近日，湖南中烟常德卷烟厂技术团队撰写的《基于自适应频域门控Transformer的润叶过程参数预测方法》一文，在《中国烟草学报》刊发。该研究依托人工智能技术破解卷烟制丝生产痛点，创新构建全新预测模型，为烟草加工工序智能管控、提质降耗提供了高效可行的技术方案，彰显了传统制造企业数字化、智能化转型的扎实科研成果。
热风润叶是卷烟制丝生产的核心关键工序，主要通过对烟叶加温加湿，将烟叶含水率精准调控至工艺标准区间。长期以来，该工序受物料流量波动、蒸汽压力变化、环境温湿度不稳定等多重变量影响，加之系统存在滞后性，传统事后反馈调控模式弊端凸显，参数调节存在滞后性、精准度有限，难以适配精细化生产需求，成为制约烟草制丝工艺提质增效的行业难点。
针对这一行业痛点，常德卷烟厂技术团队立足工业生产实际，依托前沿时序建模Transformer(变换编码器)架构，结合制丝现场数据繁杂、干扰因素多、工况动态变化的生产特征，创新研发ADGformer(自适应频域门控变换)预测模型，突破传统管控模式瓶颈。研究过程中，团队通过快速傅里叶变换实现生产数据从时域到频域的转换，深度挖掘润叶生产的周期性规律；创新性增设注意力机制频率门控模块，精准甄别有效生产信号、过滤现场干扰噪声；搭配自适应频率选择机制，实现关键工况参数智能筛选、无效干扰自动剔除，彻底解决传统算法抗干扰性弱、预测精度不足的问题，成功实现烟叶含水率变化的提前预判。
相较于传统“偏差出现后再调控”的被动反馈控制模式，该创新技术真正实现了润叶工序从事后补救调控向事前预判管控的根本性转变。技术落地应用后，车间润叶烟叶含水率稳定性大幅提升，产品批次质量一致性显著优化，有效降低了烟叶原料损耗，为生产提质、降耗、增效提供了坚实技术支撑。同时，该研究进一步验证了数据驱动智能管控模式的可行性，为各类机理复杂、难以搭建精准数学模型的工业工序，提供了可复制、可推广的精细化智能升级路径，助力传统工业控制从反馈控制向前馈预测控制迭代革新。
从成功获评国家级5G工厂，到智能算法科研成果登顶国家级一级学会权威期刊，常德卷烟厂持续深耕“工艺+数字化”融合创新，以科技创新培育传统制造新质生产力。近年来，该企业持续深挖生产大数据价值，以智能算法赋能传统工艺升级，培育出一批懂工艺、懂技术、懂数字化的复合型一线工程技术人才，让智能制造技术扎根生产一线，为传统烟草制造业转型升级、高质量发展筑牢坚实底座。(田雅卉)