基于自编码器和PCA的滚筒烘丝机多块过程监测方法

鉴于滚筒烘丝干燥过程的多变量、强耦合、非线性的复杂特征,而传统主成分分析(PCA)过程监测方法不具有非线性表达能力及全局建模无法精确检测故障的问题,提出自动编码器特征提取和多块主成分分析联合驱动的多块建模方法。首先,依据叶丝干燥工作原理对变量进行分块,以突出过程局部特征;其次,使用自编码器提取每个子块的非线性特征;再次,分别建立相应的PCA监测模型;最后,通过贝叶斯推理对多个子空间的监测结果进行融合决策。以两个实际叶丝干燥案例进行验证,结果表明：该方法的报警率分别高达91.67%和98.21%,相比传统PCA和AE-PCA检测方法,该方法能准确揭示并表征干燥过程的整体运行状态及局部特征信息,提高对滚筒叶丝干燥生产过程的异常检测精度,实现对质量异常情况的准确报警,有利于保证滚筒叶丝干燥过程的稳定生产。     

基于PP-PicoDet的半自动标注烟丝异物检测研究

【目的】应用半自动标注技术和轻量级目标检测模型,实现烟丝异物实时检测模型的快速开发和落地应用。【方法】在少量标注的样本上使用picodet-s-320训练基础模型,基于该模型生成对剩余数据样本的预测标注,人工矫正预测标注结果I后,.使用picodet-l-640训练基于全量数据的最终应用模型。【结果】数据标注效率提升223%,迭代周期缩短到1d,训练模型m APoU=o5达到1.000,测试集上漏检率为0%、误检率0.3%,部署模型推理速度提高291%,试运行期间无漏检,多检误报控制在0.23次/批。【结论】采用基于PP-PicoDet的半自动标注技术,大幅缩短算法的开发和迭代周期,模型的预测速度、精度、通用性好,可实现制丝工序烟丝异物的实时检测处置。     

基于湿热参数的油茶籽干燥过程含水率在线预测

为在线获取干燥过程中油茶籽含水率,在不同干燥温度(50?60?70℃)?干燥风速(0.5?1.0?2.0m/s)工况下进行热风干燥试验。通过获取干燥过程实时空气湿热数据,分析了湿热参数与含水率的相关关系。运用随机森林算法,基于干燥工况参数与空气湿热参数建立了8种不同输入参数组合下的含水率在线预测模型。研究表明：采用基于干燥工况参数与干燥腔进出口含湿量差、含湿量差变化率参数建立的随机森林模型具有最佳的预测精度。在预测集上模型预测值与实测值的决定系数R_²为0.9926,均方根误差RMSE为0.035,表明采用本方法可以有效预测油茶籽干燥过程含水率。本研究为干燥领域含水率在线检测提供一种新的方法。     

基于SVDD的小麦净度检测方法研究

净度是种子质量的重要指标,可以直接影响作物的产量。由于种子杂质类型较多,传统方式二分类机器学习方法,易受建模杂质种类的限制,使得模型准确率降低。为实现种子净度自动化快速检测,本研究提出一种基于支持向量数据描述(SVDD)的小麦净度快速检测方法。利用工业相机获取小麦和麦壳、燕麦、大麦杂质的可见光图像,通过HALCON软件提取每粒样本的13种形态特征,借助皮尔逊相关性分析,筛选有效特征。在此基础上,分别利用SVM算法以及SVDD算法构建小麦净度识别模型,并进行分类识别对比试验。试验结果表明：SVDD算法杂质数据可以不参与建模,识别准确率达到95%以上,结合种子千粒重快速计算种子净度,在杂质占比含量20%时,检测误差为3.2%。基于SVDD的小麦净度检测方法,可以实现对小麦和多种杂质的快速分类,实现对小麦净度快速检测。     

实验室用叶丝滚筒干燥机的研制

为解决实验室与制丝生产线不同干燥设备干燥叶丝的感官质量存在较大差异等问题,基于叶丝薄板滚筒干燥机工作原理,研制了一种实验室用叶丝滚筒干燥机。该设备由机架、烘丝筒、变频驱动系统、加热控温系统和排潮系统等部分组成。通过加热器、保温层和自动控温系统对烘丝筒壁温度进行调控;利用变频电机调节滚筒转速;通过排潮系统对干燥机进行排潮;将出料口与进料口合二为一,自行设计的机架结构便于烘丝筒翻转倾斜,实现快速出料。利用"黄金叶(大金圆)"配方叶丝,考察了实验室用干燥机、电烘箱和生产线薄板滚筒干燥机(对照样)3种干燥方式对叶丝物理性能和卷烟感官质量的影响。结果表明:1采用实验室用干燥机,叶丝填充值为4.54 cm3/g,对照样为4.62 cm3/g。与对照样相比,叶丝弹性、卷曲度和松散性接近,卷烟感官同质化率达68%,达到了卷烟感官同质化要求。2采用烘箱法,叶丝填充值最低,为4.02 cm3/g,且卷烟样品感官质量稍差。3实验室用干燥机与薄板滚筒干燥机的干燥效果接近,均优于电烘箱,可以满足实验室与制丝生产线干燥叶丝感官质量无差异的需求。     

薄板烘丝机出口含水率稳定性控制方法研究

【目的】解决薄板烘丝机出口含水率控制精度较低、波动较大问题。【方法】采用滑窗法监测入口含水率的整体性波动并进行相应的准确控制,采用指数加权移动平均（Exponentially Weighted Moving Average,EWMA）法对出口含水率的波动及时调整,建立前馈和反馈相结合的出口含水率整合控制模型,并采用自学习算法对模型进行自动优化和修正。【结果】控制方法改进后,出口含水率控制精度显著提高,过程偏移量、标准差和极差分别降低50.0%、37.5%和14.3%,过程能力指数提高57.1%。【结论】基于滑窗预测和EWMA调整的薄板烘丝出口含水率稳定性控制方法能有效提升该工序的质量控制能力。     

基于去噪卷积自编码器的色织衬衫裁片缺陷检测

有监督框架的色织衬衫裁片缺陷检测算法依赖大量标注样本且建模成本高,为此提出一种基于无监督去噪卷积自编码器的色织物缺陷自动检测与定位方法。构建色织衬衫裁片图像数据库;对无缺陷样本加入高斯噪声,利用深度去噪卷积自编码器建立色织衬衫裁片图像的去噪重构模型,对噪声干扰进行重构性修复。计算待测色织衬衫裁片图像和其重构图像的残差,并使用数学形态学算法检测和定位裁片缺陷区域。实验结果表明,在不依赖标注样本的条件下,基于去噪卷积自编码器的色织衬衫裁片图像重构模型和残差图像分析算法可以有效检测色织衬衫裁片的缺陷区域。     

基于双层EWMA方法的叶丝干燥出口含水率质量一致性控制

为解决叶丝干燥工序出口含水率波动大、批次质量不稳定等问题,采用双层指数加权移动平均(EWMA,Exponentially Weighted Moving Average)方法建立了叶丝出口含水率质量一致性控制模型,并采用自适应算法对该模型进行自动优化和修正。选取安阳卷烟厂"黄金叶(硬红旗渠)"牌卷烟叶丝干燥工序出口含水率在线监测数据,对双层EWMA控制系统进行测试,结果表明:改进后批次间出口含水率质量差异显著降低,出口含水率的平均偏移量、极差、均方误差等质量指标分别降低29%、2%和32%,过程能力指数提升18%,有效提高了出口含水率批次一致性。该方法可为提高卷烟生产均质化水平提供技术支持。     

低温真空干燥对烟丝及卷烟品质的影响

为丰富烟草行业制丝加工方法,研究了低温真空干燥对烟草制品的水分影响规律,并与滚筒干燥方式加工的烟丝进行了物理质量、致香成分以及感官质量特点的分析检测。研究结果表明:①采用低温真空干燥加工后的烟丝致香成分相对含量为470.12μg/g,滚筒干燥后烟丝致香成分为395.16μg/g。②批内、批间水分稳定性更好,批内真空干燥无干头干尾,水分标偏为0.06;滚筒干燥水分标偏为0.23;③真空干燥后烟丝填充值为4.02 cm3/g、碎丝率为7.58%;滚筒干燥后烟丝填充值为4.57cm3/g、碎丝率为4.39%。相比于滚筒干燥,低温真空干燥处理在烟丝和卷烟品质方面具有一定优点。      

基于自动编码器的本色布疵点检测算法

为解决用于本色布疵点检测的浅层机器学习方法中人工特征提取主观性强、同一种特征提取方法无法适用于不同组织结构织物的问题,采用具有特征学习功能的自动编码器神经网络对原始图像进行特征自动提取。设计了含有一个隐藏层的全连接恒等神经网络,原始数据输入该神经网络后,被隐藏层压缩,并在输出层重构,训练过程中通过优化重构层与输入层之间的误差来求解神经网络最佳系数。将训练好的自动编码器神经网络用于对原始图像进行编码压缩,经过压缩后的数据通常维数远远低于输入数据,将压缩结果作为输入图像所对应的特征向量,采用支持向量机进行分类。通过将应用自动编码器自动提取的特征与传统的PCA、HOG特征进行对比实验,结果表明,采用自动编码器自动提取的特征性能明显优于传统手工提取的特征。     

两段式烘丝控制模式对中支卷烟烟丝理化特性及感官质量的影响

为研究两段式滚筒烘丝机不同控制模式对中支卷烟品质的影响，探索了筒壁温度前高后低、前低后高变温干燥和一段式恒温干燥对烟丝理化特性及产品感官质量的影响规律。结果表明:①滚筒变温干燥模式均能够提高叶丝长丝率、整丝率和填充性能，而恒温干燥模式则有利于提升叶丝结构的分布均匀性；②不同干燥模式对叶丝挥发性香味成分的形成与积累影响较小，采用125 ℃/145 ℃变温干燥和135 ℃一段式恒温干燥低强度处理模式更有利于提升叶丝化学成分的协调性和香味成分的积累量；③125 ℃/145 ℃变温和135 ℃一段式恒温干燥低强度处理模式均有利于彰显“清甜香”品类卷烟产品的感官质量，兼顾干燥叶丝的理化特性和卷烟感官质量，135 ℃一段式恒温干燥模式更适宜“云烟”品牌中支卷烟的加工生产。      

基于近红外光谱和BYOL对比学习的烟叶部位识别方法

【背景和目的】烟叶部位识别对卷烟制品的配方设计与质量监控具有重要意义。利用近红外光谱（NIR）分析可以实现烟叶部位的快速、无损在线识别。针对烟叶光谱特征提取困难问题，利用具有强特征提取的BYOL模型，提出NIR-BYOL烟叶部位识别方法。【方法】通过微分光谱融合实现数据增强，利用卷积自编码器和多层感知器实现BYOL的在线网络和目标网络，以在线网络和目标网络输出的均方误差为损失函数，通过损失最小优化的编码值，提取的特征经SVM分类识别烟叶部位信息。实验比较分析了不同数据增强方式、卷积核大小和激活函数对模型的影响。【结果】一阶微分融合和二阶微分融合的组合是最佳数据增强方法，对比学习模型最佳参数为卷积核11*1，激活函数为ELU。模型对部位的平均识别率达到91.79%。相比SVM、PCA+SVM和PLS-DA方法，NIR-BYOL模型的准确率有显著提升，分别提升了13.12%、15.79%、16.79%。【结论】近红外光谱分析技术结合对比学习模型可以有效分类识别烟叶的部位信息。     

基于收缩特性分析的叶丝快速对流干燥动力学模型

为准确表征叶丝脱水过程中的干燥动力学特性,分析了烤烟和白肋烟两种叶丝在下行床快速对流干燥中的孔隙结构变化特征,对叶丝干燥收缩过程进行了数学模型拟合,建立了考虑收缩形变的叶丝干燥过程水分扩散模型,并对模型进行了验证。结果表明:①随着干燥过程中两种叶丝内孔容积的减小,叶丝中孔径大于0.5μm的孔容比例呈降低趋势,而孔径小于0.05μm的孔容比例呈升高趋势;在不同干燥阶段两种叶丝孔径分布的分形维数介于2.45~2.71之间,表明其孔隙结构具有分形特征;②线性叠加式收缩模型能够较好地描述叶丝干燥过程中的收缩现象,烤烟叶丝和白肋烟叶丝体积比V/V₀和含水率比X/X₀的线性相关系数均大于0.99,采用该收缩模型对基于Fick第二定律的水分扩散模型进行修正,实验数据的拟合精度从修正前的0.9069提升到修正后的0.9580;③采用修正的水分扩散模型描述叶丝快速干燥动力学发现,考虑了干燥过程中的叶丝收缩现象后,得到的叶丝水分有效扩散系数降低,表明叶丝干燥过程中的体积收缩不利于传质过程。      

基于深度学习的变电站保护硬压板检测与状态识别技术研究

【目的】针对目前变电站保护压板仍由人工核对读取识别,效率低下且容易误操作,制约着变电站向着智能化方向发展。【方法】文章利用深度学习技术,基于YOLO v5算法,进行超参数调整,可迅速实现对保护压板的位置检测与状态识别。同时,通过数据标注建立了用于训练网络的保护压板数据集,该数据集共包含500张压板图像。【结果】实验结果表明,与传统的图像处理算法相比,该识别方法实时性高,且其准确率最高可达到93.63%。【结论】可以应用于变电站保护压板检测和状态识别中。     

基于时序数据库与深度学习的制丝实时数据应用研究

[目的]研究气流烘丝机叶丝干燥工序出口叶丝含水率实时趋势预测的解决方案,提高产品工艺质量稳定性.[方法]基于时序数据库InfluxDB对实时生产数据进行存储、查询统计、分析告警,使用三次指数平滑算法、长短期记忆网络(LSTM)和序列到序列学习(Seq2Seq)对生产过程数据建模预测.[结果]①三次指数平滑算法集成在时序...     

基于多尺度卷积自编码器的色织面料缺陷检测

针对传统自编码器对复杂花型色织衬衫面料缺陷检测效果不佳的问题,提出一种基于多尺度卷积自编码器的色织衬衫面料缺陷自动检测与定位方法。对无缺陷样本集加入椒盐噪声,建立多尺度卷积自编码器重构模型,该模型将特征映射通过跳接的方式连接起来进行多尺度特征融合;然后,将添加噪声后的样本放入模型训练,使模型具有对噪声干扰进行重构性修复的能力;计算待测色织衬衫面料图像和其重构图像的残差;将所得残差图像进行数学形态学处理,实现色织衬衫面料缺陷区域的检测和定位。实验结果表明,所提出的算法在不依赖样本标注的情况下,可以实现复杂花型色织衬衫面料缺陷区域的检测和定位。     

基于T-PLS-GRA的造纸干燥过程能耗非优原因追溯模型

本研究建立了一种结合T-PLS（全潜结构投影）和GRA（灰色关联度分析）的造纸干燥过程能耗非优原因追溯模型。该模型首先基于机理知识和方差特性,去除造纸干燥过程生产数据中的非核心特征变量,并通过3σ原则和箱形图剔除异常值;然后使用施胶前定量与卷取车速数据,结合K-Means聚类算法,实现不同生产状态的分类;最后针对不同的生产状态,对比T-PLS和PLS建立的经济指标计算模型,选用基于T-PLS-GRA算法,构建造纸干燥过程能效非优原因追溯模型。结合国内某造纸厂实时生产数据对该模型进行了验证。结果表明,该模型基于经济指标判断工业生产状态过程,对非优过程预测精准率为77.7%,可较好地跟踪造纸过程设备运行状态的变化过程;并且能追溯非优状态原因及整个工况下,非优生产状态中最大贡献变量出现频次,为企业改进工艺流程及节能优化提供了参考依据。     

基于自编码器的制冷压缩机异常振动检测方法

制冷压缩机是冷藏设备的核心部件,针对制冷压缩机生产过程中的质量管控难题,提出了一种基于自编码器技术的制冷压缩机异常振动检测方法,同时给出了自编码器异常振动检测的原理和流程以及压缩机振动信号样本的获取方法。研究了自编码器输入与输出间的均方差值与信号样本的分布关系,基于自编码器模型,给出了压缩机异常振动的判断依据。从自编码器参数和训练样本数量两个方面,讨论了自编码器计算迭代次数、隐藏层数以及训练样本数量3个参数对其判定准确性的影响关系,研究发现,迭代次数和隐藏层数对判定准确性有影响,但规律性不强;样本数量对判定准确率影响显著,会随训练样本数量增加而提高,提高训练样本数量是提高自编码器判定准确率的有效方法,自编码器可以很好应用于制冷压缩机异常振动的检测。     

滚筒干燥过程中叶丝表面温度变化特征

为了研究滚筒干燥过程中叶丝含水率和温度的变化规律,建立了描述叶丝滚筒干燥过程中表面温度变化的动力学模型,在此基础上进一步考察了不同壁温对叶丝表面温度变化的影响,并对比分析了烤烟和白肋烟两种叶丝干燥过程中表面温度变化特征差异.结果表明:①基于热量和质量传递平衡方程得到的叶丝表面温度动力学模型,可较好反映叶丝干燥过程表面温度动态变化特征.②随着筒壁温度升高,烤烟B2F和白肋烟C3F的升温速率增大,两种叶丝所能达到的表面温度增加;相同干燥条件下,烤烟的表面温度变化较白肋烟的表面温度变化快.③表面温度随含水率的变化经历3个阶段:第1阶段,随含水率下降,表面温度升高很快;第2阶段,随含水率的降低,表面温度缓慢升高;第3阶段,表面温度随含水率的下降而迅速升高.     

两种干燥工艺下叶丝加工质量的对比分析

为探讨叶丝干燥工艺对烟叶加工质量的影响,对叶丝经滚筒干燥和气流干燥处理后物理指标、感官质量、化学成分、烟气指标和7项有害成分的变化情况进行了检测。结果表明:①相对于滚筒干燥,气流干燥处理后叶丝的填充值显著升高、碎丝率显著降低,焦油和一氧化碳量均显著降低,7种有害成分中NNK释放量显著降低,但巴豆醛释放量有明显升高趋势,其他5种有害成分变化趋势不明显;②干燥工艺对感官质量的影响主要表现在香气量和丰满程度上,气流干燥会导致香气量减少、丰满程度降低,且干燥工艺对感官质量的影响在不同产地烟叶上存在较大差异。