技术特征：
1.一种基于边缘计算单元的烘丝机动态调优控制方法，其特征在于，所述方法包括：在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数；基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型；基于所述前馈神经网络模型搭建边缘计算单元，并基于所述边缘计算单元采集所述烘丝机中所述目标参数对应的实时数据；基于所述实时数据确定出口含水量预测值，并基于所述出口含水量预测值调整所述烘丝机的热风风量与排潮负压，用以使所述出口含水量预测值收敛至出口含水量预设值。2.根据权利要求1所述的方法，其特征在于，所述基于所述实时数据确定出口含水量预测值，包括：基于所述前馈神经网络模型生成预测表，所述预测表用以表征各所述目标参数在不同数值时对应的出口含水量预测值；基于所述预测表确定所述实时数据对应的出口含水量预测值。3.根据权利要求1所述的方法，其特征在于，所述边缘计算单元包括前馈神经网络模型、热备冗余cofep、硬件状态监控hsm、进程监控dac；所述热备冗余cofep用于通过心跳监控所述前馈神经网络模型、硬件状态监控hsm和进程监控dac的工作状态；所述硬件状态监控hsm用于获取所述边缘计算单元的硬件信息和通讯状态数据；所述进程监控dac用于实时管理进程状态，并将所述进程状态作为心跳信息输出至所述热备冗余cofep。4.根据权利要求1所述的方法，其特征在于，所述边缘计算单元至少存在两个，且各所述边缘计算单元之间互为主备系统。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型，包括：确定所述烘丝机的各工作模式，分别基于不同所述工作模式对应的所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集；分别基于不同所述工作模式对应的所述训练集训练并构建各前馈神经网络模型。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述实时数据计算出口含水量实际值，基于所述出口含水量实际值负反馈优化所述前馈神经网络模型。7.一种基于边缘计算单元的烘丝机动态调优控制装置，其特征在于，所述装置包括：获取模块，用于在烘丝机的历史运行数据中获取目标参数对应的目标数据，所述目标参数为影响烘丝机尾料出口含水量的烘丝机运行参数；构建模块，用于基于所述目标数据与所述目标数据对应的历史出口含水量数据构建训练集，基于所述训练集训练并构建前馈神经网络模型；采集模块，用于基于所述前馈神经网络模型搭建边缘计算单元，并基于所述边缘计算单元采集所述烘丝机中所述目标参数对应的实时数据；
调整模块，用于基于所述实时数据确定出口含水量预测值，并基于所述出口含水量预测值调整所述烘丝机的热风风量与排潮负压，用以使所述出口含水量预测值收敛至出口含水量预设值。8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任一项所述方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
技术总结
本发明公开了一种基于边缘计算单元的烘丝机动态调优控制方法及装置，该方法包括在烘丝机的历史运行数据中获取目标参数对应的目标数据；基于目标数据与历史出口含水量数据构建训练集，基于训练集训练并构建前馈神经网络模型；基于前馈神经网络模型搭建边缘计算单元，并基于边缘计算单元采集所述烘丝机中目标参数对应的实时数据；基于实时数据确定出口含水量预测值，并基于出口含水量预测值调整烘丝机的热风风量与排潮负压，用以使出口含水量预测值收敛至出口含水量预设值。本发明实现了通过实时动态预测出口含水量，在干扰因素变化引起出口含水量变化前参与PID控制，减少干扰因素对出口含水量的影响，满足烘丝机含水率稳态控制要求。控制要求。控制要求。
技术研发人员：周萍芳 杜云鹏 陶智麟 张思明 简著名 李会平 张亮 刘德强 张瑞琪 魏斌
受保护的技术使用者：湖北中烟工业有限责任公司
技术研发日：2022.08.10
技术公布日：2022/11/2