(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211054634.6 (22)申请日 2022.08.31 (71)申请人 广西中烟工业有限责任公司 地址 530011 广西壮 族自治区南宁市北湖 南路28号 (72)发明人 李云豪　沈宇浩　杨晓娜　李志龙　 苏振东　覃洪汉　谢赞吾　王崟懿　 唐湛恒　周肈峰　谢靖　黄干将　 (74)专利代理 机构 南宁东智知识产权代理事务 所(特殊普通 合伙) 45117 专利代理师 裴康明 (51)Int.Cl. G05B 19/418(2006.01) G06F 17/15(2006.01) G06F 17/18(2006.01)G06F 16/25(2019.01) (54)发明名称 一种基于多元线性回归烟草加工控制方法 (57)摘要 本发明涉及烟草人工智能加工技术领域， 具 体公开了一种基于多元线性回归烟草加工控制 方法， 包含以下步骤： 步骤1： 建立数据采集关键 参数； 步骤2： 对所述数据采集关键参数的影 响因 素进行分析； 步骤3： 获取所述数据采集关键参 数： 通过ETL工具对所述数据采集关键参数进行 数据抽取， 采集源为生产历史数据库， 统一形成 关系型数据、 基于时间的数据、 基于批次的数据； 步骤4： 对上述数据进行预处理， 将有效数据存储 在大数据平台； 步骤5： 基于多元线性回归分析算 法， 建立基于多元线性回归的模型； 步骤6： 模型 训练与分析评估； 步骤7： 模型应用。 采用本发明 实现控制降低品质缺陷的发生， 大大降低人为干 预， 提高了设备的智能化与自动化的技 术效果。 权利要求书2页 说明书4页 附图1页 CN 115469614 A 2022.12.13 CN 115469614 A 1.本发明的技 术方案是： 一种基于多元线性回归烟草加工控制方法， 包 含以下步骤： 步骤1： 建立数据采集关键参数， 所述数据采集关键参数包括： 烟丝牌号和/或生产时间 和/或过程流量和 /或车间温度和/或车间湿度和 /或烟丝入口水分和/或烟丝入口温度和/ 或烟丝出口水分和/或烟丝出口温度和/或存储时间和/或热风 温度和/或热风风速和/或滚 筒温度和/或加水流 量和/或加蒸汽流 量； 步骤2： 对所述数据采集关键参数的影响因素进行分析； 确定热风温度和/或滚筒温度 和/或加水流 量和/或加蒸汽流 量的影响因素； 步骤3： 获取所述数据采集关键参数， 具体包括以下步骤： 通过ETL工具对所述数据采集 关键参数进行数据抽取， 采集源为生产历史数据库， 统一形成关系型数据、 基于时间的数 据、 基于批次的数据； 步骤4： 对上述数据进行 预处理， 将有效数据存 储在大数据平台； 步骤5： 基于多元线性回归分析算法， 建立基于多元线性回归的模型； 步骤6： 模型训练与分析评估； 步骤7： 模型应用。 2.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 所述 步骤1中， 若是加料工段， 则还 包含料液牌号、 料液温度、 加料流 量。 3.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 所述 步骤4具体包括以下步骤： 步骤4‑1： 删除所述数据采集关键参数中的缺失、 错 误数据； 步骤4‑2： 将烟丝牌 号信息进行 特征处理， 方法使用One ‑Hot编码； 步骤4‑3： 将过程流量、 车间温度、 车间湿度、 烟丝入口水分、 烟丝入口温度、 烟丝出口水 分、 烟丝出口温度、 存储时间、 热风 温度、 热风风速、 滚筒温度、 加水流量、 加蒸汽流量及其它 有量纲数据， 进行无量纲化处理， 用MinMaxScaler方法对此数据进行归一化， 进而消除单 位， 从而简化计算， 形成数据Data； 步骤4‑4： 设置随机种子seed， 使用sklearn中的train_test_split随机抽取75％的 Data1作为训练数据t rain， 其余的25％数据Data作为测试集test； 步骤4‑5： 将Data1， Data2存 储在大数据平台， 以便进行 人工算法运行。 4.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 所述 步骤5具体包括以下步骤： 步骤5‑1： 建立基于多元线性回归的模型， 其模型算法如下： y＝w1x1+w2x2+w3x3.......wnxn+bi， 其中xi(i＝1,2...n)为每个样本的n个特征值， w为 权重系数， bi为偏 置系数； 把这些每一行每一行的叠加起来就 成为了一个向量或者矩阵， 所 以引入矩阵的表示 为： 权　利　要　求　书 1/2 页 2 CN 115469614 A 2步骤5‑2： 构造损失函数， 损失函数 其中， y_ture是实际 值， y_predict是 预测值； y_predict＝ wX+bi,既w与bi初始值 为随机数； 步骤5‑3： 优化损失， 根据数 学公式： w1＝w0+α▽J(w) α 表示学习率， ▽J(w)表示 求导函数， 通过Tensor Flow中的GradientDescentOptimizer(learning_rat e)·minimize(loss_ function)方法可以创建梯度下降优化器， 寻找最优值， 其中learning_rate为学习率， loss_functi on为损失函数。 5.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 所述 步骤6具体包括以下步骤： 步骤6‑1： 根据多元线性回归中的不同变量因素， 找出高权 重的因素； 步骤6‑2： 使用高权 重因素进行 更深层次分析； 步骤6‑3： 通过测试集test对训练模型进行评估， 拟合超过95％， 则认为拟合成功， 自动 生成分析 结果。 6.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 所述 步骤7具体包括以下步骤： 步骤7‑1： 每日重新建立模型， 将建立的模型进行存 储； 步骤7‑2： 设备开机运行 前， 自动调用模型进行计算输出参数； 步骤7‑3： 将输出参数反馈给设备。 7.根据权利要求1所述的一种基于多元线性 回归烟草加工控制方法， 其特征在于： 热风 温度、 滚筒温度、 加水流 量、 加蒸汽流 量是设备的控制参数。权　利　要　求　书 2/2 页 3 CN 115469614 A 3