中国新技术新产品2024NO.4（上）-69-工业技术由于烘丝入口含水率的稳定性直接影响成品卷烟质量，因此卷烟含水率的稳定性是评定卷烟质量的重要指标之一[1]。国内有学者已经研究了一种基于FATCN的烘丝出口含水率控制方法[2]，利用FATCN模型对HDT气流式烘丝机监测数据进行判别，准确判断出口含水率的变化，在出口含水率出现偏差前即调整控制参数，较好地克服了控制过程时间滞后等问题。在预测分析方面，行业内也进行过随机森林[3]和差分进化的极限学习机（DE-ELM）的烘丝机入口含水率预测研究，采用DE-ELM建立起筛选后的特征变量与烘丝机入口含水率的关系模型，进而进行烘丝机入口含水率预测[4]。上述方法虽然理论可行，但在实际情况中很难得到有效结果，而且不同生产环境间的关系也有差异，该方法在普适性方面值得斟酌。本文在工艺管控基础上，将烘丝入口含水率的人为预测优化为数字化预测，以提高烘丝入口含水率的稳定性，为智能产线提供前沿分析和必要依据。1工艺流程分析和数据处理1.1工艺流程分析本文项目研究范围主要包括烟叶回潮、贮存和切烘工序。借鉴行业内以稳定烘前含水率来实现水分仪连线标定的方法，通过干基法[5]控制回潮加水量，以稳定烘丝前含水率，并在现有过程含水率控制逻辑的基础上，叶片工序以烘丝入口含水率控制值进行烟叶回潮工序加水量反推控制，从而稳定控制SIROX入口含水率。制丝含水率控制的关键工序为切烘工序。该工序主要基于设备PID自动运行控制，而烘丝前含水率作为PID输入指标将直接影响该工序的含水率控制。1.2数据处理本文研究的数据均来自某烟草公司提供的实际生产数据，以回潮至烘丝工序（包括烘丝工序）的过程为研究对象，主要对某牌号香烟的生产数据进行了建模研究，数据时间范围为一年。1.2.1异常数据剔除对所有数据进行清洗工作，包括剔除空值和异常值。通常异常值剔除会结合实际数据分布并采用3σ准则，即将均值的3个标准差以外的数据视为异常情况下的数据，同时结合数据分布形态将其剔除，如果某特征的某样本包括异常值，就剔除整个样本，重复处理直至样本无异常值。1.2.2数据标准化数据会受水分仪（截距）的影响，因此需要对特征数据进行统一处理，按照加料后水分仪、SRIOX入口处水分仪系数的调整记录进行数据划分，以最新的加料后水分仪、SRIOX入口处水分仪的系数为基准，对之前每次水分仪系数调整后的加料后烟丝含水率、SRIOX入口烟丝含水率进行差值调整。具体调整方式为将当前水分仪系数与最新加料后水...
