本发明涉及一种烟草丝线智能制造的方法，属于烟草自动化制造技术领域。
背景技术：
卷烟厂制丝线的烟叶经过叶预处理工序后进入烘丝工序，烘丝工序的主要目的之一就是对烘丝筒出口烟丝水分进行控制，提高烟丝的弹性和填充能力，改善烟丝品质。烘丝筒采用饱和蒸汽和热风对烟丝进行加热，将烟丝中的水分蒸发带走，从而达到控制烘丝筒出口烟丝水分的目的。加香后的水分达到工艺要求是制丝线的最后目标，如果烘丝筒出口烟丝水分能被精确控制，则通过调节烘丝筒出口烟丝水分的设定值就可以有效控制加香后水分，以满足制丝工艺的要求。
在烘丝过程中影响出口含水率的因素较多，且各因素相互耦合，高度非线性，滞后性和不确定性十分严重，因此如何有效控制是本行业急需要解决的问题。
技术实现要素：
目的：为了克服现有技术中存在的不足，本发明提供一种烟草丝线智能制造的方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种烟草丝线智能制造的方法，包括如下步骤：
步骤一：烘丝准备；
步骤二：烘丝筒预热；
步骤三：烘丝升温，丝线在传送带上经上方的白炽灯进行初步加热，并在入口处进行流量检测，在烘丝筒口检测烘丝水分；
步骤四：烘丝筒烘丝，对滚筒内烘丝加热温度进行智能控制，直至烘丝含水率达到要求；
步骤五：烘丝冷却。
所述智能控制包括如下步骤：
2a、建立应对控制模型；
2b、根据不同烘丝筒状态，将状态参数输入到控制模型；
2c、对应控制模型计算出输出变量；
2d、根据输出变量各维参数，调节与之相对应的阀门。
所述应对控制模型采用多输入多输出神经网络模型，所述神经网络分为输入层、输出层、隐含层；所述输入层、输出层均设置为一层，所述隐含层设置为多层。
所述烘丝筒状态设置多类。
所述烘丝筒状态按如下参数采用紧邻分类法进行分类，所述参数包括：入口流量、入口含水率、烘丝机筒温、出口水分、热风温度。
所述控制模型计算步骤如下：
6a、将入口流量、入口含水率、烘丝机筒温、出口水分、热风温度作为输入变量；
6b、将蒸气阀门开度、排潮阀门开度作为输出变量；
6c、给出优秀的操作经验作为训练样本和检验数据，采用梯度下降算法，使控制模型拟合样本和检验数据，得到最优控制模型；
6d、输入烘丝筒状态，输出相对应的阀门开度。
有益效果：本发明提供的一种烟草丝线智能制造的方法，通过本方法可有效减少“干头干尾”现象，使烘丝机很快达到稳定状态；本方法可以解放人工的劳动，避免因人的控制经验参差不齐而出现控制指标的波动。
具体实施方式
一种烟草丝线智能制造的方法，包括如下步骤：
步骤一：烘丝准备；
步骤二：烘丝筒预热；
步骤三：烘丝升温，丝线在传送带上经上方的白炽灯进行初步加热，并在入口处进行流量检测，在烘丝筒口检测烘丝水分；
步骤四：烘丝筒烘丝，对滚筒内烘丝加热温度进行智能控制，直至烘丝含水率达到要求；
步骤五：烘丝冷却。
所述智能控制包括如下步骤：
2a、建立应对控制模型；
2b、根据不同烘丝筒状态，将状态参数输入到控制模型；
2c、对应控制模型计算出输出变量；
2d、根据输出变量各维参数，调节与之相对应的阀门。
所述应对控制模型采用多输入多输出神经网络模型，所述神经网络分为输入层、输出层、隐含层；所述输入层、输出层均设置为一层，所述隐含层设置为多层。
所述烘丝筒状态设置多类。
所述烘丝筒状态按如下参数采用紧邻分类法进行分类，所述参数包括：入口流量、入口含水率、烘丝机筒温、出口水分、热风温度。
所述控制模型计算步骤如下：
6a、将入口流量、入口含水率、烘丝机筒温、出口水分、热风温度作为输入变量；
6b、将蒸气阀门开度、排潮阀门开度作为输出变量；
6c、给出优秀的操作经验作为训练样本和检验数据，采用梯度下降算法，使控制模型拟合样本和检验数据，得到最优控制模型；
6d、输入烘丝筒状态，输出相对应的阀门开度。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。