[发明专利]基于隐马尔科夫模型与粒子群优化的木材含水率控制方法

权利要求书

1.基于隐马尔科夫模型与粒子群优化的木材含水率控制方法，其特征在于，该方法包括以下步骤：

步骤一、利用测量仪器测得t时刻的木材含水率M_t、t时刻的木材温度T_t、t时刻的木材湿度H_t以及t+1时刻的木材含水率M_t+1、t+1时刻的木材温度T_t+1、t+1时刻的木材湿度H_t+1；

以t时刻的木材含水率M_t、t时刻的木材温度T_t和t时刻的木材湿度H_t为自变量，以t+1时刻的木材含水率M_t+1、t+1时刻的木材温度T_t+1和t+1时刻的木材湿度H_t+1为因变量，建立由自变量和因变量组成的样本集；

利用建立的样本集训练HMM预测模型，直至前后连续两次迭代获得的HMM预测模型参数的差值小于阈值Q时停止训练，获得训练好的HMM预测模型；

步骤二、建立适应度函数F，其具体为：

F＝(T′_t+1-T_t)²+(H′_t+1-H_t)²+(M_r(t+1)-M′_t+1)²

式中，T_t为测得的t时刻木材温度，H_t为测得的t时刻木材湿度，M_r(t+1)为t+1时刻木材含水率基准值，T′_t+1为HMM预测模型输出的t+1时刻木材温度，H′_t+1为HMM预测模型输出的t+1时刻木材湿度，M′_t+1为HMM预测模型输出的t+1时刻木材含水率；

步骤三、对于待进行干燥的木材，测量出当前时刻木材的含水率、温度和湿度后，将当前时刻木材的含水率、温度和湿度数据输入步骤一训练好的HMM预测模型，获得HMM预测模型输出的下一时刻木材的含水率、温度和湿度数据；

将测量出的当前时刻木材温度和湿度数据，模型输出的下一时刻木材含水率、温度和湿度数据以及下一时刻的木材含水率基准值代入适应度函数F，根据适应度函数F计算出当前时刻木材干燥系统需要设定的最佳温度和湿度；

所述步骤三中，根据适应度函数F计算出当前时刻木材干燥系统需要设定的最佳温度和湿度，其具体过程为：

使用PSO模型优化适应度函数F，计算出令适应度函数F取值最小时对应的干燥系统温度T*和干燥系统湿度H*，T*和H*分别为当前时刻木材干燥系统需要设定的最佳温度和湿度；

步骤四、将当前时刻木材干燥系统的温度和湿度分别设置为步骤三获得的最佳温度和最佳湿度后，经过干燥后再测量出下一时刻木材的含水率、温度和湿度数据；

步骤五、将步骤三中的当前时刻木材含水率、温度和湿度数据与步骤四中的下一时刻木材的含水率、温度和湿度数据添加到样本集中，不断更新样本集；

步骤六、若步骤四测量的下一时刻木材含水率数据与步骤三中HMM预测模型输出的下一时刻木材含水率数据的差值大于等于阈值δ，则将步骤一训练好的HMM预测模型的参数作为初始化输入参数，利用更新后的样本集重新训练HMM预测模型，并利用重新训练好的HMM预测模型来执行步骤七；

否则，继续利用步骤一训练好的HMM预测模型来执行步骤七；

步骤七、重复执行步骤三至步骤六的过程，实现对木材干燥过程中含水率的控制。

2.根据权利要求1所述的基于隐马尔科夫模型与粒子群优化的木材含水率控制方法，其特征在于，所述步骤一中，HMM预测模型所采用的训练算法为EM算法。

3.根据权利要求1所述的基于隐马尔科夫模型与粒子群优化的木材含水率控制方法，其特征在于，所述步骤一中，HMM预测模型参数是指观测状态矩阵参数、初始隐藏状态矩阵参数以及状态转移矩阵参数。

4.根据权利要求3所述的基于隐马尔科夫模型与粒子群优化的木材含水率控制方法，其特征在于，所述步骤一中，阈值Q的取值为0.01。