[发明专利]一种工业烘干机的系统状态预测方法

权利要求书

1.一种工业烘干机的系统状态预测方法，其特征在于，包括：

步骤1、建立工业烘干机的系统状态空间模型：

其中，X_t是状态向量，u_t代表输入的工业烘干机的能耗数据向量，Y_t代表输出的工业烘干机的预测数据向量，w_t为过程噪声，e_t为测量噪声，A是转移矩阵，B是输入矩阵，C是输出矩阵；

步骤2、采集输入、输出数据，确定采样间隔T，将数据保存整理进行预处理；其中输入数据包括：燃油流量u₁、热排气风扇转速u₂、原料流量u₃；输出数据包括：干球温度y₁、湿球温度y₂、原材料水分含量y₃；

步骤3、采用遗传算法获得模型参数A,B,C,w_t,e_t的初步估计值；

步骤4、采用EM算法和Kalman滤波平滑算法相结合对状态空间模型进行精确辨识，以迭代求解的方式得到模型最终的估计参数A,B,C,w_t,e_t；

步骤5、将实际运行时的数据输入模型，实现工业烘干机的系统状态预测。

2.根据权利要求1所述的一种工业烘干机的系统状态预测方法，其特征在于，步骤4中，将要评估的参数的似然函数定义为：

L(Θ)＝lnP(Y|X,Θ)，

Θ＝[A,B,C,Q,R₁,μ₀,P₀]，

其中，X是不可观测的状态向量，当计算参数Θ时，P(Y|X,Θ)和L(Θ)同时取到最大值；R₁∈R^p×p是测量噪声的协方差矩阵，Q∈R^m×m是过程噪声的协方差矩阵，μ₀、P₀分别代表系统的初始状态向量的均值和方差；

采用EM算法和Kalman滤波平滑算法相结合求解L(Θ)最大值的过程是一个迭代过程，在迭代k次之后，将参数集Θ的估计值写成Θ_k，迭代方程如下：