【技术实现步骤摘要】
本申请属于压铸设备，特别的涉及一种卷烟工艺指标的智能分析方法及装置。
技术介绍
1、目前，烟草加工制造企业正在进行数字化、智能化产业升级，对卷烟生产制造过程中精细化指标管理也提出了更高的要求。卷烟生产制造环节作为卷烟工业生产企业的关键一环，其生产制造过程中工艺指标的控制对卷烟质量影响巨大，尤其卷烟重量指标是卷烟最重要的物理指标之一，不但决定了抽吸口数的多少，还与卷烟吸阻、硬度、圆周等密切相关，卷烟重量控制的稳定性是保证卷烟质量的前提条件。
2、在卷烟生产过程中，卷烟工艺指标受到多个工艺参数因素的影响，部分工艺参数没有较好的调控措施，且在调控时各工艺参数之间会相互影响，进一步增加了工艺参数的调控难度。在现有技术中，对影响卷烟工艺指标的工艺参数进行研究时，一般都是针对单个或少数几个工艺参数进行研究，研究结果比较单一，而且在进行工艺参数优化时效率比较低。
技术实现思路
1、本申请为解决上述提到的在实际生产应用中，在对影响卷烟工艺指标的工艺参数进行研究的过程中，研究结果单一以及效率较低的问题，提出一种卷烟工艺指标的智能分析方法及装置，其具体方案如下：
2、第一方面，本申请提供了一种卷烟工艺指标的智能分析方法，包括：
3、基于包括至少三种数据类型的历史数据，对预设神经网络模型进行训练；其中，至少三种数据类型为至少两种硬件设备所对应的历史运行数据以及与所有历史运行数据所对应的至少一种卷烟工艺指标的历史实际数据；
4、当检测到至少两种硬件设备处于工
5、基于所有当前运行数据以及训练后的预设神经网络模型，得到至少两种硬件设备中与每种硬件设备所对应的目标运行数据；
6、对与每种目标运行数据所对应的硬件设备进行优化处理。
7、在第一方面的一种可选方案中，基于包括至少三种数据类型的历史数据，对预设神经网络模型进行训练，包括：
8、对包括至少三种数据类型的历史数据中至少两种硬件设备所对应的历史运行数据进行异常处理，得到与每种历史运行数据所对应的第一清洗数据；
9、对每种第一清洗数据进行特征选取处理，得到与每种历史运行数据所对应的特征数据；
10、基于所有特征数据以及与所有历史运行数据所对应的至少一种卷烟工艺指标的历史实际数据，对预设神经网络模型进行训练。
11、在第一方面的又一种可选方案中，对包括至少三种数据类型的历史数据中至少两种硬件设备所对应的历史运行数据进行异常处理，得到与每种历史运行数据所对应的第一清洗数据，包括：
12、确定出包括至少三种数据类型的历史数据中每种历史运行数据所对应的最大值以及最小值；
13、基于最大值、最小值以及预设算法，确定出每种历史运行数据所对应的区间范围；
14、对每种历史运行数据中未处于所对应的区间范围的数据进行删除处理，得到每种历史运行数据所对应的第二清洗数据；
15、或基于预设标准值，对每种历史运行数据中未处于所对应的区间范围的数据进行替换处理，得到每种历史运行数据所对应的第三清洗数据；
16、将第二清洗数据或第三清洗数据作为第一清洗数据。
17、在第一方面的又一种可选方案中，对每种第一清洗数据进行特征选取处理，得到与每种历史运行数据所对应的特征数据，包括：
18、对每种第一清洗数据进行方差计算，得到与每种第一清洗数据所对应的方差值；
19、若方差值小于预设方差阈值，对所有第一清洗数据中与方差值所对应的第一清洗数据进行删除处理，得到与每种历史运行数据所对应的特征数据。
20、在第一方面的又一种可选方案中，预设神经网络模型包括第一神经网络模型以及第二神经网络模型；
21、基于所有当前运行数据以及训练后的预设神经网络模型，得到至少两种硬件设备中与每种硬件设备所对应的目标运行数据，包括：
22、将所有当前运行数据输入至第一神经网络模型，得到至少一种卷烟工艺指标的当前预测数据；其中，第一神经网络模型由所有历史运行数据以及与所有历史运行数据所对应的所有卷烟工艺指标的历史实际数据进行训练得到；
23、将所有当前运行数据以及所有当前预测数据输入至第二神经网络模型，得到至少两种硬件设备中与每种硬件设备所对应的目标运行数据；其中，第二神经网络模型由所有历史运行数据、与所有历史运行数据所对应的所有卷烟工艺指标的历史实际数据以及第一神经网络模型的历史预测数据进行训练得到。
24、在第一方面的又一种可选方案中，对与每种目标运行数据所对应的硬件设备进行优化处理，包括：
25、基于每种目标运行数据，生成与每种目标运行数据所对应的电气控制指令；
26、基于每种电气控制指令，对与每种目标运行数据所对应的硬件设备进行控制，以使每种硬件设备的当前运行数据更新为所对应的目标运行数据。
27、在第一方面的又一种可选方案中，在当检测到至少两种硬件设备处于工作状态时，获取每种硬件设备所对应的当前运行数据之后，还包括：
28、基于所有硬件设备所对应的当前运行数据以及综合评价模型，得到每种硬件设备所对应的当前评价数据；其中，综合评价模型由所有历史运行数据以及每种历史运行数据所对应的历史评价数据训练得到。
29、第二方面，本申请提供了一种卷烟工艺指标的智能分析装置，包括：
30、模型训练模块，其用于基于包括至少三种数据类型的历史数据，对预设神经网络模型进行训练；其中，至少三种数据类型为至少两种硬件设备所对应的历史运行数据以及与所有历史运行数据所对应的至少一种卷烟工艺指标的历史实际数据；
31、数据采集模块，其用于当检测到至少两种硬件设备处于工作状态时，获取每种硬件设备所对应的当前运行数据；
32、参数优化模块，其用于基于所有当前运行数据以及训练后的预设神经网络模型，得到至少两种硬件设备中与每种硬件设备所对应的目标运行数据；
33、电气控制模块，其用于对与每种目标运行数据所对应的硬件设备进行优化处理。
34、第三方面，本申请提供了一种卷烟工艺指标的智能分析装置，包括处理器以及存储器；
35、处理器与存储器连接；
36、存储器，用于存储可执行程序代码；
37、处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现本申请实施例第一方面或第一方面的任意一种实现方式提供的卷烟工艺指标的智能分析方法。
38、第四方面，本申请提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，可实现本申请实施例第一方面或第一方面的任意一种实现方式提供的卷烟工艺指标的智能分析方法。
39、有益效果：
40、在本申请中，可在进行卷烟工艺指标的智能分析时，先基于包括至少三种数本文档来自技高网...
【技术保护点】
1.一种卷烟工艺指标的智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于包括至少三种数据类型的历史数据，对预设神经网络模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述对包括至少三种数据类型的历史数据中至少两种硬件设备所对应的历史运行数据进行异常处理，得到与每种所述历史运行数据所对应的第一清洗数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对每种所述第一清洗数据进行特征选取处理，得到与每种所述历史运行数据所对应的特征数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述预设神经网络模型包括第一神经网络模型以及第二神经网络模型；
6.根据权利要求1所述的方法，其特征在于，所述对与每种所述目标运行数据所对应的所述硬件设备进行优化处理，包括：
7.根据权利要求1所述的方法，其特征在于，在所述当检测到至少两种所述硬件设备处于工作状态时，获取每种所述硬件设备所对应的当前运行数据之后，还包括：
8.一种卷烟工艺指标的智能分析装置，其特征在于
9.一种卷烟工艺指标的智能分析装置，其特征在于，包括处理器以及存储器；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种卷烟工艺指标的智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于包括至少三种数据类型的历史数据，对预设神经网络模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述对包括至少三种数据类型的历史数据中至少两种硬件设备所对应的历史运行数据进行异常处理，得到与每种所述历史运行数据所对应的第一清洗数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对每种所述第一清洗数据进行特征选取处理，得到与每种所述历史运行数据所对应的特征数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述预设神经网络模型包括第一神经网络模型以及第二神经网络模型；...
【专利技术属性】
技术研发人员：陈天丽，褚玮，谢明利，钟琳，汪魁，曾雄伟，刘宗博，李浩，张楠，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。