[发明专利]一种烟支圆周控制系统执行机构位置的预测方法有效
申请号: | 201910318376.X | 申请日: | 2019-04-19 |
公开(公告)号: | CN110037336B | 公开(公告)日: | 2021-09-03 |
发明(设计)人: | 李钰靓;王伟;张利宏;周小忠;黎勇 | 申请(专利权)人: | 浙江中烟工业有限责任公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F119/10;A24C5/00 |
代理公司: | 杭州丰禾专利事务所有限公司 33214 | 代理人: | 王静 |
地址: | 310008 *** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 圆周 控制系统 执行机构 位置 预测 方法 | ||
1.一种烟支圆周控制系统执行机构位置的预测方法,其特征在于:该方法包括如下步骤:
步骤1,获取当前烟支圆周系统执行机构位置的时序数据:
从数控系统中获取固定长度L段的执行机构位置数据作为特征变量集,若数据出现缺失现象则根据缺失值的个数向下选取,保证数据的可用性与可靠性;
步骤2,将所述特征变量集作为样本,采用卡尔曼对其进行滤波:
a.当前估计值的推测:
A为状态转移矩阵表示从前状态推测当前状态,B为控制矩阵表示控制量u如何控制当前状态,为根据上一状态所推论估计值,为上一状态估计值;
b.不确定性的推测:
过程噪声协方差Q表示预测模型本身的噪声即噪声传递过程中的不确定性,系统中每一个时刻的不确定性都是通过协方差矩阵P表示;
c.计算卡尔曼增益:
H为观察矩阵,观测噪声协方差R来表述观测中的不确定性,Kk即为所求卡尔曼增益;
d.计算最优估计值:
即为最终所求当前最优估计值;
e.更新噪声分布:
根据当前样本重复上述操作直到给出经过卡尔曼滤波后的一组最优估计值;
步骤3,对滤波后的特征变量建立基于ARIMA(p,d,q)的时序预测模型:
a.如步骤2所述,对滤波后的特征变量根据其时序值进行平稳性检验对不平稳时序值进行差分,如果差分后仍不平稳则进行进一步差分,d阶差分运算公式如下:
b.通过计算自相关系数进行平稳性判断,若差分序列自相关系数值在延迟3阶以后,落在2倍标准差范围内,且向零衰减较快,则认为d阶差分后序列平稳;若有不满足要求则增加差分阶数,直到满足要求;
c.平稳时序{yt}存在p阶自相关:
yt=φ0+φ1yt-1+φ2yt-2+...+φpyt-p+εt-θ1εt-1-θ2εt-2-...-θqεt-q
在t时刻的变量yt是前p期xt-1,xt-2,…,xt-p和前q期的多元线性函数,误差项是当期的随机干扰,认为yt是受过去p期的序列值和过去q期的误差项ε的共同影响;
d.确立p值与q值:
AIC=nlogσ2+2(p+q)
式中:n为特征变量的样本数,σ是残差平方和,p为自回归项数,q为移动平均项数;采用穷举法筛选出AIC最小情况下的p值与q值;
步骤4,对短期内目标进行预测:
如步骤3所述建立基于当前特征变量的ARIMA(p,d,q)模型,对短期st时间内的执行机构位置进行预测得到执行机构位置的预测值,向圆周控制系统传达执行机构调整策略;
步骤5,Kalman-ARIMA模型迭代预测:
根据不断更新的执行机构新的位置数据,不断重复步骤1-步骤4建立,建立适应当前数据的卡尔曼滤波模型与ARIMA时序预测模型,实时获得相应的执行机构位置预测值。
2.根据权利要求1所述的烟支圆周控制系统执行机构位置的预测方法,其特征在于:L取值范围为[10,50]。
3.根据权利要求1所述的烟支圆周控制系统执行机构位置的预测方法,其特征在于:所述步骤2)中参数A与B分别取1和0,在第一次循环中,,过程噪声协方差Q为1.193,观测噪声协方差R为1.0593;以后的Q与R值依据当前循环下的协方差值不断更新。
4.一种计算机可读存储介质,其上存储有可执行指令,所述指令在被处理器执行时使处理器执行根据权利要求1~3任意一项所述的方法。
5.一种计算设备,包括:
一个或多个存储器,存储有可执行指令;
一个或多个处理器,执行所述可执行指令,用以实现根据权利要求1~3任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江中烟工业有限责任公司,未经浙江中烟工业有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910318376.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种铁皮石斛的加工方法及其应用
- 下一篇:一种多管喂丝装置