陈晓杜 郭天文 曹琦

摘 要：为提高制丝生产过程中松散回潮机出口含水率控制效果，利用历史生产数据，采用基于Elman神经网络建立松散回潮出口叶片含水率预测模型，通过逼近法给出当前生产环境温湿度下，指定出口叶片含水率对应的最佳加水比例。结果表明，通过Elman神经网络预估加水比例后，提高了出口含水率的控制效果。

关键词：Elman神经网络；松散回潮；出口含水率；预测

中图分类号 S572 文献标识码 A 文章编号 1007-7731（2016）08-118-03

1 引言

在卷烟制造过程中，制叶丝的过程含水率控制是制丝生产中的关键参数，在烘丝前的含水率控制主要通过松散回潮工序中加水比例调节。不同的加水比例下松散回潮机的出口片烟含水率不同，最终将导致烘丝入口叶丝含水率的差异。因此，调节松散回潮加水比例控制松散回潮出口含水率在制丝过程中具有重要意义。董伟等[1]采用PID反馈控制修正加水量，曹正良[2]将反馈控制改进为前馈控制方式，二者均从控制的角度出发，优化控制算法，调节加水比例。李秀芳等[3-5]则采用过程参数优化的方式，通过过程参数优化，调节加水比例。以上2种方法均对松散回潮机出口片烟含水率的调节作出了一定优化，但2种方法均从内部角度考虑，而忽略了环境温湿度等外部条件对出口片烟含水率的影响。

为此，本研究通过对历史生产数据的分析，采用基于双隐含层的Elman神经网络建立松散回潮机加水比例预测模型，然后再获取当前环境温湿度下，通过大量模拟加水比例输入，找出相应输出中与设定出口含水率设定值最接近的加水比例作为生产过程参考加水比例，利用该加水比例进行生产，保障出口片烟含水率与设定值的误差得到改善。……