基于机器学习的切丝后含水率预测及控制方法

选取云烟(A)牌号制丝生产过程稳态数据样本,采用递归特征消除法分析模型的影响变量。基于车间温湿度SARIMAX预测模型,利用蒙特卡洛仿真、神经网络算法和XGBoost算法建立切丝后含水率控制模型,通过预测值与实际值对比的方法进行模型检验。结果表明,在工艺标准值±0.15%的误差范围内,切丝后含水率准确率由62.57%提升至86.49%;切丝后含水率的过程能力指数达标率由91.44%提升至97.30%。该方法实现了前后工序参数协同和精准控制,有效保证了制丝过程中切丝后含水率的稳定性。     

AHP-模糊算法在卷烟制丝过程质量评价中的应用

目的 实现曲轴轴承盖在包装生产线上的自动分选,提高生产效率,降低企业生产成本。方法 提出一种基于机器视觉的曲轴轴承盖外形轮廓分类方法,首先等间隔提取预处理曲轴轴承盖图像的行和列,计算每行和每列所含目标像素数量,将关于图像中心对称的2列目标像素数量求和,将提取的特征依序组成对轴承盖正反摆放具有不变性的特征向量;然后采用主成分分析法,对归一化处理的特征向量进行降维;最后采用支持向量机分类。结果 实验结果表明,对样本集的特征向量提取前5个主成分,零件外形轮廓分类准确率达到99.8%。结论 文中所述方法可实现轴承盖零件的准确分类。