叶丝滚筒干燥过程复杂网络关系研究与应用

发布时间：2022-02-24 20:39

　　为合理利用卷烟加工过程中生产实际数据,采用贝叶斯网络分析方法,通过建立叶丝滚筒干燥工序复杂网络模型,对各影响因素与质量指标之间的复杂关系进行了研究。结果表明:①构建的复杂网络模型能真实反映叶丝干燥工序中各影响因素对质量指标的影响关系和影响程度,并与生产实际相吻合;②该叶丝滚筒干燥工序控制模式下,对叶丝干燥工序出料含水率、出料温度和叶丝冷却工序出料含水率影响最大的因素分别为叶丝干燥工序的II区筒壁温度、II区蒸汽阀门开度和II区筒壁温度,其影响权重分别为24.13%、26.85%和25.42%。③构建的复杂网络模型对叶丝干燥工序出料含水率和出料温度进行预测,在工艺技术标准范围内预测精度分别达到83.14%和82.67%,具有较好的工程预测效果。④在复杂网络模型自学习方面,与模型M（使用806批数据）相比,模型N（使用1 261批数据）对叶丝干燥工序出料含水率和叶丝冷却工序出料含水率的预测精度均提升1百分点以上,具有较好的自学习能力。 

【文章来源】：烟草科技. 2020,53(10)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 复杂网络模型构建
    1.1 网络模型理论基础
    1.2 网络模型构建的方法和流程
    1.3 数据采集与预处理
        （1）数据采集
        (2）数据预处理
    1.4 网络模型构建
2 结果与讨论
    2.1 叶丝滚筒干燥过程复杂关系分析
    2.2 复杂网络模型的应用与自学习
3 结论


【参考文献】：
期刊论文
[1]连续型贝叶斯网络在制丝工艺过程稳态优化中的应用[J]. 周冰,唐军,文里梁,侯岩,陈爱明,何邦华,温亚东,曾仲大.  烟草科技. 2019(12)
[2]基于Jaya的贝叶斯网络结构学习算法研究[J]. 严智,张鹏,谢川.  计算机工程与应用. 2019(19)
[3]基于大数据的叶丝干燥过程内在规律挖掘[J]. 唐军,何邦华,唐丽,温亚东,陈文,付亮,周冰.  中国农业科技导报. 2019(12)
[4]基于贝叶斯网络的概率图模型变分近似推理研究[J]. 何林海.  山东农业工程学院学报. 2019(04)
[5]基于贝叶斯网络的智慧城市建设影响因素研究[J]. 张宁,盛武.  城市学刊. 2018(06)
[6]基于稳健设计的滚筒烘丝机叶丝干燥工艺的优化[J]. 崔升,李日南.  贵州农业科学. 2018(11)
[7]基于云推理的叶丝干燥筒壁温度预测方法[J]. 阴彦磊,何邦华,唐军,周冰.  烟草科技. 2017(03)
[8]不同干燥强度下叶丝香味成分的主成分聚类分析[J]. 余娜,盛科,孙谢坤,陶立奇.  烟草科技. 2016(02)
[9]不同干燥方式对烟丝加工质量的影响[J]. 高辉,邱昌桂,徐南山,华一崑,钱启福,刘继辉.  云南农业大学学报(自然科学). 2016(01)
[10]基于收缩特性分析的叶丝快速对流干燥动力学模型[J]. 许冰洋,朱文魁,潘广乐,申玉军,李斌,于川芳.  烟草科技. 2015(09)

硕士论文
[1]基于数据驱动的烘丝机工艺参数分析与优化[D]. 张刘渲楠.昆明理工大学 2018
[2]基于约束的贝叶斯网络结构学习算法研究[D]. 张盈侠.西安电子科技大学 2014



本文编号：3643473