基于深度学习的烘丝出口含水率稳定性控制方法

本发明基于深度学习方法对烟草制丝工艺的烘丝出口含水率进行稳定性控制，通过在烟叶烘丝机生产线上布设多个传感器，实时采集烟丝的多个关键工艺参数(切叶丝含水率、蒸汽流量、叶丝干燥‑防结团阀门开度、叶丝含氧量、工艺气流温度、叶丝干燥累计量、工艺流量以及出料含水率数据)，数据经过预处理后，输入到堆叠式集成学习模型S‑LSTM中进行训练，用于建立烟丝含水率与其它工艺参数之间非线性关系模型，为烘丝出口含水率稳定控制，引入FWOA(改进鲸鱼优化算法)优化模块，该模块通过对集成学习模型S‑LSTM预测结果与目标含水率之间的误差最小化，自动调整工艺参数(工艺气流温度和工艺流量)，从而实现烘丝出口含水率的精确控制。