[發明專利]一種基于Lasso算法的紙張縱向伸長率的軟測量方法

有效

• 申請號: 201911306076.6
• 申請日: 2019-12-18
• 公開（公告）號: CN110929425B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 洪蒙納;滿奕;胡松;李繼庚
• 申請（專利權）人: 廣州博依特智能信息科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/18;G06Q10/0639;G06Q50/04;G06F18/10;G06F18/26;G06F18/214
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 茍銘

1.一種基于Lasso算法的紙張縱向伸長率的軟測量方法，其特征在于，包括以下步驟：

S1、紙種生產過中的紙機及相關工藝參數的采集：利用MES系統采集的到紙機生產過程中的生產數據，并且進行數據預處理；

S2、對預處理之后的數據集進行相關性分析，選取出對紙張縱向伸長率有影響和關聯的變量，具體步驟如下：

通過相關性分析分析與紙張縱向伸長率的關聯性和影響程度，相關性分析中采用皮爾遜相關系數，具體計算公式如下：

其中cov(X，Y)表示兩個變量間的協方差，σ_Xσ_Y則分別代表各自協方差，E代表的是各個變量的期望；

選取出對紙張縱向伸長率有影響的變量，需要采集的變量數據主要有：卷速v_j/m·s^-1、真空網速v_w/m·s^-1、紙張定量m/(g·cm^-2)、濕部風罩供風機低頻率f/Hz、液壓單位電流I_y/A、卷曲率C/％、烘缸油站電流I_h/A；

S3、根據Lasso算法原理搭建紙張縱向伸長率軟測量模型，并輸入數據集進行模型的訓練，具體如下：

Lasso是回歸方法，采用的是縮放的方法，將回歸系數收縮在一定的區域內；LASSO的主要思想是構造一個一階懲罰函數獲得一個精煉的模型,通過最終確定一些變量的系數為0進行特征篩選，Lasso的公式如下：

其中，模型第一項是經驗風險可以表示成RSS(β_j)，第二項是懲罰項目，由于Lasso算法中的懲罰項中含有絕對值，此函數的導數是連續不光滑的，所以無法進行求導并使用梯度下降優化；采用使用坐標下降發對Lasso回歸系數進行計算；坐標下降法是每次選擇一個維度的參數進行一維優化，然后不斷的迭代對多個維度進行更新直到函數收斂；具體的求解過程如下：

令則可以得到：

關于正則項的求倒，采用梯度下降求導，具體過程如下：

這樣整體的偏導數就可以表示成：

令可以得到

通過上面的公式便可以每次選取一維進行不斷優化并不斷迭代得到最優的回歸系數；得到的回歸系數再如入如下公式：

y＝βX

y即為輸入數據集的，紙張縱向伸長率的軟測量模型；

S4、利用步驟S3訓練完成的紙張縱向伸長率軟測量模型，對測試樣本進行縱向伸長率的軟測量。

2.根據權利要求1所述的方法，其特征在于：步驟S1中，紙種生產過中的紙機及相關工藝參數的采集，具體步驟如下：

利用MES系統采集的到紙機生產過程中的變量，利用MES系統采集的到紙機生產過程中的生產數據，并且進行數據預處理；利用統計學的3σ原則進行異常值的排查；3σ方法是基于概率統計理論而言的，對于某個變量，其均值的偏差值超過3σ的概率不超過11.11％，因此如果該變量值與其平均值之差的絕對值超過3σ則認為是異常值。

3.根據權利要求1所述的方法，其特征在于：步驟S4中，利用訓練完成的縱向伸長率軟測量模型，對待測試的紙張進行縱向伸長率軟測量，具體如下：

獲得待測紙張的輸入，包括：卷速v_j/m·s^-1、真空網速v_w/m·s^-1、紙張定量m/(g·cm^-2)、濕部風罩供風機低頻率f/Hz、液壓單位電流I_y/A、卷曲率C/％、烘缸油站電流I_h/A。