基于模型预测的松散回潮水分控制研究

松散回潮系统具有大时滞、干扰变量多等特性,出口水分控制难度大.为解决松散回潮出口水分控制不稳定及反馈不及时等问题,采用相关性分析筛选出与松散回潮出口水分的相关变量,使用多元线性回归和神经网络建立松散回潮出口水分的预测模型,对2种模型的效果进行验证,在此基础上建立加水量实时在线优化控制模型.选取某烟厂生产数据对预测模型进行效果验证.结果表明,多元线性回归模型和神经网络模型预测的平均相对误差分别为0.3％、0.5％,多元线性回归模型表现出更好的变化趋势描述能力.实施控制后松散回潮出口水分均值偏差由0.151减小为0.098,松散回潮控制的准确性和稳定性显著提高,有效克服调控滞后问题,控制过程的智能化和精细化水平提升.