[发明专利]一种浆纱回潮率软测量方法

权利要求书

1.一种浆纱回潮率软测量方法，其特征在于：包括如下步骤；

步骤1：采集浆纱机历史运行数据并根据浆纱机历史运行数据建立样本数据集，所述浆纱机历史运行数据包括：浆纱机车速、压辊压浆力、浆液浓度、浆液温度和环境湿度，样本数据集中包括多组浆纱机历史运行数据；

步骤2：对样本数据集进行预处理：设定浆纱机车速、压辊压浆力、浆液浓度、浆液温度和环境湿度数据的安全数值范围，并删除样本数据集中的无效数据；

步骤3：利用样本数据集，建立浆纱回潮率软测量模型，用来描述浆纱回潮率与车速、压辊压浆力、浆液浓度、浆液温度、环境湿度之间的关系；

步骤4：采集当前时刻的浆纱机运行数据信息，包括浆纱机车速、压辊压浆力、浆液浓度、浆液温度、环境湿度，通过浆纱回潮率软测量模型计算当前时刻浆纱回潮率；

步骤5：计算当前浆纱回潮率软测量模型误差，即实时计算的浆纱回潮率与实际测量的浆纱回潮率之差的绝对值，若当前浆纱回潮率软测量模型误差大于5%，则返回步骤1，否则执行步骤6；

步骤6：将步骤4计算的浆纱回潮率作为浆纱回潮率软测量结果。

2.根据权利要求1所述的浆纱回潮率软测量方法，其特征在于：所述步骤3中的浆纱回潮率软测量模型，是采用基于数据分散度聚类RBF神经网络建立的，具体步骤如下：

步骤3.1：根据样本数据集中的浆纱机历史运行数据，采用数据分散聚类方法得到聚类中心，即确定RBF神经网络的隐含层节点中心；

步骤3.2：利用样本数据集中的浆纱机历史运行数据的数据分布，计算RBF神经网络隐含层节点宽度：

步骤3.3：利用最小二乘法得到RBF神经网络隐含层到输出层的权值，得到RBF神经网络输入层参数与输出层参数的非线性映射关系，即得到浆纱回潮率软测量模型，所述输入层参数包括浆纱机车速、压辊压浆力、浆液浓度、浆液温度和环境湿度，输出层参数为浆纱回潮率。

3.根据权利要求2所述的浆纱回潮率软测量方法，其特征在于：所述根据样本数据集中的浆纱机历史运行数据，采用数据分散聚类方法得到聚类中心，即确定RBF神经网络的隐含层节点中心，具体步骤如下：

步骤3.1.1：设定聚类数k，迭代截止误差值ε>0和最大迭代次数T；

步骤3.1.2：随机选择初始聚类中心将聚类中心的迭代次数t赋值为1；

步骤3.1.3：计算样本数据集分散度，样本数据集分散度用来描述样本数据集中数据的分布密度；

定义数据分散度α为

α=βn(Σi=1mli2)1/2]]>

其中，l_i为浆纱机车速、压辊压浆力、浆液浓度、浆液温度、环境湿度数据的变化范围，i=1,...,m，m为样本数据集维数；n为数据集样本数；β为一个正数；

步骤3.1.4：建立相似度距离函数和聚类目标函数并求解当聚类目标函数最小时对应的聚类中心，更新聚类中心；

相似度距离是与数据分散度和欧氏距离相关的单调有界函数，用来描述类内相似程度；

聚类目标函数是以相似度距离为评价指标，用来描述同类相似度最大且不同类相似度最小；

相似度距离函数ρ(x,y)为

ρ(x,y)=(1-e-αd2(x,y))1/2]]>

其中，d(x,y)为样本x到样本y的欧氏距离函数，α为数据分散度系数；

聚类目标函数为

minJ=Σi=1kΣj=1nwijρ2(xj,ci)]]>

其中，c_i表示第i类聚类中心，w_ij为x_j到聚类中心c_i的隶属度，ρ(x_j,c_i)为x_j到聚类中心c_i的距离函数；

步骤3.1.5：对样本数据集中的各样本数据执行步骤3.1.4，判断上一次求得的聚类中心与当前求得的聚类中心的差值是否小于迭代截止误差值ε，若是，则结束聚类，否则转到步骤3.1.4，直至迭代次数达到T。