基于BP神經(jīng)網(wǎng)絡(luò)的烘梗絲料頭參數(shù)設(shè)置

摘 要：本文針對提高烘梗絲料頭參數(shù)設(shè)置的準(zhǔn)確性來縮短料頭時(shí)間，提升烘梗絲出口水分QI。通過對歷史數(shù)據(jù)的收集及分析，再基于BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)擬合算法計(jì)算出相對穩(wěn)定料頭參數(shù)，替代原有的經(jīng)驗(yàn)值。

關(guān)鍵詞：烘梗絲機(jī)KLD-1;BP神經(jīng)網(wǎng)絡(luò);操作手法

前言

隨著企業(yè)的降本增效，梗絲在成品煙絲中的比例逐步加大，梗絲的質(zhì)量也越加重要。烘梗絲是制絲車間制梗絲的最后一道工序，通過烘絲機(jī)對梗絲進(jìn)行干燥、卷曲、定型，并且去除煙梗中的雜氣。目前車間主要通過填充值及出口水分QI對烘梗絲質(zhì)量進(jìn)行監(jiān)測。料頭時(shí)間的長短對出口水分QI有著重大的影響，且料頭時(shí)間越長產(chǎn)生的水分不達(dá)標(biāo)的梗絲越多，影響產(chǎn)品質(zhì)量。

1 現(xiàn)狀分析

我廠制絲車間一區(qū)在2012年進(jìn)行技改，烘梗絲機(jī)由原來的流化床升級為HAUNI公司的KLD-1烘絲機(jī)。滾筒式KLD-1是一臺蒸汽加熱的滾筒式烘絲機(jī)，被加熱的熱風(fēng)沿著煙絲流的方向流過旋轉(zhuǎn)的滾筒（順流運(yùn)行方式）。通過供料生產(chǎn)線，煙絲以均勻地質(zhì)量流量被輸送到滾筒式KLD中。在此處煙絲被烘干至下一步加工所需的水分。滾筒式KLD的溫度根據(jù)煙絲質(zhì)量流量、進(jìn)料水分、出料水分以及給定的調(diào)節(jié)參數(shù)不斷地得到調(diào)節(jié)，自動化程度高。不足之處在于料頭自動調(diào)節(jié)時(shí)間過長，需人工進(jìn)行干預(yù)。而人工干預(yù)對參數(shù)的調(diào)整依靠的是操作人員的經(jīng)驗(yàn)值，不同的操作人員操作手法及經(jīng)驗(yàn)值不同，穩(wěn)定性較差。

2 操作手法分析

當(dāng)前操作手法：根據(jù)來料水分和經(jīng)驗(yàn)設(shè)置干燥機(jī)啟動時(shí)的筒溫，從設(shè)備由準(zhǔn)備轉(zhuǎn)入啟動后大約270S，將干燥機(jī)筒溫設(shè)置為轉(zhuǎn)入生產(chǎn)所需的溫度。初始筒溫及何時(shí)調(diào)整轉(zhuǎn)入生產(chǎn)的筒溫，不同批次不同操作人員均存在一定的差異。

3 改進(jìn)措施

通過對歷史數(shù)據(jù)的收集及分析，再基于BP神經(jīng)網(wǎng)絡(luò)[1]的非線性函數(shù)擬合算法計(jì)算出料頭相關(guān)參數(shù)。具體流程可以分為BP神經(jīng)網(wǎng)絡(luò)構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和BP神經(jīng)網(wǎng)絡(luò)預(yù)測三步，如圖2所示。

輸入X1：加料前物料水分

輸入X2：料頭KLD出口水分拐點(diǎn)的水分

輸出Y：啟動階段的筒溫

將X1、X2作為輸入?yún)?shù)，Y作為輸出參數(shù)，所以BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為2-5-1，即輸入層有2個(gè)節(jié)點(diǎn)，隱含層有5個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練用收集的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使訓(xùn)練后的網(wǎng)絡(luò)能夠預(yù)測系統(tǒng)的輸出。從收集的數(shù)據(jù)中隨機(jī)選取95%的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，用于網(wǎng)絡(luò)訓(xùn)練，剩下的5%作為預(yù)測數(shù)據(jù)，用于預(yù)測網(wǎng)絡(luò)的擬合性能。

根據(jù)BP神經(jīng)網(wǎng)絡(luò)理論，用MATLAB[2]軟件編程實(shí)現(xiàn)基于BP神經(jīng)網(wǎng)絡(luò)的非線性擬合算法。

1.newff：BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置函數(shù)

函數(shù)功能：構(gòu)建一個(gè)BP神經(jīng)網(wǎng)絡(luò)。

函數(shù)形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF）

P：輸入數(shù)據(jù)矩陣? ? T：輸出數(shù)據(jù)矩陣? ? S：隱含層節(jié)點(diǎn)數(shù)? ?TF：節(jié)點(diǎn)傳遞函數(shù)? ?BTF：訓(xùn)練函數(shù)? ? BLF：網(wǎng)絡(luò)學(xué)習(xí)函數(shù)PF：性能分析函數(shù)IPF：輸入處理函數(shù)

OPF：輸出處理函數(shù)? DDF：驗(yàn)證數(shù)據(jù)劃分函數(shù)

一般在使用過程中設(shè)置前面6個(gè)參數(shù)，后面4個(gè)參數(shù)采用系統(tǒng)默認(rèn)參數(shù)。

2.train：BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)

函數(shù)功能：用訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)

函數(shù)形式：[net，tr]=train（NET，X，T，Pi，Ai）

NET：待訓(xùn)練網(wǎng)絡(luò)? ?X：輸入數(shù)據(jù)矩陣T：輸出數(shù)據(jù)矩陣? ? Pi：初始化輸入層條件

Ai：初始化輸出層條件? ? net：訓(xùn)練好的網(wǎng)絡(luò)? ? ? ? ? tr：訓(xùn)練過程記錄

一般在使用的過程中設(shè)置前面3個(gè)參數(shù)，后面2個(gè)參數(shù)采用系統(tǒng)默認(rèn)參數(shù)。

3.sim：BP神經(jīng)網(wǎng)絡(luò)預(yù)測函數(shù)

函數(shù)功能：用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測函數(shù)輸出。

函數(shù)形式：y=sim（net，x）

net：訓(xùn)練好的網(wǎng)絡(luò)? ? ?x：輸入數(shù)據(jù)? ? y：網(wǎng)絡(luò)預(yù)測數(shù)據(jù)

將收集的數(shù)據(jù)存儲在data.mat文件中input是函數(shù)輸入數(shù)據(jù)，output是函數(shù)輸出數(shù)據(jù)。從輸入輸出數(shù)據(jù)中隨機(jī)選取1900組數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，100組數(shù)據(jù)作為網(wǎng)絡(luò)測試數(shù)據(jù)，并對訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理。

4 總結(jié)

本文針對提高烘梗絲料頭參數(shù)設(shè)置的準(zhǔn)確性來縮短料頭時(shí)間，提升烘梗絲出口水分QI。通過對歷史數(shù)據(jù)的收集及分析，再基于BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)擬合算法計(jì)算出相對穩(wěn)定料頭參數(shù)，替代原有的經(jīng)驗(yàn)值。從改造前烘梗絲料頭平均時(shí)間300s，縮短為167s。

參考文獻(xiàn)

[1]郝中華.《BP神經(jīng)網(wǎng)絡(luò)的非線性思想》.洛陽師范學(xué)院學(xué)報(bào)，2008.3（4）.

[2]巨軍讓，卓戎.《BP神經(jīng)網(wǎng)絡(luò)在Matlab中的方便實(shí)現(xiàn)》.新疆石油學(xué)院學(xué)報(bào)，2008，2（1）.

作者簡介：

林俊棟（1988-），男，福建龍巖，廈門煙草工業(yè)有限責(zé)任公司，助理工程師，學(xué)士，研究方向：人工智能、機(jī)器學(xué)習(xí)。