-
公开(公告)号:CN115644487B
公开(公告)日:2024-08-27
申请号:CN202211392021.3
申请日:2022-11-08
申请人: 云南中烟工业有限责任公司
摘要: 本发明公开了一种烟丝热加工强度的计算方法,包括如下步骤:在制丝线滚筒入料口和出料口对物料进行温度和含水率进行测量;对数据难以测量的滚筒内采用“有限元+离散元”耦合仿真对部分数据进行分析计算,基于采集数据与仿真数据拟合出烟丝温度‑含水率的特征曲线,确定加工物料温度含水率积分函数值;进而计算烟丝在滚筒内的热加工强度。
-
公开(公告)号:CN118014148A
公开(公告)日:2024-05-10
申请号:CN202410199964.7
申请日:2024-02-23
申请人: 云南中烟工业有限责任公司
发明人: 易斌 , 唐军 , 高晓华 , 李雯琦 , 林文强 , 周冰 , 方俊俊 , 张超 , 秦鹏 , 杨耀晶 , 高宇雷 , 张立斌 , 周晓龙 , 谭国治 , 何邦华 , 刘丹楹 , 许晓黎 , 聂蓉
IPC分类号: G06Q10/04 , G06Q50/04 , G06Q10/0639 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F18/214 , G06N3/0985 , G06N3/048
摘要: 本发明公开了一种基于CNN‑LSTM‑Attention组合神经网络模型的烘丝加工强度预测方法,包括如下步骤:(1)采集数据并初始化;(2)数据预处理;(3)对数据进行归一化;(4)特征筛选;(5)搭建CNN‑LSTM‑Attention组合神经网络预测模型;(6)根据预测数据和真实数据之间进行分析评价。相比传统的单个LSTM模型,本发明的预测精度更加准确。
-
公开(公告)号:CN116070964A
公开(公告)日:2023-05-05
申请号:CN202310202947.X
申请日:2023-03-06
申请人: 云南中烟工业有限责任公司
IPC分类号: G06Q10/0639 , G06Q50/04 , G06N3/0464 , G06N3/0442 , G06N3/096
摘要: 本发明提供了一种基于CNN‑LSTM迁移学习算法的卷烟制造过程质量指标预测方法,涉及烟草加工质量预测领域。包括如下步骤:在生产设备上采用MES系统对生产线工艺数据进行采集,通过温湿度传感器对物料质量指标进行测量,利用CNN‑LSTM算法对物料质量指标下一时刻情况进行预测,引入迁移学习策略,在保证训练精度的前提下提升实际生产中算法训练效率,实现实际生产长期准确预测。本发明的预测方法预测精度高,计算效率符合工业现场的应用要求,且在保证训练精度的前提下大大缩短了模型的训练时间。
-
公开(公告)号:CN118278559A
公开(公告)日:2024-07-02
申请号:CN202410199969.X
申请日:2024-02-23
申请人: 云南中烟工业有限责任公司
发明人: 易斌 , 唐军 , 李雯琦 , 高晓华 , 林文强 , 周冰 , 方俊俊 , 张超 , 秦鹏 , 杨耀晶 , 高宇雷 , 张立斌 , 周晓龙 , 谭国治 , 何邦华 , 刘丹楹 , 许晓黎 , 聂蓉
IPC分类号: G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/006
摘要: 本发明公开了一种基于CNN‑LSTM网络和布谷鸟算法的卷烟烘丝工艺参数优化方法及系统,包括如下步骤:采集卷烟烘丝工艺生产线的数据构成样本数据集,对样本数据集进行预处理,划分样本数据集为训练集数据和测试集数据,用于模型训练和性能评估,构建CNN‑LSTM预测模型,实现对工艺质量指标的精准预测,将最优工艺质量指标与预测结果的误差作为优化目标函数,预测模型输出的质量指标作为适应度,调用布谷鸟算法对生产工艺参数进行全局寻优,获得最优工艺参数组合。该方法能够快速准确调整能够生产高品质烟丝的工艺参数,为烘丝工艺改良提供决策支持,进而提升烟丝品质。
-
公开(公告)号:CN118070956A
公开(公告)日:2024-05-24
申请号:CN202410199966.6
申请日:2024-02-23
申请人: 云南中烟工业有限责任公司
发明人: 林文强 , 易斌 , 唐军 , 李雯琦 , 高晓华 , 周冰 , 方俊俊 , 张超 , 秦鹏 , 杨耀晶 , 高宇雷 , 张立斌 , 周晓龙 , 谭国治 , 何邦华 , 刘丹楹 , 许晓黎 , 聂蓉
IPC分类号: G06Q10/04 , G06Q10/0639 , G06N3/0442 , G06Q50/04 , G06F18/214 , G06N3/08 , G06N7/01 , G06N3/048
摘要: 本发明公开了一种工艺质量预测方法,包括以下步骤:(1)数据采集,划分为训练集和测试集;(2)构建VAE‑GRU网络模型;(3)划分马尔可夫模型的状态空间;(4)得到马尔可夫模型的状态转移概率矩阵;(5)得到VAE‑GRU‑Markov组合模型的预测值;(6)对VAE‑GRU‑Markov模型的工艺质量预测值和真实值进行对比与分析,验证该组合模型的有效性和准确性。本发明的预测方法相比传统的神经网络组合模型,其预测精度有了进一步的提升,为工艺质量预测提供新思路。
-
公开(公告)号:CN116797085A
公开(公告)日:2023-09-22
申请号:CN202310728318.0
申请日:2023-06-19
申请人: 云南中烟工业有限责任公司
IPC分类号: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06N3/044 , G06N3/045 , G06N3/048 , G06N3/06 , G06N3/08
摘要: 本发明公开了一种基于RNN‑Markov组合模型的工艺质量预测方法,包括以下步骤:(1)数据采集;(2)构建RNN网络模型,输出训练集和测试集的工艺质量指标预测值;(3)划分Markov模型的状态空间;(4)得到Markov模型的状态转移概率矩阵;(5)对RNN网络模型测试集的工艺质量指标预测值进行修正,得到RNN‑Markov组合模型的工艺质量指标预测值;(6)验证RNN‑Markov组合模型预测方法的有效性和准确性。
-
公开(公告)号:CN116307528A
公开(公告)日:2023-06-23
申请号:CN202310143637.5
申请日:2023-02-21
申请人: 云南中烟工业有限责任公司
IPC分类号: G06Q10/0631 , G06Q10/0639 , G06Q50/04 , G06N3/042
摘要: 本发明公开了一种基于图神经网络的工艺质量时间序列预测方法,包括如下步骤:将工艺流程转化为图结构数据,采用图结构数据建模生产指标间的控制关系,将所采集的工艺参数据作为图数据中对应节点的特征,利用图神经网络计算生产指标间的空间信息,在此基础上,将工艺质量对应的时间序列数据与空间信息拼接,利用长短时记忆网络建模加工质量指标序列在时间上的复杂依赖关系,输出预测结果。本发明的基于图神经网络的工艺质量时间序列预测方法,采用历史生产数据即可完成模型的训练,训练后的模型具有较高的预测精度。对于提高车间生产效率、支撑车间智能分析与调控具有重要意义。
-
公开(公告)号:CN115644487A
公开(公告)日:2023-01-31
申请号:CN202211392021.3
申请日:2022-11-08
申请人: 云南中烟工业有限责任公司
摘要: 本发明公开了一种烟丝热加工强度的计算方法,包括如下步骤:在制丝线滚筒入料口和出料口对物料进行温度和含水率进行测量;对数据难以测量的滚筒内采用“有限元+离散元”耦合仿真对部分数据进行分析计算,基于采集数据与仿真数据拟合出烟丝温度‑含水率的特征曲线,确定加工物料温度含水率积分函数值;进而计算烟丝在滚筒内的热加工强度。
-
公开(公告)号:CN116205363A
公开(公告)日:2023-06-02
申请号:CN202310222137.0
申请日:2023-03-09
申请人: 云南中烟工业有限责任公司
IPC分类号: G06Q10/04 , G06Q50/04 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于CNN‑GRU组合网络模型的烘丝加工强度预测方法,包括如下步骤:(1)采集生产车间中烘丝数据,获得与烘丝加工强度相关的变量并初始化。(2)数据预处理,首先通过料位检测技术对采集的烘丝数据进行料头料尾,停机断料的判断,然后利用滑动窗口法对缺失数据进行填补,紧接着异常数据通过法进行删除,最后通过自编码网络对数据进行降噪。(3)特征筛选,利用斯皮尔曼算法进行相关性计算分析,确定初始变量中与烘丝加工强度相关的特征的重要程度。(4)搭建CNN‑GRU组合网络模型,调整超参数。(5)根据划分好的数据集进行组合网络模型训练与预测,验证此组合网络模型的有效性。
-
公开(公告)号:CN115545321A
公开(公告)日:2022-12-30
申请号:CN202211261868.8
申请日:2022-10-14
申请人: 云南中烟工业有限责任公司
摘要: 本发明公开了一种制丝车间工艺质量在线预测方法,包括以下步骤:(1):从MES数据库中获取工艺参数和质量指标;(2):对获取的制丝工艺参数历史数据的规则化表征和数据融合,并进行预处理;(3):基于序列到序列的学习结构,采用混合神经网络以预测下一时刻的松散回潮质量指标为目标建立车间离线质量预测模型,即CTCN_A_B网络模型;(4):通过与制丝车间在线监测设备传感器建立通信,获取在线制丝车间工艺数据,选取与离线数据相同的松散回潮工艺数据并进行处理;(5):采用双线程法,利用迁移学习冻结离线预测模型中特征提取模块的网络结构和参数,并迁移至在线工艺质量预测模型中,实现动态调整预测模型,满足生产实际变动预测需求。
-
-
-
-
-
-
-
-
-