机器学习在烘丝工序料头出口含水率控制中的应用探究  

作　　者：张翼[1] 吴晓勇 杨云丽 金雅昭 

机构地区：[1]上海烟草集团有限责任公司上海卷烟厂,上海201315 [2]北京大数据研究院企业数智化转型研究中心,北京100080

出　　处：《中国设备工程》2024年第12期32-35,共4页China Plant Engineering

摘　　要：目的:探究薄板式烘丝机料头阶段出口叶丝含水率的影响因素,指导设备参数控制。方法:基于LSTM+MLP模型分析叶丝干燥含水率能否快速企稳的影响因素,通过特征重要性分析挖掘潜在影响因素,设计以叶丝干燥筒壁温度为基准的生产过程最佳参数配比方法。结果:在数值实验部分,基于真实生产数据设定不同参数得到四组模型,对比了准确率、正样本MAE和ROC曲线等评价指标。其中,最优模型对叶丝干燥含水率变化的分类准确率达99.88%。结论:实践证明,“叶丝干燥筒壁温度”是极为重要的影响因素,结合历史批次评估设备工作能力,可进一步实现烘丝工序的自动化控制。

关 键 词：含水率预测 特征排序 机器学习 LSTM模型 

分 类 号：TS452.3[农业科学—烟草工业] TP181[自动化与计算机技术—控制理论与控制工程]