大數(shù)據(jù)技術(shù)在烘絲出口水分預(yù)測(cè)與控制中的應(yīng)用［J］.通訊世界，2017（6）：249-250.

［10］ 張建棟，廖國(guó)太，張輝，等.模糊控制在煙草工業(yè)煙絲干燥控制中的應(yīng)用［J］.甘肅科技，2011，27（8）：25-29.

［11］ 楊明權(quán).改進(jìn)HAUNI烘絲機(jī)控制模式降低烘絲干頭干尾量［J］.煙草科技，2005，38（8）：6-7，9.

［12］ 任正云，晏小平，方維嵐，等.烘絲過程煙絲含水率的MFA控制［J］.煙草科技，2005，38（6）：10-15.

［13］ 梁魏峰.烘絲控制模式的建立與實(shí)現(xiàn)［J］.煙草科技，2003，36（2）：16-17.

［14］ 王艷紅，韓光勝.煙草烘絲過程的水分控制［J］.北京工業(yè)大學(xué)學(xué)報(bào)，2000，26（4）：90-95.

［15］ 楊江平.大數(shù)據(jù)技術(shù)在復(fù)烤企業(yè)的應(yīng)用探析［J］.重慶與世界（學(xué)術(shù)版），2016，33（11）：124-126.