一种基于贝叶斯网络的卷烟制丝含水率智能控制方法

本发明涉及工业智能控制，具体为一种基于贝叶斯网络的卷烟制丝含水率智能控制方法。

背景技术：

1、制丝是卷烟生产的主要环节，它是根据烟叶原料的理化特性，按照一定的程序逐步经过多种加工工序，把烟叶制成合格烟丝的过程。在整个卷烟生产流程中，制丝的工艺流程最长、工序最繁杂、设备种类也最多，对卷烟品质的影响很大，含水率在制丝生产的制造过程精确控制中起着重要的作用，适宜的含水率可以保持烟丝的质量和特性，提高烟草产品的燃烧性能、口感和保存性能。

2、根据申请号为cn201911070474.2专利显示，该专利的方法包括以下步骤：计算烟丝的理论含水率；根据烟丝等温吸附脱附特性曲线以及所述烟丝的理论含水率计算烟丝的理论相对湿度；根据烟丝的理论相对湿度，计算所述烟用材料的目标相对湿度；根据所述烟用材料的目标相对湿度，计算所述烟用材料的目标含水率。

3、上述专利通过根据环境因素对烟丝含水率的影响进行分析，进一步的对环境因素进行调节来达到对烟丝含水率进行调控的目的。

4、但是部分现有的，目前卷烟制丝工艺中出口含水率的控制主要是生产操作工人按照经验来调节各种参数从而控制烟叶或者烟丝水分，但由于生产工序的复杂性和数据扰动多、非线性、高耦合等特征，含水率的控制效果不佳，且存在以下问题：数据可用性和质量不高、实际生产领域知识与数据分析技术融合性低和模型缺乏可解释性。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，解决了数据可用性和质量不高、实际生产领域知识与数据分析技术融合性低和模型缺乏可解释性的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，该方法具体包括以下步骤：

3、步骤一：对工业数据进行获取，然后对获取到的工业数据进行加工处理得到工业处理数据，且对工业数据的具体加工处理方式如下：

4、s1：获取到批次数据，并对批次数据进行识别，判断是否存在异常，同时将异常数据进行筛选，得到批次筛选数据，接着对批次筛选数据中的有效数据进行截取，其中有效数据包括：稳态数据集非稳态数据集，此处对稳态数据集的识别方法为均值-方差变点检测模型，且只有稳态数据句能够用于后续的模型中；且对批次数据进行筛选的具体方式如下：

5、s11：将批次数据进行二进制转换，同时获取到批次数据的容量记作ri，且i＝1、2、…、j，具体的i表示批次数据对应的标号，接着将转换后的批次数据按照二进制字符数数量进行分割得到两份分割字符组，以此类推对所有的批次数据i进行相同的处理，具体的如果二进制字符数量为偶数，则得到的两份分割字符组中的二进制字符数量相同，反之如果二进制字符数量为奇数，则得到的两份分割字符组中的二进制字符数量存在差值，且差值为1；

6、s12：接着获取到批次数据i对应的两份分割字符组中1和0的个数，并计算二者个数之和，同时将和值记作特征值，最后根据特征值来对批次数据进行核验，获取到传输的批次数据并计算其特征值，并将两个特征值进行比较，如果相同则表示批次数据正常，不相同则表示批次数据存在异常；

7、s2：接着对获取到的批次数据进行计算，其中批次数据计算包括：加权算术平均值计算和其他指标计算，具体的批次数据的计算是基于生产中的整批数据计算均值而来，均值的计算采用加权算术平均值，权重为工艺流量，而其他指标代表批次生产状态的一些变量，包括加工时间、加料比例等的计算，其他指标每个批次仅存在一个数值，因此无需对其进行加权算术平均值的计算。

8、步骤二：接着根据获取到的工业处理数据建立贝叶斯网络含水率控制模型，也就是对批次数据进行处理，且具体的建立方式如下：

9、p1：数据分箱处理，获取到工业处理数据，并对其进行离散化处理，且可供选择的离散化方法有等频分箱、k_means聚类和均值标准差离散，具体的，离散方法的选择可根据数据分布和控制需求决定；

10、p2：网络学习处理，其中贝叶斯网络模型的构建包括：结构学习和参数学习两部分，且先后顺序为先进行结构学习后进行参数学习，具体的结构学习采用kw算法初步学习得到网络结构，其次根据专家经验和设备机理进行网络结构的调整，而参数学习的方法为贝叶斯参数估计，利用参数估计可以得到条件概率分布表；

11、p3：模型建立，贝叶斯网络中的节点由输出变量和输入变量组成，输入变量为所选工序的来料水分、相关环境参数以及其他设备参数，输出变量为所选工序的出口含水率。

12、步骤三：对建立得到的贝叶斯网络模型进行评价验证，具体的评价验证方式为：输入部分节点的取值作为证据变量就可以推理得到其余节点的取值概率，输入证据变量为来料水分和出口含水率，推理其余节点的值概率和取值组合的概率，也就是说在模型中输入来料烟丝的含水率以及想要达到的出料含水率取值，执行推理算法模型会自动给出其余参数的最优组合及其后验概率，该最优组合就是进行水分调控的参考策略。

13、步骤四：将得到的贝叶斯网络模型进行输出，同时将获取到的实时数据输入到贝叶斯网络模型中，对当前卷烟的含水率结果进行获取，并根据获取到的含水率结果来进行调整。

14、本发明提供了一种基于贝叶斯网络的卷烟制丝含水率智能控制方法。与现有技术相比具备以下有益效果：

15、本发明通过对获取到的工业数据进行核验处理，能够减少数据存在缺失和错误的情况，从而提高数据可用性和质量，其次将生产领域知识与数据分箱进行融合，从而能够提高分析出来的结果的可靠性，最后通过进行模型建立，通过建立贝叶斯网络模型来进行科学的控制，减少了生产过程中人为对设备的频繁干预，减少操作工人根据生产经验进行参数调整带来水分调控失误的风险，最后网络结构可以体现出口含水率的影响路径，实现了“数据驱动+机理模型”的双轮驱动方式，同时也能够保证得到的结果更具稳定性。

技术特征：

1.一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤一中对批次数据进行核验的具体方式为：

3.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤二中对批次数据加权平均数值的计算为：

4.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤二中对批次数据其他指标值的计算为：

5.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤三中对批次数据进行数据分箱处理具体方式为：

6.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤三中对批次数据进行网络学习处理的具体方式为：

7.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述贝叶斯网络模型的具体建立方式为：

8.根据权利要求1所述的一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，其特征在于，所述步骤四中对贝叶斯网络模型进行评估，生成调控策略的方式为：

技术总结本发明公开了一种基于贝叶斯网络的卷烟制丝含水率智能控制方法，本发明涉及工业智能控制技术领域，解决了数据可用性和质量不高、实际生产领域知识与数据分析技术融合性低和模型缺乏可解释性的技术问题，本发明通过对获取到的工业数据进行核验处理，能够减少数据存在缺失和错误的情况，从而提高数据可用性和质量，其次将生产领域知识与数据分箱进行融合，从而能够提高分析出来的结果的可靠性，最后通过进行模型建立，减少了生产过程中人为对设备的频繁干预，减少操作工人根据生产经验进行参数调整带来水分调控失误的风险，网络结构可以体现出口含水率的影响路径，实现了“数据驱动+机理模型”的双轮驱动方式。技术研发人员：李兴绪,李梦婷,刘应波受保护的技术使用者：云南财经大学技术研发日：技术公布日：2024/2/19