[发明专利]一种醋醅固态发酵过程谱图模态辨识方法及系统

权利要求书

1.一种醋醅固态发酵过程谱图模态辨识方法，其特征在于，包括有以下步骤：

1)采集醋醅样本：获取醋醅样本固态发酵过程多阶段近红外光谱数据，形成原始数据集；

2)基线校正：基于原始数据建立惩罚最小二乘近红外光谱基线校正函数；对近红外光谱数据的基线进行校正，得到校正基线；

3)输出校正数据：基于步骤2)所得校正基线，稀疏化醋醅固态发酵过程近红外光谱，得到校正数据；

4)发酵阶段模态辨识：根据校正数据构建醋醅固态发酵模态辨识模型，根据醋醅固态发酵模态辨识模型预测醋醅固态发酵的模态；

步骤2)中基线校正的具体步骤如下：

2-1)初始化校正函数参数：基于原始数据建立惩罚最小二乘近红外光谱基线校正函数；并初始化惩罚最小二乘近红外光谱基线校正函数的参数；平滑系数λ,迭代次数K，迭代计算间隔P,平均校正误差β，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ；

2-2)计算拟合基线：根据惩罚最小二乘法近红外光谱基线校正函数计算拟合基线；

2-3)根据校正误差划分区间：计算原始数据和拟合基线之间的差值，得到校正误差，根据校正误差大小将原始数据划分为多个基线区间和特征区间；

2-4)计算间隔平滑系数：基于步骤2-3)划分的区间及校正误差计算间隔最大误差，对比间隔最大校正误差值与设定平均校正误差，根据参数优化函数计算间隔平滑系数；

2-5)计算权重系数：基于校正误差计算权重系数；

2-6)更新拟合基线：基于权重系数和间隔平滑系数更新拟合基线，计算原始数据与更新后拟合基线的相对拟合误差及当前迭代次数，判定是否满足终止条件；若不满足则将更新后拟合基线作为拟合基线，返回步骤2-3)；若满足则将更新后的拟合基线作为输出，得到校正基线；

步骤2-3)中根据校正误差划分区间的具体步骤如下：

2-3-1)校正误差：计算原始数据和拟合基线之间的差值，得到校正误差：

2-3-2)区间确认：根据校正误差大小d_i，确定基线区间(d_i0)和特征区间(d_i≤0)：

步骤2-4)中计算间隔平滑系数的具体步骤如下：

2-4-1)基于步骤2-3-2)的区间计算区间的间隔最大误差：

2-4-2)构建间隔平滑系数优化函数表示为：

式(4)中，表示第(t-1)次迭代过程中第i个点的平滑系数，β表示平均校正误差，d(P)表示第i个以P为步长间隔的最大校正误差；

2-4-3)若区间最大校正误差d(P)小于等于平均校正误差β，平滑系数保持不变；

若区间最大校正误差d(P)大于平均校正误差β，则根据平滑参数优化函数对平滑参数更新，具体表示为：

2.如权利要求1所述的一种醋醅固态发酵过程谱图模态辨识方法，其特征在于，步骤2-1)中初始化校正函数参数的具体步骤如下：

2-1-1)构建校正函数：基于原始数据建立惩罚最小二乘近红外光谱基线校正函数：

式(6)中，z表示校正基线，W表示权重系数，D表示拟合基线差分矩阵，表示平滑系数，式中差分矩阵D一般取二阶差分；

2-1-2)初始化校正函数参数：初始化惩罚最小二乘近红外光谱基线校正函数的平滑系数λ,迭代次数K，迭代计算间隔P,平均校正误差β，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ。

3.如权利要求2所述的一种醋醅固态发酵过程谱图模态辨识方法，其特征在于，步骤2-2)中计算拟合基线的具体方法如下:

对式(6)求偏导，获得基于权重系数和平滑系数计算拟合基线的计算公式：

4.如权利要求1所述的一种醋醅固态发酵过程谱图模态辨识方法，其特征在于，步骤2-5)中计算权重系数的具体方法如下：

式(8)中，表示基于校正误差的指数权重，d^-表示校正误差中所有负数变量之和。