基于分段预测前馈与EWMA反馈整合的松散回潮加水控制系统

侯加文，王海宇，杨龙飞，李超，汪冬冬*

基于分段预测前馈与EWMA反馈整合的松散回潮加水控制系统

侯加文1，王海宇2，杨龙飞3，李超4，汪冬冬1*

1 河南中烟工业有限责任公司驻马店卷烟厂，河南 驻马店 463000；2 郑州大学商学院，河南 郑州 450001；3 河南中烟工业有限责任公司许昌卷烟厂，河南 许昌 461001；4 河南中心线电子科技有限公司，河南 郑州 450004

【目的】为解决松散回潮工序出口含水率控制精度低，质量波动大等问题。【方法】根据入口含水率的变化采用分段预测的方法对加水阀门进行前馈控制，根据出口含水率实际值与目标值的偏差采用指数加权移动平均法（Exponentially Weighted Moving Average，EWMA）进行反馈控制，建立前馈和反馈整合的加水控制模型，并采用自学习算法对模型进行自动优化设计。【结果】改进后出口含水率控制精度和质量稳定性显著提高，均值与目标值的偏差和过程标准差分别减少62.8%和16.1%，过程能力指数提高31%。【结论】该方法有效提高了该生产过程的质量控制水平。

松散回潮；加水控制系统；分段预测；指数加权移动平均；自学习

松散回潮是烟叶加工过程中的首道核心工序，主要任务是增加片烟的含水率和温度，提升烟叶的耐加工性，该工序出口含水率的稳定性对后续多个工序的工艺指标都有着直接影响，对松散回潮工序出口含水率的有效控制显得尤为重要[1-3]。由于来料含水率和流量的波动、测量的滞后、温湿度环境的变化等影响，松散回潮工序的出口含水率在实际生产中仍存在较大波动[4-6]。为此，近年来有许多松散回潮质量控制性能的研究，俞仁皓等[7]通过对回风温度的PID参数进行优化设计来改善松散回潮出口含水率的稳定性；李秀芳[8]通过对松散回潮工序的工艺参数和出口含水率的控制结构进行优化来降低出口含水率的波动；董伟 等[9]对HAUNI松散回潮滚筒控制系统进行改进，优化料头料尾的加水控制，有效提升了出口含水率的稳定性；刘穗君等[10]采用统计回归方法建立了松散回潮出口含水率控制模型并运用自学习算法对模型进行优化改进；欧阳江子等[11]采用广义预测控制方法建立了具有工况自适应能力的加水量动态预测和调整模型；吴硕等[12]将趋势与偏差控制相结合，实现了松散回潮出口含水率的预测与反馈控制。

这些研究在一定程度上能有效提高松散回潮工序的控制精度，减少出口温度和含水率的波动，但在控制模型优化、含水率控制精度等方面仍有较大的改进空间。本文通过对驻马店卷烟厂松散回潮工序实际生产数据的分析研究，建立分段预测前馈和EWMA反馈整合的加水控制模型，并通过自学习算法对模型进行更新，以实现松散回潮工序加水量的精准控制，提高出口含水率的稳定性。

1 控制模型设计

当前松散回潮工序的含水率控制主要通过对入口物料流量和来料含水率的测量值来确定需要的加水量[13-15]，通过数据分析建立更为有效的控制模型。

1.1 数据采集

以驻马店卷烟厂“红旗渠（新版银河）”牌号卷烟的松散回潮工序为研究对象，设定物料流量5000 kg/h，回风温度54℃～60℃，引射水蒸汽压力0.22～0.30 MPa，热风风机频率32 Hz，滚筒电机频率35 Hz，出口含水率的工艺标准要求为18.5%～20.5%，每6 s自动采集1次数据。通过现场测算从松散回潮来料含水率检测点到加水点的时间为30 s，加水点到出口含水率检测点的时间为90 s，以此时间关系建立来料含水率与加水量以及出口含水率的对应关系。

1.2 分段预测前馈控制

在连续多个生产批次中筛选出口含水率能连续30 s稳定在（19.5±0.2）%范围内的数据作为加水效果较好的样本进行分析，由于在生产稳定的情况下物料流量基本保持不变，仅需考虑来料含水率与加水量的关系，如图1所示。

图1 加水量与来料含水率的对应关系

由图看出，在来料含水率的取值范围上，由于烟叶的吸水能力与烟叶本身的含水量相关，烟叶含水率的变化与加水量之间往往不能呈线性相关关系，但在烟叶本身含水量的较小变化范围内仍呈显著的线性相关关系。按照数据的变化趋势可将来料含水率分为：小于13.5%、13.5%～14.7%、以及大于14.7%，分别命名为1、2、3，并分段进行回归分析，得到3组回归曲线：

1：=27.93－1.741

2：=14.25－0.7341（1）

3：=10.16－0.4539

其中，表示加水量，L/h；表示来料含水率，%。

计算1和2回归曲线的交点1，2和3回归曲线的交点2分别为（＝13.59，＝4.27）、（＝14.60，＝3.53），据此将来料含水率的分段进行修正：小于13.6%、13.6%～14.6%、以及大于14.6%，分别命名为＇1、＇2、＇3。对数据进行重新分段回归，得到新的回归曲线：

＇1：=27.90－1.7375

＇2：=14.28－0.7360（2）

＇3：=10.19－0.4562

即当物料流量稳定在设定值5000 kg/h时，可根据来料含水率的检测值来预测需要的加水量的取值，对加水量设定值进行实时前馈控制。

1.3 EWMA反馈控制

通过前馈控制能够根据来料的变化对加水量进行合理调整，但难以反映加工过程中的变化情况，因此有必要在前馈控制的同时根据加工过程状况同时对加水量进一步控制。Ingolfsso等[16]首次提出EWMA反馈控制器，后来该方法被广泛用于半导体加工过程输出偏差的反馈控制[17-19]，本文将此方法应用于松散回潮工序的出口含水率反馈控制中。

在各工序工艺参数保持不变的情况下，在来料含水率的同一分段上，出口含水率v和来料含水率x的差k与加水量y基本满足单输入单输出过程，其中，表示截距项，表示增益项，表示随机误差。

k＝+by+（3）

在每一个时刻，都能通过一个EWMA算法来更新截距项，并计算该时刻的反馈输入值：

在实际应用时，由于数据的分段回归，进行EWMA迭代反馈的时刻之间可能会存在一定的时间间隔，比如在某个时刻的来料含水率处于＇3分段，但它的前三个采样时刻的来料含水率都处于＇2分段，直到前面第四个采用时刻的来料含水率才处于＇3分段。这时，以距离当前时刻最近的处于同一分段的时刻，即前面第四个采用时刻为－1，采用式（4）、（5）计算EWMA反馈加水量。

1.4 前馈反馈整合控制模型

为同时考虑过程输入物料的波动和加工过程状态的变化，将前馈控制方法和反馈控制整合起来，形成分段预测前馈与EWMA反馈的整合控制模型，见图2。

图2 整合控制模型

在实际应用中，在生产批次开始之初，当物料流量大于3000 kg/h时（记为0）进行前馈控制，每个数据采集时按照式（2）的前馈预测计算30 s后的加水量设定值进行加水控制；而在0+120后，有物料到达出口含水率检测点，这时由式（2）和式（5）的反馈控制都可以计算得到一个加水量的取值，可通过加权的方式得到30 s后的加水量设定值进行加水控制，其中，为加权系数，0＜≤1。通过多个批次的试验结果的比较，取＝0.60效果最佳。

加水量设定值＝×前馈计算值+（1－）反馈计算值 （7）

2 自学习优化设计

在整合控制模型应用过程中，受外部温湿度环境变化、水分检测仪器校准等影响，可能导致控制模型逐渐与实际生产过程状况不适应，控制精度和灵敏度下降。因此，有必要采用自学习算法对控制模型进行修正和优化，优化步骤见图3。

图3 自学习优化步骤

在应用整合控制模型对松散回潮工序的加水量进行控制的过程中，每批次结束后，都需要通过计算该批次的过程能力指数来对该批次的整体质量进行评价，其中，T、T分别为上下规格界限，、分别为该批次的均值和标准差。

根据历史批次的数据可构造批次质量监控的控制图[20]，选取15到20个批次的计算控制界限：

其中，为控制线系数，通常取＝3；μ和σ为被选择的多个批次的均值和标准差。以此对最新批次的进行监控，由于越小说明批次质量越差，因此仅需判断最新批次的是否低于下控制线，若低于，则说明当前批次质量下降了，现在的控制模型不符合工序现状，需进行自学习优化。在最新的2～3个批次的数据中筛选出口含水率能够连续30 s稳定在（19.5±0.2）%范围内的数据作为样本，按图1的分段方式分别进行前馈预测的统计回归拟合分析，按式（6）重新计算反馈控制的估计参数，实现对整合控制模型的更新。

3 应用效果

3.1 试验方案设计

试验设备：WQ3316型滚筒式叶片回潮机、710e NDC型在线水分仪、iFIX服务器、实时数据库，以及自行开发的整合控制系统。

对驻马店卷烟厂MES系统中采集的在线监控数据进行验证。根据控制模型的数据要求，保持物料流量5000 kg/h，回风温度54℃～60℃，引射水蒸汽压力0.22～0.30 MPa，热风加热蒸汽阀门开度0～20%，热风风机频率32 Hz，滚筒电机频率35 Hz等运行参数不变，采集“红旗渠（新版银河）”卷烟的松散回潮工序的数据进行分析并同时计算加水量的设定值通过OPC方式写入iFIX服务器实现加水量的实时控制。

3.2 数据分析

为比对控制系统的有效性，首先对单个批次的出口含水率变化趋势进行比较分析，见图4。其中，＝19.5、U＝20.5、L＝18.5分别为出口含水率的目标值和上下规格限，则分别表示该批次的均值和标准差。

图4 系统应用前后出口含水率变化趋势比较

可以发现，运用整合控制系统后的出口含水率明显更集中，更靠近目标值19.5%。进一步对多个批次的质量水平进行比较，表1为整合控制系统应用前后各10个批次过程质量指标的数据对比。

表1 系统应用前后出口含水率批次质量指标比对

Tab.1 Comparison of batch quality indicators of outlet moisture content before and after using the proposed system

可以看出，系统应用前出口含水率的均值偏移量|T－|的平均值为0.129，系统应用后减小到了0.048，减少了62.8%；过程标准差从系统应用前的0.211减少到系统应用后的0.177，减小了约16.1%；过程能力指数从系统应用前的1.38提高到系统应用后的1.81，提高了约31%。说明运用整合控制系统能够有效提高该工序的过程质量水平。

4 结论

为提高松散回潮工序出口含水率的控制能力，采用一种分段前馈预测控制与EWMA反馈控制整合的方法构建了松散回潮加水控制模型，并设计了一种自学习作业流程对控制模型参数进行优化和修正。选取驻马店卷烟厂生产的“红旗渠（新版银河）”牌卷烟为对象进行应用效果比对验证，结果表明：改进后过程均值与控制目标的平均偏移量、过程标准差分别减小了62.8%和16.1%，过程能力指数提高了31%，过程质量显著提升。对于其它牌号的卷烟，由于烟叶吸水特性、工艺参数要求等的不同，加水控制模型也会发生改变，因此需要针对每个牌号分别收集多个批次数据按照同样的方法进行统计分析来建立各自的加水控制模型。这种在线智能控制和自学习优化调整的方法是建立在历史数据分析的基础上，且通常需要较多批次的数据，因此可以推广应用到其它类似的较大批量的制丝生产工序关键质量特性指标的有效控制。

[1] 邓国栋，姚光明，李晓，等. 松散回潮工序加工强度对烤烟烟叶感官特性的影响[J]. 郑州轻工业学院学报（自然科学版），2011, 26(2):32-35.

DENG Guodong, YAO Guangming, LI Xiao, et al. Effects of processing intensity of loose remoisture process on sensory characteristics of flue-cured tobacco leaves[J]. Journal of Zhengzhou University of Light Industry (Natural Science Edition), 2011, 26(2):32-35.

[2] 朱文魁，李斌，杨志忠，等. 基于入口介质温湿度控制的新型松散回潮控制模式性能评价[J]. 烟草科技，2010(4):9-14.

ZHU Wenkui, LI Bin, YANG Zhizhong, et al. Performance evaluation of a new loose moisture regain control mode based on temperature and humidity control of the inlet medium[J]. Tobacco Science & Technology,2010(4):9-14.

[3] 周学政，何蓉，李东亮. 松散回潮工艺参数对卷烟叶丝常规化学成分的影响[J]. 西南大学学报（自然科学版），2011, 33(7): 137-140.

ZHOU Xuezheng, HE Rong, LI Dongliang. The influence of loose moisture regaining process parameters on the conventional chemical composition of tobacco leaf shreds[J]. Journal of Southwest University (Natural Science Edition), 2011, 33(7): 137-140.

[4] 曹阳. T卷烟厂柔性回潮蒸汽施加比例的改善研究[D]. 昆明理工大学，2020.

CAO Yang. Research on the improvement of the application ratio of flexible moisture regained steam in T Cigarette Factory[D]. Kunming University of Science and Technology, 2020.

[5] 林建雄. 松散回潮模式对烟叶加工质量的研究[J]. 技术与市场，2020,27(07):77-78.

LIN Jianxiong. Research on the effect of loose regaining mode on tobacco processing quality[J]. Technology and Market, 2020, 27(07):77-78.

[6] 唐军，唐丽，文里梁，等. 烟叶松散回潮工艺参数和出料质量的贝叶斯网络模型构建与预测[J]. 食品与机械，2020, 36(09): 207-210.

TANG Jun, TANG Li, WEN Liliang, et al. Construction and prediction of Bayesian network model for tobacco leaf looseness and moisture regaining process parameters and output quality[J]. Food and Machinery, 2020, 36(09):207-210.

[7] 俞仁皓，宋家海，王建. 松散回潮工序回风温度PID控制参数的优化[J]. 烟草科技，2010(7):8-10, 16.

YU Renhao, SONG Jiahai, WANG Jian. Optimization of PID control parameters of return air temperature in loose regaining process[J]. Tobacco Science & Technology, 2010(7):8-10, 16.

[8] 李秀芳. 烟片松散回潮关键工艺参数过程控制系统的优化设计[J]. 中国烟草学报, 2015, 21(3):34-41.

LI Xiufang. Optimal design of the process control system for the key process parameters of tobacco sheet looseness and moisture regaining[J]. Acta Tobacco Sinica, 2015, 21(3):34-41.

[9] 董伟，李坤，王建，等. HAUNI 松散回潮滚筒含水率控制系统的改进[J]. 烟草科技，2012, (11):20-22, 25.

DONG Wei, LI Kun, WANG Jian, et al. Improvement of the moisture content control system of HAUNI loose regain drum[J]. Tobacco Science & Technology, 2012, (11):20-22, 25.

[10] 刘穗君，王玉芳，李超，等. 基于统计回归分析的松散回潮出口含水率精准控制系统[J]. 烟草科技，2017, 50(3):88-93.

LIU Suijun, WANG Yufang, LI Chao, et al. Accurate control system for moisture content of loose regain outlet based on statistical regression analysis[J]. Tobacco Science & Technology, 2017, 50(3):88-93

[11] 欧阳江子，王东方，戚晓江，等. 基于广义预测控制的松散回潮出口含水率控制系统[J]. 计算机测量与控制，2020, 28(03): 103-108.

OUYANG Jiangzi, WANG Dongfang, QI Xiaojiang, et al. Control system of loose regain water content based on generalized predictive control[J]. Computer Measurement & Control, 2020, 28(03):103-108.

[12] 吴硕，高卫，孙延钊，等. 基于趋势与偏差控制的松散回潮机加水系统[J]. 烟草科技，2020, 53(6):108-112.

WU Shuo, GAO Wei, SUN Yanzhao, et al. Loose moisture regaining machine water adding system based on trend and deviation control[J]. Tobacco Science & Technology, 2020, 53(6): 108-112.

[13] 何毅，李斌，普轶，等. 基于梯度提升树的烟草回潮机出料含水率预测[J]. 软件, 2020, 41(06): 151-157.

HE Yi, LI Bin, Pu Yi, et al. Prediction of Moisture Content of Tobacco Regeneration Machine Based on Gradient Lifting Tree[J]. Software, 2020, 41(06):151-157.

[14] 王岩. 浅析卷烟制丝线设备监控系统的开发与应用[J]. 机电信息，2012(36): 57+59.

WANG Yan. Analysis of the development and application of the equipment monitoring system for the cigarette silk production line[J]. Electromechanical Information,2012(36):57+59.

[15] 曹洁穹. 卷烟制丝线工艺设备技改趋势小议[J]. 科技创新与应用，2012(07): 34-41.

CAO Jieqiong. Small Discussion on the Technological Innovation Trend of the Technology and Equipment of the Cigarette Silk Line[J]. Science and Technology Innovation and Application, 2012(07): 34-41.

[16] Ingolfsso A, Sachs E. Stability and sensitivity of an EWMA control[J]. Journal of Quality Technology, 1993, 25(2):271-287.

[17] 万莉，谭斐，潘天红. 测量时延在线估计与批间控制器协同设计[J]. 控制理论与应用，2016, 36(4):92-97.

WAN Li, TAN Fei, PAN Tianhong. On-line estimation of measurement time delay and collaborative design of inter-batch controllers[J]. Control Theory and Applications, 2016, 36(4):92-97.

[18] 阮玉斌，杨富文，王武. 测量丢失概率不确定的网络化系统的鲁棒故障检测[J]. 控制与决策，2008(08):894-899+904.

RUAN Yubin, YANG Fuwen, WANG Wu. Robust fault detection for networked systems with uncertain measurement loss probability[J]. Control and Decision,2008(08):894-899+904.

[19] 李威，韩崇昭，闫小喜. 基于相对熵的概率假设密度滤波器序贯蒙特卡罗实现方式[J]. 控制与决策，2014,29(06):997-1002.

LI Wei, HAN Chongzhao, YAN Xiaoxi. Sequential Monte Carlo implementation of probability hypothesis density filter based on relative entropy[J].Control and Decision,2014,29(06):997-1002.

[20] Wang D, Yang H, Koo T. Variable sample size control chart for monitoring process capability index Cpm[J]. International Journal of Industrial and Systems Engineering, 2020, 36(1): 32-48.

Water supply control system based on integrated model of segmented forecast feedforward and EWMA feedback for loosening and conditioning process

HOU Jiawen1, WANG Haiyu2, YANG Longfei3, LI Chao4, WANG Dongdong1*

1 Zhumadian Cigarette factory, China Tobacco Henan Industrial Co. Ltd.. No. 1, Nanhai Road Zhumadian 463000, Henan, China;2 Business School, Zhengzhou University, Zhengzhou 450001, Henan, China;3 Xuchang Cigarette Factory, Henan Zhongco Industry Co., Ltd., Xuchang 461001, China;4 Henan Center Line Electronic Science and Technology Co. Ltd.. Zhengzhou 450004, Henan, China

This study aims to enhance control precision of output moisture content and control the quality variation of tobacco in loosening and conditioning process.A segmented forecast method was used to realize feedforward control of water filling valve according to input moisture content, and an EWMA method was used to realize feedback control according to the difference between actual value and the target value of output moisture content. Then, an integrated water supply control model was established by combining feedforward and feedback control, and then revised by self-learning optimization algorithm.The control precision of output moisture content and quality consistency of tobacco were significantly improved, the deviation between mean value and target value and the process standard deviation decreased by 41.8% and 12.3% respectively, and the process capability index increased by 21%.The proposed method effectively improved the quality control level in loosening and conditioning process.

loosening and conditioning; water supply control system; segmented forecast; exponentially weighted moving average; self-learning

Corresponding author. Email：34036674@qq.com

国家自然科学基金项目（71672209）；河南中烟工业有限责任公司科技项目（A202056）

侯加文（1972年—），男，工程师，大学，主要研究方向烟草制丝设备电气

汪冬冬（1983年—），男，工程师，研究生，主要研究方向烟草制丝设备电气

2021-11-26；

2022-04-27

侯加文，王海宇，杨龙飞，等. 基于分段预测前馈与EWMA反馈整合的松散回潮加水控制系统[J]. 中国烟草学报，2022，28（4）. HOU Jiawen, WANG Haiyu, YANG Longfei, et al. Water supply control system based on integrated model of segmented forecast feedforward and EWMA feedback for loosening and conditioning process[J]. Acta Tabacaria Sinica, 2022,28(4). doi:10.16472/j. chinatobacco.2021.246