本發明涉及工業過程控制與智能射頻蒸餾，尤其是一種曬煙蒸餾加工工藝方法。
背景技術：
1、目前曬煙蒸餾加工系統在溫度梯度控制與加熱策略優化領域，主流技術以傳統熱傳導或定程序控加熱為主，輔以外部溫度探頭與基本pid算法實現。現有蒸餾工藝廣泛采用恒溫升溫、惰性氣體載帶、溶劑萃取后處理、分子蒸餾以及少量基于預測模型的后效優化方案，但整體溫度控制精度受限于探頭安裝位置、物料熱慣性與未能動態體現原料物理化學屬性，導致熱場分布不均、香氣成分易熱降解及揮發性組分提取率不足。
2、常見的高端射頻加熱蒸餾方法多用于精細化學品或高值生物原料分離，其技術特征集中于均勻加熱、快速升溫以及較低熱損失，但在實際曬煙浸膏-丙二醇-甘油體系蒸餾過程中，單一機械式溫度探頭反饋及固定加熱模式難以匹配原料批次間的復雜組分差異和揮發敏感性分布。部分公開文獻提出利用機器學習輔助升溫程序或采集物料表面溫度預測香氣釋放階段，然而此類方法大多為蒸餾過程后效分析，對實時過程調節能力有限，且對關鍵香氣高效保留作用不明確。材料表征領域雖已實現介電常數測量用于物料鑒別，但其作為蒸餾實時決策依據的應用未見工程化落地。
3、具體而言，現有技術主要存在以下問題：
4、溫度梯度控制精度低。主要受限于單點溫度傳感及均勻升溫邏輯，未能實現基于物料真實揮發行為的動態分區加熱，導致蒸餾效率與目標香氣成分回收率不足。
5、高度依賴固定升溫程序。對原料批次個性化屬性響應不足，缺乏自適應控制能力，易出現過度加熱及香氣熱降解等質量損失。
6、外部溫度探測滯后。受熱慣性影響，溫度測量和調控響應存在延遲，難以捕獲揮發性組分的最優釋放窗口。
7、機器學習僅限于過程事后分析。現有數據驅動方案未能實現原料物理屬性實時在線閉環調節，無法支撐工藝參數提前優化。
8、無法充分辨識物料微觀狀態對加熱策略的影響。未建立物料狀態-熱響應的機制性橋接，加熱模式切換與蒸餾產物分布失調。
9、綜上，本領域亟需一種能夠實時感知原料分子狀態、準確反演目標香氣成分熱釋放窗口、并基于實際物料屬性智能自適應調整射頻加熱策略的方法。
技術實現思路
1、本發明提供一種曬煙蒸餾加工工藝方法，旨在解決上述背景技術中提到的現有技術存在的問題。
2、本發明的技術方案為：一種曬煙蒸餾加工工藝方法，包括如下步驟：
3、s1：采集多批次曬煙浸膏-丙二醇-甘油混合液樣本的含水量、總糖含量、煙堿濃度及香氣成分gc-ms譜圖，并在控溫控濕環境下測量其在10mhz–2.45?ghz頻段內的復介電常數實部與虛部；
4、s2：基于復介電常數實部與虛部頻譜數據，通過主成分分析與偏最小二乘回歸建立多維映射模型，形成每批次原料唯一的介電指紋-熱響應特征關聯矩陣；
5、s3：在蒸餾加熱腔體側壁嵌入環形共面波導傳感器陣列，實時采集當前批次混合液在45mhz、433mhz及2.45ghz中心頻點的復介電常數動態變化數據；
6、s4：將復介電常數動態變化數據輸入基于介電指紋-熱響應特征關聯矩陣訓練的輕量化神經網絡模型，獲取當前批次原料的熱釋放起始溫度分布預測值；
7、s5：根據熱釋放起始溫度分布預測值，生成分段式射頻功率-頻率耦合調控策略；
8、s6：基于調控策略，執行三階段梯度射頻加熱；
9、s7：監測加熱執行過程中蒸汽冷凝液的目標香氣成分濃度，通過hplc定量分析計算實際回收率與熱敏性成分保留率，并生成模型偏差校正因子；
10、s8：將模型偏差校正因子反饋至介電指紋-熱響應特征關聯矩陣，動態更新多維映射模型參數。
11、作為優選的，步驟s4中，具體包括：
12、對采集的當前批次介電常數實部與介電常數虛部動態變化數據進行時序同步處理，以獲取與蒸餾加熱腔體實時工況匹配的原始數據集；
13、對原始數據集執行頻域自適應濾波處理，提取45mhz、433mhz及2.45ghz中心頻點的特征頻段有效數據；
14、將特征頻段有效數據輸入輕量化神經網絡模型，執行特征匹配與溫度預測計算，以獲得原始熱釋放起始溫度預測值；
15、對原始熱釋放起始溫度預測值進行概率分布擬合處理，以生成當前批次原料的熱釋放起始溫度分布預測值；
16、基于熱釋放起始溫度分布預測值執行置信度評估處理，以驗證預測結果在工藝安全邊界內的可靠性。
17、作為優選的，步驟s5中，基于溫度閾值區間和介電指紋-熱響應特征關聯矩陣，對復介電常數虛部頻譜數據執行特征點檢測處理，識別433?mhz頻點處復介電常數虛部頻譜數雙峰分裂的介電相變特征點；依據介電相變特征點對應的溫度敏感性分布進行相變觸發條件建模，生成中頻激發階段的相變觸發條件；
18、基于介電相變特征點，對復介電常數實部動態變化數據進行一階導數梯度計算處理，檢測2.45?ghz頻點處復介電常數實部陡峭負梯度的觸發閾值；根據陡峭負梯度對應的溫度變化率執行觸發條件閾值優化，生成高頻聚焦階段的陡峭梯度觸發條件。
19、作為優選的，步驟s6中，所述的三階段梯度射頻加熱為：
20、當熱釋放起始溫度分布預測值落入[45,65]℃區間時啟動45?mhz低頻深穿透預熱；
21、當檢測到433?mhz頻點復介電常數虛部頻譜數雙峰分裂時切換433?mhz中頻選擇性激發；
22、當2.45?ghz頻點復介電常數實部出現陡峭負梯度時觸發2.45?ghz高頻局域聚焦脈沖調制。
23、作為優選的，模型偏差校正因子被用于增量主成分分析及plsr增量學習機制，動態修正多維映射模型中的參數載荷與回歸系數，實現后續批次熱釋放起始溫度預測精度自適應優化和迭代更新。
24、本發明的有益技術效果為：
25、1）、本發明通過構建介電指紋-熱響應特征關聯模型，實現以原料內在物理屬性驅動加熱策略調控，顯著提升了過程控制的科學性與精準性；
26、2）、本發明通過對曬煙浸膏-丙二醇-甘油體系在寬頻域下的復介電常數進行系統標定，并結合關鍵香氣成分熱釋放起始溫度建立plsr映射關系，使每一批次原料均具備可識別的介電指紋，從而將加熱決策由環境參數跟隨轉變為物料狀態響應，有效克服了因原料非均質性引發的工藝漂移問題，在無需人工干預的情況下自動適配最優熱處理路徑，大幅提高了批次間一致性與目標成分回收穩定性；
27、3）、本發明集成高動態響應的在線介電感知模塊與多頻段可切換射頻加熱執行系統，實現了對蒸餾過程中復雜相變與化學轉化行為的精細時空調控；
28、4）、本發明通過部署環形共面波導（cpw）傳感器陣列，實現三組中心頻點（45?mhz、433?mhz、2.45?ghz）動態采樣，分別對應整體極化行為、氫鍵網絡松弛狀態及小分子偶極共振特性，結合fpga加速處理與輕量化tinyml模型推理，可在毫秒級完成介電譜特征提取與熱釋放起始溫度預測；控制器據此實時判別當前物態發展階段：低頻模式保障初始熱場均勻性，中頻模式精準觸發高沸點前體物的脫水縮合，高頻脈沖模式則在揮發臨界點實施局域聚焦加熱，極大縮短熱敏成分滯留時間。