一种基于边缘计算单元的烘丝机动态调优控制方法及装置制造方法及图纸

本发明专利技术公开了一种基于边缘计算单元的烘丝机动态调优控制方法及装置，该方法包括在烘丝机的历史运行数据中获取目标参数对应的目标数据；基于目标数据与历史出口含水量数据构建训练集，基于训练集训练并构建前馈神经网络模型；基于前馈神经网络模型搭建边缘计算单元，并基于边缘计算单元采集所述烘丝机中目标参数对应的实时数据；基于实时数据确定出口含水量预测值，并基于出口含水量预测值调整烘丝机的热风风量与排潮负压，用以使出口含水量预测值收敛至出口含水量预设值。本发明专利技术实现了通过实时动态预测出口含水量，在干扰因素变化引起出口含水量变化前参与PID控制，减少干扰因素对出口含水量的影响，满足烘丝机含水率稳态控制要求。控制要求。控制要求。

【技术实现步骤摘要】
一种基于边缘计算单元的烘丝机动态调优控制方法及装置


[0001]本申请涉及智能控制
，具体而言，涉及一种基于边缘计算单元的烘丝机动态调优控制方法及装置。

技术介绍

[0002]烟丝含水率是影响香烟燃烧的吸入和感官质量的重要因素，也是制丝车间烘丝机最重要的工艺控制参数之一。目前多数烘丝机的含水量是基于传统PLC控制器PID来进行控制的，由于烘丝机受干燥原理及烘干工艺限制，烟丝从进入口经前室、烘筒、后室的烘干流程，到出料口需要较长时间。这导致在干扰变量产生变化，进而导致出口含水量发生变化后，出口含水率与设定值偏差的闭环信号滞后严重，PID需要经过一段时间的调整才能将其恢复到稳态。可见，传统PID调节是一种滞后调节方法，必须在干扰变量变化导致出口含水量发生变化后才能做出反应，无法对出口含水量进行及时的调控，使得出口烟丝水分波动明显，不满足烘丝机含水率稳态控制要求。

技术实现思路

[0003]为了解决上述问题，本申请实施例提供了一种基于边缘计算单元的烘丝机动态调优控制方法及装置。
[0004]第一方面，本申请实施例提供了一种基于边缘计算单元的烘丝机动态调优控制方法，所述方法包括：在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数；基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型；基于所述前馈神经网络模型搭建边缘计算单元，并基于所述边缘计算单元采集所述烘丝机中所述目标参数对应的实时数据；基于所述实时数据确定出口含水量预测值，并基于所述出口含水量预测值调整所述烘丝机的热风风量与排潮负压，用以使所述出口含水量预测值收敛至出口含水量预设值。
[0005]优选的，所述基于所述实时数据确定出口含水量预测值，包括：基于所述前馈神经网络模型生成预测表，所述预测表用以表征各所述目标参数在不同数值时对应的出口含水量预测值；基于所述预测表确定所述实时数据对应的出口含水量预测值。
[0006]优选的，所述边缘计算单元包括前馈神经网络模型、热备冗余CoFep、硬件状态监控HSM、进程监控DAC；所述热备冗余CoFep用于通过心跳监控所述前馈神经网络模型、硬件状态监控HSM和进程监控DAC的工作状态；
所述硬件状态监控HSM用于获取所述边缘计算单元的硬件信息和通讯状态数据；所述进程监控DAC用于实时管理进程状态，并将所述进程状态作为心跳信息输出至所述热备冗余CoFep。
[0007]优选的，所述边缘计算单元至少存在两个，且各所述边缘计算单元之间互为主备系统。
[0008]优选的，所述基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型，包括：确定所述烘丝机的各工作模式，分别基于不同所述工作模式对应的所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集；分别基于不同所述工作模式对应的所述训练集训练并构建各前馈神经网络模型。
[0009]优选的，所述方法还包括：基于所述实时数据计算出口含水量实际值，基于所述出口含水量实际值负反馈优化所述前馈神经网络模型。
[0010]第二方面，本申请实施例提供了一种基于边缘计算单元的烘丝机动态调优控制装置，所述装置包括：获取模块，用于在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数；构建模块，用于基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型；采集模块，用于基于所述前馈神经网络模型搭建边缘计算单元，并基于所述边缘计算单元采集所述烘丝机中所述目标参数对应的实时数据；调整模块，用于基于所述实时数据确定出口含水量预测值，并基于所述出口含水量预测值调整所述烘丝机的热风风量与排潮负压，用以使所述出口含水量预测值收敛至出口含水量预设值。
[0011]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
[0012]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
[0013]本专利技术的有益效果为：通过构建前馈神经网络预测模型，实时动态预测出口含水量，在干扰因素变化引起出口含水量变化前参与PID控制，减少干扰因素对出口含水量的影响，满足烘丝机含水率稳态控制要求。
附图说明
[0014]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本申请实施例提供的一种基于边缘计算单元的烘丝机动态调优控制方法的
流程示意图；图2为本申请实施例提供的一种基于边缘计算单元的烘丝机动态调优控制装置的结构示意图；图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0016]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0017]在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
[0018]下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
[0019]参见图1，图1是本申请实施例提供的一种基于边缘计算单元的烘丝机动态调优控制方法的流程示意图。在本申请实施例中，所述方法包括：S101、在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数。
[0020]本申请的执行主体可以是云端服务器。
[0021]在本申请实施例中，云端服务器将会从烘丝机的历史运行数据中查询并获取到会影响烘丝机尾料出口含水量的相关运行参数所对应的目标数据，以此来作为后续进行前馈神经网络模型训练的样本。
[0022]S102、基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算单元的烘丝机动态调优控制方法，其特征在于，所述方法包括：在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数；基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型；基于所述前馈神经网络模型搭建边缘计算单元，并基于所述边缘计算单元采集所述烘丝机中所述目标参数对应的实时数据；基于所述实时数据确定出口含水量预测值，并基于所述出口含水量预测值调整所述烘丝机的热风风量与排潮负压，用以使所述出口含水量预测值收敛至出口含水量预设值。2.根据权利要求1所述的方法，其特征在于，所述基于所述实时数据确定出口含水量预测值，包括：基于所述前馈神经网络模型生成预测表，所述预测表用以表征各所述目标参数在不同数值时对应的出口含水量预测值；基于所述预测表确定所述实时数据对应的出口含水量预测值。3.根据权利要求1所述的方法，其特征在于，所述边缘计算单元包括前馈神经网络模型、热备冗余CoFep、硬件状态监控HSM、进程监控DAC；所述热备冗余CoFep用于通过心跳监控所述前馈神经网络模型、硬件状态监控HSM和进程监控DAC的工作状态；所述硬件状态监控HSM用于获取所述边缘计算单元的硬件信息和通讯状态数据；所述进程监控DAC用于实时管理进程状态，并将所述进程状态作为心跳信息输出至所述热备冗余CoFep。4.根据权利要求1所述的方法，其特征在于，所述边缘计算单元至少存在两个，且各所述边缘计算单元之间互为主备系统。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标数据与所述目标数据对应的历史...

【专利技术属性】
技术研发人员：周萍芳，杜云鹏，陶智麟，张思明，简著名，李会平，张亮，刘德强，张瑞琪，魏斌，
申请(专利权)人：湖北中烟工业有限责任公司，
类型：发明
国别省市：