[发明专利]基于递推Lasso的流量计异常在线监测方法、系统和存储介质

说明书

本发明公开了一种基于递推Lasso的流量计异常在线监测方法、系统和存储介质，所述方法包括：根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定自回归模型的模型系数；利用流量计的实时流量，通过递推Lasso算法对自回归模型进行更新；根据基于更新后的自回归模型得到的预测流量和流量计在下一时刻的实际流量确定流量计是否异常。本发明的基于递推Lasso的流量计异常在线监测方法，通过递推Lasso算法对自回归模型进行更新，根据基于更新后的自回归模型得到的预测流量和实际流量来监测流量计的异常情况，具有准确度高、操作方便和实时跟踪等特点，为烟草制丝过程增湿水流量的在线监测提供科学、客观、可靠的技术支持，保证流量计的计量性能稳定性。

技术领域

本发明涉及烟草加工技术领域，尤其涉及一种基于递推Lasso的流量计异常在线监测方法、系统和存储介质。

背景技术

计量器具产品在使用的过程中会出现异常，在异常出现之后如果没有及时进行排查和维修，将会影响计量器具产品的准确性，从而对后续的工业生产过程带来巨大的隐患，也会增加企业的管理支出成本。

为了确保计量器具测量数据的准确性，就需要在计量器具工作过程中实时监测计量器具测得的数据。一旦出现异常，如数据跳变等情况，需要判断是计量器具出现故障，抑或是生产条件的调整；若计量器具出现故障，则需要对计量器具进行异常排查和维修。

在线流量计是卷烟制造过程溯源链中最重要的基础数据获取源之一，其检测性能在生产过程中需要始终维持在允许范围内。目前，卷烟企业生产线对流量计的异常监测方式缺乏专业性，一方面仅是简单参考常规点检规程，而忽视了生产过程中的在线监测特点；另一方面则是仅凭借技术人员的维护经验进行主观预判，具有一定随意性，且存在人为干预导致的失误风险，因此无法确保流量计是否真正出现故障。可见，由于缺乏科学依据和数据支撑，现有的流量计异常监测方法未能较好的做到故障预警的作用，不能及时发现流量计故障，因此存在较大的生产隐患。

因此，亟需一种基于递推Lasso的流量计异常在线监测方法、系统和存储介质。

发明内容

本发明的目的是提供一种基于递推Lasso的流量计异常在线监测方法、系统和存储介质，以解决上述现有技术中的问题，能够及时监测到流量计的异常情况。

本发明提供了一种基于递推Lasso的流量计异常在线监测方法，其中，包括：

根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定所述自回归模型的模型系数；

利用流量计的实时流量，通过递推Lasso算法对所述自回归模型进行更新；

根据基于更新后的所述自回归模型得到的预测流量和流量计在下一时刻的实际流量确定流量计是否异常。

如上所述的基于递推Lasso的流量计异常在线监测方法，其中，优选的是，所述根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定所述自回归模型的模型系数，具体包括：

采集流量计流量的数据样本，得到历史流量数据集合；

根据所述历史流量数据集合，构造自回归模型；

基于离线Lasso算法求取所述自回归模型的回归系数；

利用交叉验证的方法确定所述自回归模型的的正则化参数。

如上所述的基于递推Lasso的流量计异常在线监测方法，其中，优选的是，通过以下公式确定所述离线Lasso算法的最优条件，并根据所述离线Lasso算法的最优条件确定所述自回归模型的回归系数和正则化参数：