基于BP神經(jīng)網(wǎng)絡(luò)的煙草制絲工藝參數(shù)優(yōu)化研究

付永民,范磊,李長(zhǎng)進(jìn),吳慶華

河南中煙工業(yè)有限責(zé)任公司 許昌卷煙廠, 河南 許昌 461000

0 引言

煙草加工過程主要包括煙草制絲、卷煙制作和成品包裝,煙草制絲是直接決定卷煙質(zhì)量的關(guān)鍵因素[1-2]。煙草制絲生產(chǎn)線由承擔(dān)不同任務(wù)的工段通過貯柜銜接成一個(gè)有機(jī)整體,每個(gè)工段都會(huì)直接影響卷煙成品的品質(zhì),因此各工段的工藝參數(shù)設(shè)置都非常重要。目前,已有研究人員采用多種方法對(duì)制絲工藝進(jìn)行優(yōu)化[3-7],如汪文良等[6]采用帕累托圖對(duì)制絲工藝進(jìn)行質(zhì)量因素分類統(tǒng)計(jì),發(fā)現(xiàn)參數(shù)調(diào)控、料頭水分、天氣變化等與煙絲質(zhì)量密切相關(guān),通過優(yōu)化制絲工藝參數(shù)能夠提高煙絲質(zhì)量;張馨予等[7]對(duì)混合型膨脹煙絲生產(chǎn)工藝及質(zhì)量進(jìn)行分析,研究了切片、松散回潮工序白肋煙和烤煙煙片分組加工技術(shù),并對(duì)膨脹工序熱風(fēng)溫度進(jìn)行了優(yōu)化設(shè)置。

目前,國(guó)內(nèi)優(yōu)化制絲工藝參數(shù)大多采用正交試驗(yàn)方法,操作復(fù)雜、需要大量的實(shí)驗(yàn)數(shù)據(jù)支撐。BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network,BPNN)全稱為多層前饋神經(jīng)網(wǎng)絡(luò),常用于解決非線性問題。近年來,已有利用BPNN對(duì)煙葉品質(zhì)進(jìn)行預(yù)測(cè)及對(duì)制絲工藝參數(shù)進(jìn)行優(yōu)化的報(bào)道[8-10]。如卓鳴等[9]基于MIV法構(gòu)建了制絲關(guān)鍵工藝參數(shù)和成品煙絲質(zhì)量的BPNN模擬模型,煙絲的填充值、整絲率和碎絲率的平均相對(duì)誤差分別為3.16%、0.67%、5.33%。陸玉浩等[10]采用BPNN對(duì)工藝參數(shù)與煙絲填充值之間的數(shù)量關(guān)系進(jìn)行了初步建模,提高了預(yù)測(cè)煙絲填充值的精確度,相對(duì)誤差僅為4%。但以上研究?jī)H僅是基于某一兩項(xiàng)質(zhì)量指標(biāo),而且對(duì)于制絲工藝參數(shù)的優(yōu)化并不全面。鑒于此,本文擬以煙絲物理特性、煙支物理特性和卷煙化學(xué)成分為質(zhì)量控制指標(biāo),采用BPNN預(yù)測(cè)對(duì)煙草制絲加工過程的參數(shù)進(jìn)行優(yōu)化,并與正交試驗(yàn)方法的優(yōu)化結(jié)果進(jìn)行對(duì)比分析,以期對(duì)煙草最優(yōu)制絲參數(shù)進(jìn)行準(zhǔn)確預(yù)測(cè),提高制絲加工效率。

1 材料與儀器

主要材料:黃金葉(硬帝豪)配方煙葉,采樣時(shí)間為2021年7—9月。

主要儀器:河南中煙工業(yè)有限責(zé)任公司許昌卷煙廠的X煙草制絲流水線。煙草制絲工藝包括松散回潮、煙草加料和煙絲干燥,含回風(fēng)溫度1(A)、回風(fēng)溫度2(B)、出口含水率(C)、蒸汽流量(D)、熱風(fēng)溫度(E)、筒壁溫度(F)和排潮負(fù)壓(G)7個(gè)可控因子,具體參數(shù)如表1所示[7,11]。

表1 煙草制絲工藝參數(shù)Table 1 Tobacco silk processing parameters

2 BPNN模型構(gòu)建及預(yù)測(cè)結(jié)果

2.1 模型構(gòu)建

本文將煙草制絲過程中的工藝參數(shù)、煙絲的各項(xiàng)質(zhì)量指標(biāo)分別作為BPNN的輸入變量和輸出變量,以此實(shí)現(xiàn)對(duì)工藝參數(shù)的最優(yōu)配置和驗(yàn)證[12]。其中,BPNN的輸入變量為A、B、C、D、E、F和G共7項(xiàng),以此構(gòu)成神經(jīng)網(wǎng)絡(luò)的輸入層;加入一個(gè)S型隱含層;最后將煙絲物理特性、煙支物理特性和卷煙化學(xué)成分作為神經(jīng)網(wǎng)絡(luò)的輸出層,包括整絲率、碎絲率、填充值、單支重量標(biāo)準(zhǔn)差、煙支吸阻標(biāo)準(zhǔn)差、CO釋放量、焦油釋放量和煙堿釋放量共8項(xiàng)輸出變量。基于質(zhì)量控制的BPNN結(jié)構(gòu)如圖1所示。

2.2 數(shù)據(jù)預(yù)處理

實(shí)驗(yàn)采集了2021年7—9月河南中煙工業(yè)有限責(zé)任公司許昌卷煙廠黃金葉(硬帝豪)制絲車間的生產(chǎn)數(shù)據(jù),訓(xùn)練集的數(shù)據(jù)來源為2021年7月1日—9月15日實(shí)驗(yàn)數(shù)據(jù),測(cè)試集的數(shù)據(jù)來源為2021年9月16日—9月30日的實(shí)驗(yàn)數(shù)據(jù)。由于S型函數(shù)受輸入變量的影響,其輸出參數(shù)的數(shù)據(jù)值會(huì)影響神經(jīng)網(wǎng)絡(luò)的計(jì)算速度和收斂速度,因此本文對(duì)輸入變量的數(shù)值進(jìn)行歸一化處理,將數(shù)值大小穩(wěn)定在[0, 1]之內(nèi),以降低計(jì)算量[13]。

式中,不同輸入變量均以X表示,并且用下角標(biāo)max和min來表示變量的最大值或者最小值,最終計(jì)算得到歸一化后的無量綱數(shù)值X′。

2.3 模型參數(shù)設(shè)置

通常情況下,煙草制絲工藝質(zhì)量控制指標(biāo)的精度在1%左右。為兼顧時(shí)間成本和計(jì)算精度,本文將迭代精度設(shè)置為1/10 000,迭代步數(shù)為2000。

由前文可知,輸入變量為7個(gè),輸出變量為8個(gè),因此輸入層和輸出層的節(jié)點(diǎn)分別為7個(gè)和8個(gè)。在輸入層和隱含層之間、隱含層和輸出層之間分別設(shè)置tansig函數(shù)和purelin函數(shù),并且使用trainbfg函數(shù)作為網(wǎng)格的訓(xùn)練函數(shù)。

2.4 模型驗(yàn)證與預(yù)測(cè)結(jié)果

設(shè)置好BPNN的參數(shù)之后,需要對(duì)網(wǎng)絡(luò)模型的準(zhǔn)確性和有效性進(jìn)行驗(yàn)證[16-18],隨機(jī)抽取2組實(shí)驗(yàn)數(shù)據(jù)對(duì)煙草質(zhì)量控制指標(biāo)的檢測(cè)值和預(yù)測(cè)值進(jìn)行對(duì)比分析,結(jié)果如表2所示。從表2可知,BPNN的預(yù)測(cè)值與實(shí)際制絲過程得出的檢測(cè)值之間的平均回歸誤差很小,均在2.66%以內(nèi),說明本文所設(shè)計(jì)的模型具有較高的可靠性和準(zhǔn)確性,因此能夠?qū)⒈疚哪Ｐ陀?jì)算結(jié)果作為實(shí)驗(yàn)的預(yù)測(cè)結(jié)果。

BPNN對(duì)不同制絲工藝參數(shù)所得卷煙的煙絲物理特性、煙支物理特性和卷煙化學(xué)成分進(jìn)行預(yù)測(cè)后,得出最優(yōu)制絲工藝參數(shù)為回風(fēng)溫度1(松散回潮)59 ℃、回風(fēng)溫度2(煙草加料)54 ℃、出口含水率20.0%、蒸汽流量680 kg/h、熱風(fēng)溫度112 ℃、筒壁溫度131 ℃和排潮負(fù)壓-8 μbar,最優(yōu)制絲工藝參數(shù)配置為A2B1C2D3E2F2G1。

3 正交試驗(yàn)制絲參數(shù)優(yōu)化

3.1 正交試驗(yàn)設(shè)計(jì)

為了能夠得到最佳煙草制絲工藝參數(shù),并與BPNN預(yù)測(cè)結(jié)果進(jìn)行全面分析對(duì)比,設(shè)計(jì)正交試驗(yàn)以優(yōu)化煙草制絲工藝參數(shù),參數(shù)設(shè)計(jì)表如表3所示。對(duì)各個(gè)試驗(yàn)的質(zhì)量指標(biāo)進(jìn)行測(cè)定,評(píng)估不同制絲工藝參數(shù)對(duì)煙絲物理特性、煙支物理特性和卷煙化學(xué)成分的影響。

3.2 正交試驗(yàn)結(jié)果分析

3.2.1 制絲工藝參數(shù)對(duì)煙絲物理特性的影響分析不同工藝參數(shù)下的煙絲物理特性變化如圖2所示,制絲工藝參數(shù)對(duì)煙絲物理特性的影響的直觀分析如表4所示,其中K1、K2和K3分別代表實(shí)驗(yàn)中水平1、2、3的質(zhì)量指標(biāo)均值,R為極差,P為方差[19-20]。由圖2和表4可知,不同工藝參數(shù)對(duì)煙絲整絲率的影響程度依次為G>A>F>E>D>C>B,影響程度較大的是排潮負(fù)壓和回風(fēng)溫度1,極差分別為1.51、1.37,方差分別為0.041 4、0.048 9。不同工藝參數(shù)對(duì)煙絲碎絲率的影響程度依次為A>E=F>D>G>B>C,影響程度較大是回風(fēng)溫度1、筒壁溫度和熱風(fēng)溫度,極差分別為0.18、0.17、0.17,方差分別為0.022 7、0.040 7、0.041 0。不同工藝參數(shù)對(duì)煙絲填充值的影響程度依次為A>D>F>G>E>B>C,影響程度較大是回風(fēng)溫度1和蒸汽流量,極差分別為0.39、0.36,方差分別為0.003 3、0.010 1。

表2 煙草質(zhì)量控制指標(biāo)檢測(cè)值和預(yù)測(cè)值對(duì)比分析結(jié)果Table 2 Results of comparative analysis of detected and predicted values of tobacco quality control indicators

表3 正交試驗(yàn)參數(shù)設(shè)計(jì)表Table 3 Design table of orthogonal test parameters

圖2 不同工藝參數(shù)下煙絲物理特性的變化Fig.2 Changes in physical properties of tobacco silk under different processing parameters

表4 制絲工藝參數(shù)對(duì)煙絲物理特性的影響的直觀分析Table 4 Intuitive analysis of the effect of silk-making processing parameters on the physical properties of tobacco silk

表4中Kn的數(shù)值越大代表煙絲整絲率、碎絲率、填充值越大,從表4可進(jìn)一步看出,回風(fēng)溫度2和出口含水率對(duì)整絲率、碎絲率的影響效果不明顯,因此在考慮煙絲整絲率、碎絲率時(shí)得到的最優(yōu)工藝參數(shù)配置為A2BxCxD3E2F2G1,與BPNN預(yù)測(cè)結(jié)果相符;在考慮填充值時(shí),最優(yōu)制絲工藝參數(shù)配置為A2B1C2D3E2F2G1,與BPNN預(yù)測(cè)結(jié)果相同。

3.2.2 制絲工藝參數(shù)對(duì)煙支物理特性的影響分析不同工藝參數(shù)下的煙支物理特性變化如圖3所示,制絲工藝參數(shù)對(duì)煙支物理特性的影響的直觀分析如表5所示。由圖3和表5可知,不同工藝參數(shù)對(duì)卷煙單支質(zhì)量標(biāo)準(zhǔn)差的影響程度依次為A>F>E>B>D>G>C,影響程度較大的是回風(fēng)溫度1和熱風(fēng)溫度,極差分別為8.4、6.7,方差分別為0.020 2、0.039 7。不同工藝參數(shù)對(duì)卷煙煙支吸阻標(biāo)準(zhǔn)差的影響程度依次為A>F>E>D>B>G>C,影響程度較大的是回風(fēng)溫度1、筒壁溫度和熱風(fēng)溫度,三者極差分別為9.5、7.7、7.0,方差分別為0.017 6、0.049 4、0.052 3。

表5中Kn的數(shù)值越小則代表越不容易影響單支質(zhì)量標(biāo)準(zhǔn)差和卷煙煙支吸阻標(biāo)準(zhǔn)差,從表5可進(jìn)一步看出,在考慮卷煙單支質(zhì)量標(biāo)準(zhǔn)差時(shí)的最佳工藝參數(shù)配置為A2B1C2D3E2F2G1,與BPNN預(yù)測(cè)結(jié)果相同;在考慮卷煙煙支吸阻標(biāo)準(zhǔn)差時(shí)的最佳工藝參數(shù)配置為A2B1C2D2E2F2G1,與BPNN預(yù)測(cè)結(jié)果在參數(shù)D上有所區(qū)別。

3.2.3 制絲工藝參數(shù)對(duì)卷煙化學(xué)成分的影響分析不同工藝參數(shù)下卷煙化學(xué)成分變化如圖4所示,制絲工藝參數(shù)對(duì)卷煙化學(xué)成分影響的直觀分析如表6所示。由圖4和表6可知,不同工藝參數(shù)對(duì)卷煙CO釋放量的影響程度依次為A>F>E>D>B>

圖3 不同處理下煙支物理特性的變化Fig.3 Changes in physical properties of cigarettes under different treatments

表5 制絲工藝參數(shù)對(duì)煙支物理特性的影響的直觀分析Table 5 Intuitive analysis of the effect of silk-making processing parameters on the physical properties of cigarettes

圖4 不同工藝參數(shù)下卷煙化學(xué)成分的變化Fig.4 Changes of chemical components of cigarettes under different processing parameters

G>C,影響程度較大的是回風(fēng)溫度1、熱風(fēng)溫度和筒壁溫度,三者極差分別為1.69、1.52、1.35,方差分別為0.014 6、0.030 4、0.042 9。不同工藝參數(shù)對(duì)卷煙焦油釋放量的影響程度依次為E>D>F>G>B>A>C,影響較大的是蒸汽流量、筒壁溫度和熱風(fēng)溫度,三者極差分別為1.37、1.96、0.83,方差分別為0.107 8、0.029 3、0.198 7。不同工藝參數(shù)對(duì)卷煙煙堿釋放量的影響程度依次為E>D>G>F>C>B>A,影響較大的是蒸汽流量、排潮負(fù)壓和熱風(fēng)溫度,三者極差分別為0.14、0.19、0.09,方差分別為0.097 7、0.037 9 、0.396 7。

表6中Kn的數(shù)值越小則代表產(chǎn)生CO、焦油、煙堿的釋放量越小,從表6中可進(jìn)一步看出,在考慮卷煙CO釋放量時(shí)最佳工藝參數(shù)配置為A2B1C2D3E2F2G1,與BPNN預(yù)測(cè)結(jié)果相同;在考慮卷煙焦油釋放量時(shí)的最佳工藝參數(shù)配置為A2B1C2D3E2F2G1,與BPNN預(yù)測(cè)結(jié)果相同;在考慮卷煙煙堿釋放量時(shí)的最佳工藝參數(shù)配置為A2B1C2D3E2F3G1,與BPNN預(yù)測(cè)結(jié)果僅在參數(shù)F上有所區(qū)別。

由上述研究可知,通過正交試驗(yàn)設(shè)計(jì)方法得出的最優(yōu)組合并不是唯一的,共有3種較優(yōu)組合,分別為A2B1C2D2E2F2G1、A2B1C2D3E2F3G1和A2B1C2D3E2F2G1,在熱風(fēng)溫度和筒壁溫度的設(shè)置上存在爭(zhēng)議。

4 煙絲制絲參數(shù)優(yōu)化結(jié)果驗(yàn)證

本文參照BPNN優(yōu)化組合(A2B1C2D3E2F2G1),對(duì)優(yōu)化前后的工藝參數(shù)組合分別在制絲線上進(jìn)行實(shí)驗(yàn)并測(cè)定其卷煙質(zhì)量,并與BPNN卷煙質(zhì)量預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,結(jié)果如表7所示。由表7可知,通過參數(shù)優(yōu)化,煙絲整絲率、填充值得到提升,碎絲率、單支質(zhì)量標(biāo)準(zhǔn)差、煙支吸阻標(biāo)準(zhǔn)差、CO釋放量、焦油釋放量、煙堿釋放量均得到降低,整體優(yōu)化效果明顯。同時(shí),BPNN的預(yù)測(cè)結(jié)果與實(shí)際實(shí)驗(yàn)結(jié)果接近,且極大地降低了時(shí)間成本和資源浪費(fèi)。此外,由于正交試驗(yàn)設(shè)計(jì)存在誤差,容易在最佳工藝參數(shù)配置中出現(xiàn)誤差波動(dòng),造成參數(shù)選擇出錯(cuò),而BPNN則很好地排除了這類誤差,具有較高的可靠性。

5 結(jié)論

本文以煙絲物理特性、煙支物理特性和卷煙化學(xué)成分為質(zhì)量控制指標(biāo),采用BPNN構(gòu)建預(yù)測(cè)模型對(duì)煙草制絲工藝過程的參數(shù)進(jìn)行優(yōu)化,并與傳統(tǒng)的正交試驗(yàn)方法分析結(jié)果進(jìn)行對(duì)比。結(jié)果表明,所建BPNN模型預(yù)測(cè)結(jié)果具有較高的可靠性和準(zhǔn)確性,通過BPNN預(yù)測(cè)的最優(yōu)煙草制絲工藝配置為A2B1C2D3E2F2G1;通過正交試驗(yàn)設(shè)計(jì)方法得出的最優(yōu)組合并不是唯一的,共有3種組合(A2B1C2D2E2F2G1、A2B1C2D3E2F3G1和A2B1C2D3E2F2G1),參數(shù)D和F均存在差異。通過實(shí)驗(yàn)驗(yàn)證得出,BPNN預(yù)測(cè)結(jié)果為最佳參數(shù)組合,參數(shù)優(yōu)化后煙絲整絲率、填充值提升,碎絲率、單支質(zhì)量標(biāo)準(zhǔn)差、煙支吸阻標(biāo)準(zhǔn)差、CO釋放量、焦油釋放量、煙堿釋放量均降低,整體優(yōu)化效果明顯。

表7 優(yōu)化前后卷煙質(zhì)量對(duì)比結(jié)果Table 7 Comparison results of cigarette quality before and after optimization

基于質(zhì)量控制的BPNN的預(yù)測(cè)模型能夠避免卷煙企業(yè)廣泛應(yīng)用的正交試驗(yàn)設(shè)計(jì)方法所產(chǎn)生誤差的出現(xiàn),不僅可提高加工效率,同時(shí)可降低時(shí)間成本和資源浪費(fèi),該研究結(jié)果可對(duì)提高煙草質(zhì)量和加工工藝提供技術(shù)參考。