[发明专利]一种基于概率神经网络的卷包机烟支吸阻的在线预测方法

权利要求书

1.一种基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，包括以下步骤：

利用带记忆的吸阻系数校准装置对吸阻测量装置校准后，采集烟支吸阻数据和卷包机台数据，其中，卷包机台数据包括烟支物理结构数据和设备状态数据；

对卷包机台数据进行预处理和吸阻影响因素选择之后，确定的吸阻影响因素与烟支吸阻数据形成样本数据；

利用样本数据训练基于概率神经网络以得到烟支吸阻预测模型；

利用烟支吸阻预测模型进行卷包机烟支吸阻的在线预测。

2.根据权利要求1所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，所述利用带记忆的吸阻系数校准装置对吸阻测量装置校准，包括：

带记忆的吸阻系数校准装置记录吸阻测量装置抽样测量时样本的在线吸阻值；获取利用吸阻测量仪器对抽样样本进行测量得到的离线吸阻值；通过计算在线吸阻值与离线吸阻值的比例来确定吸阻校准系数，利用吸阻校准系数对吸阻测量装置进行校准。

3.根据权利要求1所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，将吸阻测量装置能够准确测量烟支吸阻期间确定为校准后的数据采样期间，在数据采样期间内，利用吸阻测量装置采集烟支吸阻数据，利用卷包高速数采服务器采集卷包机台数据并存储。

4.根据权利要求1所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，对卷包机台数据进行预处理包括：对卷包机台数据继续拿给你数据清洗，分类、剔除以及纠偏处理，根据模型需要进行数据字段的拆分和归一化处理。

5.根据权利要求1或4所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，在对卷包机台数据进行预处理后，对数据进行吸阻影响因素的选择，包括：通过构建的吸阻相关性分析模型，计算卷包机台数据中每种类型数据与吸阻的相关系数，该相关系数表示了数据对吸阻的重要程度，相关系数越大，对吸阻的重要程度越大，筛选相关系数大于设定阈值的类型数据作为吸阻影响因素，该吸阻影响因素用于构建样本数据。

6.根据权利要求1或5所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，吸阻影响因素选择后确定的吸阻影响因素包括：短支烟重量、烟丝水分、当前车速、圆周值、压实端量当前值、吸丝带位置、通风度当前值、烟支端头密度当前值、VE大风机压力、MAX大风机压力。

7.根据权利要求1或5所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，所述利用样本数据训练于概率神经网络以得到烟支吸阻预测模型，包括：

以极大似然估计为损失函数，损失函数表示为：l(θ)＝P(Y|X,θ)＝P(y1,y2,…,yn|x1,x2,…,xn,θ)＝∏P(yi|xi,θ)，其中，θ表示概率神经网络参数，(xi,yi)表示第i个样本数据，x表示吸阻影响因素，y表示烟支吸阻数据；

将样本数据中的吸阻影响因素输入至概率神经网络，经计算输出预测吸阻值的概率分布，将吸阻实测值带入这个分布计算所有样本吸阻值出现的概率，依据极大似然估计优化概率神经网络参数，优化结束后，得到烟支吸阻预测模型。

8.根据权利要求1所述的基于概率神经网络的卷包机烟支吸阻的在线预测方法，其特征在于，所述利用烟支吸阻预测模型进行卷包机烟支吸阻的在线预测，包括：

将在线采集的卷包机台数据经过预处理和吸阻影响因素选择后，输入至烟支吸阻预测模型，经过计算输出预测吸阻值的概率分布，实现烟支吸阻的在线预测。