[发明专利]一种复烤机配方参数库的构建方法

权利要求书

1.一种复烤机配方参数库的构建方法，其特征在于：首先对复烤干燥模式进行分析优化，得到合适的干燥模式，在此基础上对生产数据样本采用结合遗传算法的BP算法，并在BP算法中加入动量项和自适应学习率以提高算法收敛速度和精度，得到预测和泛化能力更好的配方数据库，进一步采用基于模式识别的方法对数据库进行优化和维护。

2.根据权利要求1所述的复烤机配方参数库的构建方法，其特征在于：具体步骤如下：

(1)分析干燥模式对复烤质量的影响，具体方法是在保证总干燥强度和冷房含水率基本一致的前提下，通过调整干燥区一～六区干燥温度，形成不同的干燥模式，考察不同干燥模式对复烤质量的影响，确定最优干燥模式；

(2)在实际生产中采用优化的干燥模式对片烟进行处理，通过生产过程的分析以及来料条件和等级等，确定配方参数库的输入输出参数变量；

(3)确定采集规则：包括采样时间和训练数据范围。根据烟草加工过程的特点，采样时间为5-15秒；评价数据范围选取生产过程稳定运行的数据段，即除去料头、料尾以及故障阶段的生产数据；

(4)数据预处理：若数据样本满足神经网络训练要求，则进一步对数据进行预处理，包括异常值剔除和归一化处理，若不满足训练要求，则通过模式识别方法增加相似的邻近样本数据扩充样本范围；

(5)确定神经网络拓扑结构：针对复烤加工过程特点，从简单、有效实用的角度考虑，通常选用单个隐层结构的BP神经网络，即三层BP神经网络结构进行训练构建；

(6)采用结合遗传算法的BP神经网络算法，并在BP算法中加入动量项和自适应学习率来对数据样本进行训练建模，提高算法的收敛速度和模型准确性；

(7)对大量训练后的神经网络模型进行数据库的构建，方便模型分析和数据调用，并通过历史生产数据不断对模型进行优化和维护，提高模型的泛化能力和预测准确性，从而构建可不断更新优化的配方参数库。

3.根据权利要求1所述的复烤机配方参数库的构建方法，其特征在于：步骤(4)中异常值剔除采用莱以特准则对粗大误差数据进行剔除，即若测量值的残余误差大于标准差的三倍，则剔除；归一化处理将数据控制在[-1,1]的范围内，其公式如下：

这里j表示数据p的行数，同时也表示输入神经元的个数，p_jmin和p_jmax分别表示p中第j行的最小值和最大值。

4.根据权利要求1所述的复烤机配方参数库的构建方法，其特征在于：

步骤(6)中在BP算法中加入动量项和自适应学习率来提高算法收敛速度，其权值调整公式为：

w(k+1)＝w(k)+(1-a)η(k)d(k)+a(w(k)-w(k-1)) (2)

式中w(k+1)、w(k)、w(k-1)分别为k+1、k、k-1时刻的权向量，η(k)为k时刻的学习率，d(k)为k时刻的负梯度，α为动量因子。