基于树学习模型的烟草生丝水分影响因素分析

烟草制丝过程中烟丝的加水量对制丝质量起着重要的作用,而影响加水量的因素众多.为了定量研究各影响因素对生丝水分的影响程度,通过对绵阳卷烟厂生丝水分历史数据,运用多种机器学习树模型算法进行学习,并对结果进行对比分析.分析结果表明,不同模型所获得的预测精度存在差别,在现有数据上极端梯度提升树获得了最高的预测精度.通过极端梯度...     

基于机器学习的烘丝出口水分稳定性控制

该文以SH664P型滚筒薄板烘丝机为研究对象,以筒壁温度量化调整为主要的水分稳定性控制措施,基于机器宝数采系统采集生产过程原始参数数据,并筛选、择优选择机器学习算法,将SIROX段、烘丝段参数进行回归拟合。创建基于当前筒内参数环境下的料头和过程生产阶段的烘丝出口水分预测回归模型。再通过出口水分预测值与控制值的水分差值,计算出对应筒壁温度的调整范围。结果表明：在模型验证的30批烘丝生产数据中,烘丝出口水分标偏均值整体为0.04左右,可见筒壁温度精确化调整可有效维持烘丝出口水分的稳定。     

基于层次分析法的卷烟烘丝机健康度评估

烘丝工序是卷烟制丝生产的关键环节，其设备状态决定着生产是否能正常进行，如果设备带病运行，将会降低烟丝质量。对烘丝机的健康状态进行评估和故障定位对及时掌握设备状态，降低因延时维修造成的经济损失十分关键。提出了一种基于层次分析法的烘丝机设备健康度评估方法。该方法基于传感器采集的设备实时运行数据和统计的历史数据，构建烘丝机设备健康度指标体系，以百分数的形式表示当前设备健康状态。在烘丝机发生故障时，系统可以进行故障定位和故障等级划分，从而提高设备的维修效率。