一种基于深度Q网络的松散回潮工序加水量实时预测方法

    公开(公告)号:CN117131987A

    公开(公告)日:2023-11-28

    申请号:CN202311108075.7

    申请日:2023-08-31

    摘要: 本发明公开了一种基于深度Q网络的松散回潮工序加水量实时预测方法,用于稳定叶线烘丝入口前含水率的控制,其包括以下步骤:S1:收集烟厂车间基础工况信息以及相应生产阶段水分仪零点值,对数据进行标准化处理后,以8:2的比例划分为训练集和测试集;S2:构建基于深度Q网络与环境交互对松散阶段加水量预测模型;S3:采用经验回放策略训练深度Q网络的主神经网络,得到在各环境状态选择各动作所对应的Q值;S4:将主神经网络的实际输出与目标网络输出的预测输出进行损失计算,通过随机梯度下降算法不断优化网络模型;S5:使用在线学习思想,在生产过程中不断更新模型参数,并在部署环境中收集新的经验数据;S6:定期对模型进行维护,以便适应生产环境的变换。本发明通过基于深度Q网络的算法,提供安全、便捷、合理的加水比例建议,从而达到稳定叶线批间和批内烘丝入口前含水率的控制。

    基于神经网络的滚筒烘丝工艺参数优化方法及系统

    公开(公告)号:CN116611349A

    公开(公告)日:2023-08-18

    申请号:CN202310879691.6

    申请日:2023-07-18

    IPC分类号: G06F30/27 G06N3/0464 G06N3/08

    摘要: 本发明公开了一种基于神经网络的滚筒烘丝工艺参数优化方法及系统,该方法通过建立表达能力较强的、具有残差结构的卷积神经网络,通过残差结构将卷烟叶丝干燥的输入数据分解成低维表示,则该卷积神经网络能够在不对原参数造成损失的情况下更好地处理大规模数据和复杂数据;而评估模型能够根据叶组配方以及叶丝干燥工序中的工艺操作参数,预测烘丝出口端的出料水分与出料温度,能够在加快训练速度的同时节约模型测试成本,同时使得模型更好的掌握数据之间的规律,从而能够有效输出滚筒烘丝工艺参数的优化方案,按照滚筒烘丝工艺参数的优化方案对叶丝进行烘丝处理,能够有效保证叶丝以及所制作卷烟的质量。

    基于神经网络的滚筒烘丝工艺参数优化方法及系统

    公开(公告)号:CN116611349B

    公开(公告)日:2023-10-10

    申请号:CN202310879691.6

    申请日:2023-07-18

    IPC分类号: G06F30/27 G06N3/0464 G06N3/08

    摘要: 本发明公开了一种基于神经网络的滚筒烘丝工艺参数优化方法及系统,该方法通过建立表达能力较强的、具有残差结构的卷积神经网络,通过残差结构将卷烟叶丝干燥的输入数据分解成低维表示,则该卷积神经网络能够在不对原参数造成损失的情况下更好地处理大规模数据和复杂数据;而评估模型能够根据叶组配方以及叶丝干燥工序中的工艺操作参数,预测烘丝出口端的出料水分与出料温度,能够在加快训练速度的同时节约模型测试成本,同时使得模型更好的掌握数据之间的规律,从而能够有效输出滚筒烘丝工艺参数的优化方案,按照滚筒烘丝工艺参数的优化方案对叶丝进行烘丝处理,能够有效保证叶丝以及所制作卷烟的质量。