煙絲卷包智能控制系統(tǒng)模型設(shè)計(jì)與研究

唐 聰，黎曉東，孫潔香，杜已超，秦 生

（1.北京機(jī)械工業(yè)自動(dòng)化研究所，北京 100120；2.機(jī)械科學(xué)研究總院有限公司，北京 100044；3.北京機(jī)械工業(yè)自動(dòng)化研究所有限公司，北京 100120）

0 引言

成品煙支的吸阻值是產(chǎn)品最終的質(zhì)量考核指標(biāo)，而煙支吸阻只有在卷煙機(jī)生產(chǎn)的卷包過(guò)程是可控的，后續(xù)的輸送和包裝過(guò)程都是不可控的，因此在卷煙機(jī)處控制煙支吸阻的穩(wěn)定性是關(guān)鍵。

目前，煙支吸阻的控制仍存在諸多問(wèn)題：對(duì)目標(biāo)重量的調(diào)整時(shí)機(jī)嚴(yán)重依賴人工經(jīng)驗(yàn)，且數(shù)據(jù)極少；質(zhì)檢員采樣檢測(cè)反饋周期長(zhǎng)；調(diào)整短支煙重量，而檢測(cè)的是長(zhǎng)支煙的煙支吸阻；未關(guān)聯(lián)濾嘴數(shù)據(jù)；未綜合考慮不同批次煙絲數(shù)據(jù)。為解決以上問(wèn)題，本文設(shè)計(jì)了煙絲卷包智能控制系統(tǒng)模型，根據(jù)卷煙過(guò)程的特點(diǎn)，綜合考慮設(shè)備參數(shù)、原料、輔料的影響，利用機(jī)器學(xué)習(xí)算法對(duì)高維數(shù)據(jù)的建模分析優(yōu)勢(shì)，形成解析原料、控制過(guò)程、兼顧輔料的煙支吸阻控制新路徑。

1 煙支吸阻控制現(xiàn)狀分析

煙支吸阻的控制是通過(guò)調(diào)整煙支的目標(biāo)重量實(shí)現(xiàn)的，在生產(chǎn)過(guò)程中檢驗(yàn)員根據(jù)煙支的離線檢測(cè)數(shù)據(jù)進(jìn)行低頻次的目標(biāo)重量調(diào)整，調(diào)整的依據(jù)主要是質(zhì)檢員的多次抽樣檢測(cè)結(jié)果與個(gè)人經(jīng)驗(yàn)。首先質(zhì)檢員對(duì)煙支進(jìn)行集中抽樣，即到機(jī)臺(tái)同時(shí)抽取一定數(shù)量的短支煙到檢驗(yàn)室進(jìn)行統(tǒng)一檢驗(yàn)，如果檢測(cè)到煙支吸阻超出了標(biāo)準(zhǔn)，則再次進(jìn)行取樣，然后依據(jù)其經(jīng)驗(yàn)最終確定如何修改目標(biāo)重量，從而改變煙支吸阻。質(zhì)檢員檢測(cè)的是長(zhǎng)支煙的煙支吸阻，而目標(biāo)重量的調(diào)整是直接作用于短支煙的；且濾棒的吸阻與重量是一個(gè)不可控因素，現(xiàn)有操作流程并未對(duì)其數(shù)據(jù)進(jìn)行跟蹤關(guān)聯(lián)。

針對(duì)上述現(xiàn)狀，本文采集了某卷煙機(jī)某型號(hào)煙支的357，882條數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，其中煙支吸阻標(biāo)準(zhǔn)設(shè)定值為106。

圖1為不同批次煙支吸阻均值的統(tǒng)計(jì)情況，圖2為不同批次煙支吸阻方差、標(biāo)準(zhǔn)差的變化趨勢(shì)。由圖可以看出，不同煙絲批次間的煙支吸阻波動(dòng)比較大。

圖1 不同批次煙支吸阻均值變化趨勢(shì)

圖2 不同批次煙支吸阻方差、標(biāo)準(zhǔn)差變化趨勢(shì)

抽取部分批次煙支數(shù)據(jù)繪制同一批次間煙支吸阻波動(dòng)情況圖，如圖3所示。

圖3 同一批次煙支吸阻當(dāng)前值變化趨勢(shì)

由上述情況可分析得出，當(dāng)前人工控制模式下，煙支吸阻組內(nèi)波動(dòng)小、組間波動(dòng)較大。組內(nèi)波動(dòng)主要是由機(jī)器波動(dòng)引起的，波動(dòng)小則說(shuō)明機(jī)器性能穩(wěn)定；而組間波動(dòng)較大的原因則是由于對(duì)每批煙支目標(biāo)重量控制不穩(wěn)定。由于人工控制屬于開(kāi)環(huán)、離線控制，質(zhì)檢員的抽檢頻次低，對(duì)于目標(biāo)重量的調(diào)整存在嚴(yán)重的滯后性，難以及時(shí)進(jìn)行卷煙機(jī)臺(tái)煙支重量偏差的預(yù)防、糾正；且沒(méi)有閉環(huán)反饋機(jī)制，煙支吸阻的控制受質(zhì)檢員經(jīng)驗(yàn)積累程度、工作態(tài)度變化的影響比較大，批次質(zhì)量控制的優(yōu)劣存在很大的隨機(jī)性，且難以復(fù)制較優(yōu)批次的生產(chǎn)控制。因此，目前需要煙支吸阻智能控制系統(tǒng)，制定完整的控制流程，實(shí)現(xiàn)煙支吸阻的閉環(huán)控制，積累優(yōu)良批次的調(diào)控經(jīng)驗(yàn)，穩(wěn)定批次間的質(zhì)量控制，提高煙支吸阻控制的穩(wěn)定性，提升煙支品質(zhì)。

2 總體方案設(shè)計(jì)

針對(duì)煙支吸阻控制中存在的上述問(wèn)題，在綜合考慮生產(chǎn)過(guò)程中多種因素的影響后，利用機(jī)器學(xué)習(xí)算法開(kāi)發(fā)煙絲卷包智能控制模型，形成總體方案如圖4所示。其中，卷煙機(jī)高速數(shù)采系統(tǒng)負(fù)責(zé)對(duì)卷煙機(jī)的單支煙數(shù)據(jù)進(jìn)行采集，然后將數(shù)據(jù)上傳到物聯(lián)網(wǎng)平臺(tái)中建立的卷煙機(jī)具象化模型。具象化模型將數(shù)據(jù)一方面?zhèn)魉徒o控制系統(tǒng)，一方面?zhèn)魉徒oDSE數(shù)據(jù)庫(kù)。智能控制系統(tǒng)通過(guò)通信接口與控制系統(tǒng)進(jìn)行通信?？刂葡到y(tǒng)通過(guò)數(shù)據(jù)整流模塊對(duì)數(shù)據(jù)進(jìn)行整流，控制系統(tǒng)根據(jù)整流數(shù)據(jù)構(gòu)建煙支吸阻預(yù)測(cè)模型、目標(biāo)重量決策模型，最后將輸出的目標(biāo)重量傳送給控制系統(tǒng)，從而對(duì)煙支吸阻進(jìn)行智能控制。

圖4 煙絲卷包智能控制系統(tǒng)模型總體方案

3 數(shù)據(jù)采集與分析

數(shù)據(jù)采集階段通過(guò)OPC接口對(duì)成品煙絲、濾棒成型機(jī)、卷煙機(jī)等設(shè)備以及部分動(dòng)力車間的設(shè)備狀態(tài)參數(shù)進(jìn)行數(shù)據(jù)采集。通過(guò)討論，結(jié)合技術(shù)人員相關(guān)經(jīng)驗(yàn)，最終從煙絲卷包段531個(gè)參數(shù)中初步選定了91個(gè)參數(shù)作為煙支吸阻影響參數(shù)。如表1所示。

表1 煙支吸阻影響參數(shù)

因?yàn)楦鲄?shù)對(duì)煙支吸阻的影響的程度不同，所以需要對(duì)影響參數(shù)的重要性進(jìn)行度量，進(jìn)行煙支吸阻特征參數(shù)的相關(guān)性分析，得到此特征重要性評(píng)分圖，如圖5所示。

圖5 煙支吸阻特征參數(shù)重要性評(píng)分圖

綜合煙支吸阻特征參數(shù)重要性評(píng)分等各因素，確定了對(duì)煙支吸阻影響程度較大的特征參數(shù)，作為智能控制模型的輸入?yún)?shù)，如表2所示。

表2 智能控制模型輸入?yún)?shù)

4 智能控制系統(tǒng)模型

智能控制系統(tǒng)模型輸入?yún)?shù)確定后，進(jìn)行智能控制系統(tǒng)模型第一階段：建立煙支吸阻預(yù)測(cè)模型，即將特征參數(shù)輸入煙支吸阻預(yù)測(cè)模型，包括之前批次的全部數(shù)據(jù)以及當(dāng)前生產(chǎn)批次的全部數(shù)據(jù)。將預(yù)測(cè)批次的煙支吸阻值作為輸出層唯一節(jié)點(diǎn)，使用LSTM網(wǎng)絡(luò)建立網(wǎng)絡(luò)模型。將預(yù)測(cè)的煙支吸阻值與實(shí)際的煙支吸阻值的方差作為損失函數(shù)，最小化該損失函數(shù)以優(yōu)化該網(wǎng)絡(luò)模型。統(tǒng)計(jì)網(wǎng)絡(luò)訓(xùn)練歷史中方差的趨勢(shì)，生成可視化的訓(xùn)練過(guò)程。

4.1 煙支吸阻預(yù)測(cè)模型

可以將展開(kāi)的煙支吸阻預(yù)測(cè)網(wǎng)絡(luò)視為一個(gè)深度前饋神經(jīng)網(wǎng)絡(luò)，在這個(gè)深度前饋神經(jīng)網(wǎng)絡(luò)中所有層共享同樣的權(quán)值，使其能夠?qū)W習(xí)長(zhǎng)期的依賴性。為了實(shí)現(xiàn)學(xué)習(xí)并能夠長(zhǎng)期保存信息，采用了能增大網(wǎng)絡(luò)存儲(chǔ)、長(zhǎng)期保存輸入的具有特殊隱式單元的LSTM網(wǎng)絡(luò)。LSTM網(wǎng)絡(luò)中，I、O、F均為門控神經(jīng)元，M則為記憶細(xì)胞的特殊單元累加器，在下一個(gè)時(shí)間步長(zhǎng)將生成一個(gè)權(quán)值并將此權(quán)值聯(lián)結(jié)到自身，復(fù)制自身狀態(tài)的真實(shí)值和累積的外部信號(hào)，這個(gè)自聯(lián)結(jié)由乘法門控制，并在另一個(gè)單元進(jìn)行學(xué)習(xí)，從而決定清除記憶內(nèi)容的時(shí)機(jī)。

首先使用LSTM的當(dāng)前輸入xt和上一個(gè)狀態(tài)傳遞下來(lái)的ht-1拼接訓(xùn)練得到四個(gè)狀態(tài)：

其中：Zi表示I門，Zf表示F門，Zo表示O門。

由于其展開(kāi)是一個(gè)深度前饋網(wǎng)絡(luò)，其中細(xì)胞狀態(tài)則有：

輸出，也就是煙支吸阻預(yù)測(cè)值則有：

F門：遺忘門，對(duì)信息的丟棄或保留起決定作用。進(jìn)行Sigmoid變換，變換的參數(shù)為當(dāng)前層的輸入信息以及上一層的隱藏狀態(tài)信息，輸出值越接近于0，信息就會(huì)越容易被刪除。

I門：輸入門，對(duì)細(xì)胞狀態(tài)起更新的作用。首先進(jìn)行Sigmoid變換，變換的參數(shù)為當(dāng)前層的輸入信息和上一層的隱藏狀態(tài)信息，然后對(duì)需要更新的信息進(jìn)行確定，即，將值調(diào)整到0～1之間，更新原則為：如果為0，則表示不重要；如果為1，則表示重要。其次，進(jìn)行tanh變換，變換的參數(shù)為當(dāng)前輸入的信息以及前一層隱藏狀態(tài)的信息，從而可以更新侯選值向量。最后用Sigmoid變換的輸出值乘以tanh變換的輸出值，需要保留的tanh變換的輸出值的信息由Sigmoid變換的輸出值來(lái)進(jìn)行決定。

圖6 煙支吸阻預(yù)測(cè)模型

M記憶細(xì)胞：將前一層的M與F向量逐點(diǎn)相乘。如果與它相乘的值接近0，則代表這些信息在新的細(xì)胞狀態(tài)中是需要被丟棄的。然后將該值與輸入門的輸出值進(jìn)行逐點(diǎn)相加，則將神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)的新信息更新到細(xì)胞狀態(tài)。

O門：輸出門，輸出門可以用來(lái)對(duì)下一個(gè)隱藏狀態(tài)的值進(jìn)行確定，先前輸入的信息包含在隱藏狀態(tài)中。首先，進(jìn)行Sigmoid變換，變換的參數(shù)為上一層的隱藏狀態(tài)和當(dāng)前層的輸入信息；然后進(jìn)行tanh變換，變換的參數(shù)為新得到的細(xì)胞狀態(tài)信息；最后，用Sigmoid變換的輸出乘以tanh變換的輸出，從而對(duì)隱藏狀態(tài)攜帶的信息進(jìn)行確定，將隱藏狀態(tài)作為當(dāng)前細(xì)胞的輸出，把新的細(xì)胞狀態(tài)和新的隱藏狀態(tài)傳遞到下一個(gè)時(shí)間步長(zhǎng)中去。

4.2 目標(biāo)重量決策模型

目標(biāo)重量決策模型控制的核心思想是可以讓卷煙機(jī)可以詢問(wèn)“如果”，然后在一個(gè)有限的預(yù)測(cè)區(qū)間中，利用過(guò)去的經(jīng)驗(yàn)值，針對(duì)此滾動(dòng)預(yù)測(cè)域的最佳化損失函數(shù)J。非線性最佳損失函數(shù)J：

其中：

χi：表示第i個(gè)受控變數(shù)（例如，短支煙實(shí)際重量）。

γi：表示第i個(gè)參考變數(shù)（例如，煙支吸阻）。

ui：表示第i個(gè)輸出控制變數(shù)（例如，目標(biāo)重量設(shè)定值）。

ωxi：反應(yīng)χi相對(duì)重要性的加權(quán)系數(shù)。

ωui：懲罰ui相對(duì)大幅變化的加權(quán)系數(shù)。

5 結(jié)果分析

下面將從三個(gè)方面對(duì)煙絲卷包智能控制模型的控制效果與傳統(tǒng)的人工控制效果進(jìn)行對(duì)比。

圖7 目標(biāo)重量決策模型

1）吸阻值對(duì)比。將煙支吸阻預(yù)測(cè)模型的煙支吸阻輸出值與實(shí)際煙支吸阻測(cè)量值進(jìn)行對(duì)比，煙支吸阻預(yù)測(cè)模型準(zhǔn)確度達(dá)95%，如圖8所示，證明煙支吸阻預(yù)測(cè)模型具有較好的預(yù)測(cè)性能。

圖8 煙支吸阻預(yù)測(cè)準(zhǔn)確性比對(duì)

2）吸阻缺陷率對(duì)比。將智能控制煙支吸阻缺陷率與人工控制煙支吸阻缺陷率進(jìn)行對(duì)比，如圖9所示，顯見(jiàn)，智能控制的缺陷率明顯低于人工控制缺陷率，可以證明，智能控制比人工控制的煙支吸阻質(zhì)量控制效果有明顯的提升，智能控制系統(tǒng)有效。

圖9 人工與智能控制吸阻缺陷率對(duì)比

3）煙絲使用率對(duì)比。將智能控制和人工控制情況下的煙支吸阻與煙支重量的對(duì)應(yīng)關(guān)系生成圖表，如圖10所示?？梢?jiàn)，智能控制與人工控制相比，在消耗同等煙絲重量的條件下，吸阻值更高一些，更貼近煙支吸阻設(shè)定值106，對(duì)煙絲的使用效率更高。

圖10 人工與智能控制效果對(duì)比

6 結(jié)語(yǔ)

本文提出的智能控制系統(tǒng)模型能夠?qū)崟r(shí)監(jiān)控?zé)熤璧牟▌?dòng)情況，并根據(jù)其走勢(shì)及時(shí)對(duì)煙支吸阻做出干預(yù)控制，相較于傳統(tǒng)的人工控制只能靠質(zhì)檢員依據(jù)對(duì)吸阻的采樣測(cè)量值進(jìn)行經(jīng)驗(yàn)性判斷的情況，智能控制對(duì)煙支吸阻變化過(guò)程的控制更加及時(shí)、平穩(wěn)，煙支質(zhì)量具有明顯提高。