[发明专利]基于多元时序分析预测模型的烘丝入口含水率控制方法

权利要求书

1.一种基于多元时序分析预测模型的烘丝入口含水率控制方法，其特征在于，包括：

控制制丝生产区域环境温湿度，在环境温湿度控制稳定的前提下获取多元时间序列分析预测模型相关的历史数据，所述历史数据包含进柜前水分、烘丝环境温度、烘丝环境湿度、烘丝入口水分和贮叶时间，对多元时间序列分析预测模型相关的输入输出变量进行归一化处理；

使用相关性分析进行输入变量的特征提取，筛选出与烘丝入口含水率最相关的输入变量作为特征变量；

根据提取的特征变量，基于数据驱动方法建立烘丝入口含水率的多元时间序列分析预测模型；

根据看图定阶法和贝叶斯信息准则，对多元时间序列分析预测模型进行参数寻优；

考虑模型时变特性，运用滑动窗算法实时在线地对多元时间序列分析预测模型进行训练更新；

根据已建立的多元时间序列分析预测模型变量关系和相关特征数据，反推预测出可使烘丝入口含水率达标的进柜前含水率目标值，实现对烘丝入口含水率的控制。

2.根据权利要求1所述的方法，其特征在于，对多元时间序列分析预测模型相关的输入输出变量进行归一化处理的方法为：

其中，x₀与x_i分别表示归一化前后的变量，Maxx表示x变量中的最大值，Minx表示x变量中的最小值。

3.根据权利要求1所述的方法，其特征在于，根据相关性分析进行输入变量的特征提取的方法为：根据变量之间的皮尔逊相关系数筛选出与烘丝入口含水率最相关变量，皮尔逊相关系数表示为：

式中，r为皮尔逊相关系数，X_i与Y_i分别表示为X与Y变量中第i个样本，和分别为X和Y的均值，得到每个输入变量对烘丝入口含水率的相关性系数后，选取相关性系数最大的几个变量作为多元时间序列分析预测模型的输入变量。

4.根据权利要求1所述的方法，其特征在于，建立的烘丝入口含水率的多元时间序列分析预测模型表示为：

式中，y_t为t时刻烘丝入口含水率，y_t-i为历史t-i时刻烘丝入口含水率，Φ_i为第i个自回归项系数，p为自回归项阶数，ε_t-j为历史t-j时刻模型的预测误差，q为滑动平均项阶数，θ_j为第j个滑动平均项系数，X_z,t为t时刻第Z个输入变量，m为输入变量的个数，包含进柜前水分、烘丝环境温度、烘丝环境湿度和贮叶时间等，β_Z为第Z个输入变量对应的模型系数，ε_t为t时刻模型预测误差。

5.根据权利要求1所述的方法，其特征在于，对多元时间序列分析预测模型进行参数寻优的方法为：使用看图定阶的方法选择最适合的平稳最小差分阶数d，通过观察预测数据的时间序列图示，选择1阶或2阶差分，如果预测数据的时间序列本身就是平稳的则不需要差分项，然后使用贝叶斯信息准则选择自回归项阶数p和滑动平均项阶数q，BIC准则表示为：

BIC＝ln(n)k-2ln(L)

式中，k为模型参数个数，n为样本数量，L为似然函数。

6.根据权利要求1所述的方法，其特征在于，运用滑动窗算法实时在线地对模型进行训练更新的方法为：每获取新一批样本，就剔除模型训练样本中最早的一批样本，形成新训练样本进行模型训练。