[发明专利]一种卷烟滤棒成型机生产过程的吸阻预测方法及存储介质

权利要求书

1.一种卷烟滤棒成型机生产过程的吸阻预测方法，其特征在于，包括步骤如下：

Step1：利用改进熵的主成分分析法PCA降低滤棒成型机吸阻相关历史数据的维度并将其作为Elman神经网络样本数据；

Step2：确定网络拓扑结构并进行网络初始化，利用改进后的FA对Elman神经网络进行优化并对优化后的Elman神经网络进行训练；

Step3：使用训练后的Elman神经网络对滤棒成型机吸阻进行预测。

2.根据权利要求1所述的方法，其特征在于，所述Step1包括：

Step1.1：对滤棒成型机历史生产数据进行局部熵改进；

Step1.2：将改进局部熵之后的数据作为PCA算法的输入，对其进行标准化，计算标准化后数据集的协方差矩阵，以及协方差矩阵的特征值和对应的特征向量；

所述滤棒成型机吸阻相关历史数据的输入样本集表示为X＝[X₁,X₂,...,X_n]，其中n为样本序号；

熵定义为：其中，p(x)为x处的概率密度；

在概率密度估计中使用核密度估计：

在核密度估计中使用泛化的统一切比雪夫多项式核函数GUCK：

加入了KNN思想的核密度估计函数：

h＝[h₁,h₂,h₃,...,h_d]

其中：i为采样时刻，h为窗口宽度，d为空间维度，n为观测器的数量；

Step1.3：根据下式求主元个数：

Step1.4：将求出来的协方差的特征值从大到小排列，选用前l个元素作为主元，将其所对应的单位特征向量依序构成一个矩阵，与原数据集相乘，得到最终降维的数据集。

3.根据权利要求2所述的方法，其特征在于，所述Step2包括：

Step 2.1：由Step1所得的降维数据集作为神经网络模型训练输入集；

Step 2.2：以计算Elman神经网络所预测值和真实值之间的误差函数，使其得到最小值作为目标，当目标函数值f(x)陷入局部最优时，引入不含参数的填充函数使其跳出当前局部极小点的邻域，从当前已有局部最小点出发找出另一个更好地局部极小点；

Step 2.3：更新萤火虫位置，更新光强排序，选取最优解；

Step 2.4：判断是否达到最大迭代数，若没有达到，则转到Step2.2，若达到，选取最优解作为Elman神经网络的各分层权值。

4.根据权利要求1-3任一项所述的方法，其特征在于：

所述滤棒成型机吸阻相关历史数据包括稳定辊压、开松比、回速比、螺纹辊压及塑化剂喷洒率以及人工离线抽检、质检台离线抽检吸阻构成的训练数据集。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序能够被处理器执行以实现如权利要求1-4中任一项所述的卷烟滤棒成型机生产过程的吸阻预测方法的步骤。