来源：期刊VIP网 时间：
作者：陈传通;张朋;廖康;侯进生;梁盟;米强;高卫;武宝生;李斌;
单位：山东中烟工业有限责任公司济南卷烟厂;秦皇岛烟草机械有限责任公司;
摘要：为提高松散回潮机出口含水率的控制精度，提出了一种基于回潮吸湿机理与深度强化学习相结合的出口含水率预测控制方法。先采用长短时记忆（Long Short-Term Memory,LSTM）模型作为出口含水率预测的基础模型，将回潮吸湿机理模型与LSTM模型相结合形成出口含水率预测的LSTM融合预测模型；再以该预测模型为基础，将回潮吸湿机理模型融入到深度强化学习的Actor-Critic网络框架中，构建LAC(LSTM-Actor-Critic)模型动态优化控制策略（简称智能控制模式）；最后，基于模型预测和控制结果，对预测模型和控制模型进行迭代调优。结果表明，相比于传统的PID(Proportional Integral Derivative)控制方法，采用智能控制模式后，(1)选取的连续50批次生产数据中，绝大多数批次出口含水率和出口温度的标准差（σ）在较小范围内波动；(2)出口含水率过程能力（Process Capability,CP）指数提升48%、标准差（σ）降低17%，出口温度CP提升17%、标准差（σ）降低16%，出口含水率及出口温度波动较小，控制更为精准。该方法在保证出口含水率控制效果不降低的前提下，实现了温湿度双指标的协同优化控制，为卷烟加工过程中松散回潮机出口含水率的智能化控制提供了技术支持。
关键词：松散回潮;;回潮机理;;预测控制;;强化学习;;控制精度
基金资助：山东中烟工业有限责任公司重大专项科技项目“济南卷烟厂细支烟智能产线研究与实现”（202201009）
