[發明專利]一種基于多模式推理的煙草烘烤質量預測模型建立方法

有效

• 申請號: 202110565034.5
• 申請日: 2021-05-24
• 公開（公告）號: CN113222268B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 吳青娥;王淑娟;陳虎;魯迎波;周林濤;宗濤;宋智超;李朋磊;萬國梁;王文靜;李勇;安紫明;馬致遠
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q10/04;G06Q10/06
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

1.一種基于多模式推理的煙草烘烤質量預測模型建立方法，其特征在于，其步驟如下：

步驟一：從歷史煙草烘烤過程的煙草數據中進行挖掘抽取，獲得與烘烤質量相關的指標數據，并采用最值比較法對各項指標數據進行標準化處理，得到每項指標數據的權值；所述與烘烤質量相關的指標數據包括干球的溫度、濕球的溫度、絕對溫度和濕度；

步驟二：分析每項指標數據的權值，采用多模式推理方法尋找烘烤過程中輸入數據與輸出數據的映射關系，并建立輸入數據與輸出數據之間的關系模型；

具體實現方法為：

根據烘烤過程中輸入數據與輸出數據，建立一個期望的狀態方程：

X(k+1)＝f[k,X(k)]+G(k)W(k)，

其中，X(k+1)表示k+1時刻輸入的狀態向量，X(k)表示k時刻輸入的狀態向量，f[k,X(k)]是關于狀態X(k)的非線性函數，W(k)表示過程噪聲序列，G(k)為噪聲分布矩陣，k表示時刻；且W(k)滿足：E[W(k)]＝0,E[W(k)W′(j)]＝Q(k)δ_kj，其中，E[·]為求期望的函數，W(j)表示過程噪聲序列，Q(k)表示過程噪聲的零均值正定協方差矩陣，δ_kj表示偏差數，j表示不同于k的任意時刻；

根據輸入數據建立輸出數據對應的量測方程：

Z(k)＝h[k,X(k)]+V(k)，

其中，Z(k)表示k時刻的實際輸出向量，h[k,X(k)]表示測量輸出的非線性函數，V(k)為量測噪聲序列；且V(k)滿足：E[V(k)]＝0,E[V(k)V′(j)]＝R(k)δ_kj，其中，V(j)表示量測噪聲序列，R(k)表示測量噪聲的零均值正定協方差矩陣；

假定過程噪聲序列和量測噪聲序列彼此獨立，并且給定初始狀態估計和協方差矩陣P(0|0)；則在k時刻存在：

其中，表示條件均值，P(k|k)表示均方誤差，Z^k表示k時刻的實際輸出向量；

從k時刻到k+1時刻的狀態預測為：

其中，表示k+1時刻相對于k時刻的狀態估計值，表示的非線性函數，e_i是直角坐標系中的第i個基向量，n是狀態向量X(k)的維數，tr[·]表示矩陣的跡，表示向量f的第i個分量的海賽矩陣，表示函數對x進行求導，fⁱ(k,X)表示第i個分量k時刻狀態X的非線性函數值，表示k時刻的狀態估計值；

預測誤差方程為：

其中，表示第i個分量k+1時刻相對于k時刻的狀態估計值的預測誤差，x_i(k+1)表示第i個分量在k+1時刻的狀態實際值，表示第i個分量k+1時刻相對于k時刻的狀態估計值，表示的非線性函數，表示第i個分量在k時刻的預測誤差；

與預測誤差相對應的協方差為：

其中，P(k+1|k)表示k+1時刻相對于k時刻的協方差，是向量f的雅可比矩陣，f(k,X)表示k時刻狀態X的非線性函數值，f'_X(k)表示k時刻的雅可比矩陣的一階導數，e_j是直角坐標系中的第j個基向量，表示第i個分量的海賽矩陣在k時刻的非線性函數值，G'(k)表示過程噪聲分布的導數矩陣；

對于二階濾波，量測預測值為：

其中，表示k+1時刻相對于k時刻的輸出向量的預測值，表示的非線性函數，m是測量向量Z(k)的維數，表示向量h的第i個分量的海賽矩陣，hⁱ(k+1,X)表示第i個分量在k+1時刻的狀態X非線性函數值；與量測預測值相對應的協方差為：

其中，S(k+1)表示在k+1時刻的測量誤差的協方差矩陣，為向量h的雅可比矩陣，h'_X(k+1)表示第k+1時刻向量h的雅可比矩陣的一階導數，表示向量h的第j個分量的海賽矩陣，R(k+1)表示測量噪聲的零均值正定協方差矩陣；

而濾波增益為：

K(k+1)＝P(k+1|k)h′_X(k+1)S^-1(k+1)，

其中，K(k+1)表示k+1時刻的濾波增益，S^-1(k+1)表示S(k+1)的逆；

煙草烘烤過程中的狀態更新方程為：

其中，表示在k+1時刻的狀態估計值，是量測殘差；

煙草烘烤過程中的協方差更新方程為：

P(k+1|k+1)＝P(k+1|k)-P(k+1|k)h′_X(k+1)S^-1(k+1)h_X(k+1)P(k+1|k)

＝P(k+1|k)-K(k+1)S(k+1)K′(k+1)，

其中，P(k+1|k+1)表示在k+1時刻的更新的協方差矩陣，K'(k+1)表示濾波增益在k+1時刻的一階導數；

進一步，實際輸出向量為：

其中，表示k+1時刻相對于k時刻的輸出向量估計值；

實際輸出向量的誤差為：

其中，是實際輸出的殘差；

于是，實際輸出的誤差協方差為：

其中，S'(k+1)是實際輸出的協方差陣；

通過函數變換T將輸入向量X到輸出向量Y確定X到Y的一個映射關系R_T；則建立輸入數據與輸出數據之間的關系模型為：

輸入數據為X＝{x₁,x₂,…x_n}，輸出數據為Y＝{y₁,y₂,…y_m}；給定X到Y的一個映射關系R可確定X到Y的一個函數變換為：

其中，T_R(A)表示輸入矩陣A與輸入到輸出間的關系R的合成運算結果，A表示輸入矩陣，R表示從輸入到輸出間的映射關系矩陣，°表示合成算子；

步驟三：對步驟二建立的關系模型進行可行性驗證，并利用多模式推理方法得出的多輸入數據與多輸出數據的映射關系矩陣對煙草烘烤質量進行監測。