【技术实现步骤摘要】
本专利技术涉及烟叶松散回潮，具体涉及一种烟叶松散回潮热风温度的预测方法、系统及存储介质。
技术介绍
1、松散回潮设备是烟草加工工艺中的关键设备之一。它的主要功能是调节烟叶的湿度和温度，为后续工序提供理想湿度状态的烟叶原料。松散回潮设备通常由传送装置、加湿系统、加热系统、控制系统等组成。所谓“松散回潮”就是指对散装状态下的烟叶进行回潮处理，松散回潮设备可以实现更均匀的烟叶湿化效果
2、松散回潮对后续制丝工序的质量影响重大。如果回潮不足，将导致烟叶过于脆干；而回潮过度又会使烟叶质量下降。只有精准控制烟叶湿度，才能保证丝条的牵伸性，提高成丝率，并获得理想的制丝品质。此外，松散回潮设备还直接影响卷烟加工工序的烟丝可处理量和卷制速度。因此，松散回潮是连接烟叶初加工和卷烟制造的关键环节，其运行状态直接关系到烟草企业的产量和产品质量。
3、当前，随着烟草加工技术的提高，新型松散回潮设备日趋自动化和智能化。典型设备配备了电子皮带秤、在线水分检测系统、可编程逻辑控制器(plc)等，可以实时监测烟叶流量、温湿度，并据此对加热、加湿系统的参数进行闭环控制，实现精确的烟叶湿化效果。这类智能化设备的应用，大大提高了松散回潮过程的自动化水平。但与此同时，它们的故障也会造成更大的经济损失。
4、在烟叶的加湿和回潮过程中，热风温度直接影响烟叶的湿度和质量，同时也影响设备的运行效率和能耗。
5、松散回潮的热风温度决定了烟叶的加湿和回潮速度，太高的温度可能导致烟叶过于快速的吸湿，而造成湿度分布不均或者烟叶表面烫伤，影
6、目前松散回潮热风温度的控制及预测主要采用物理机理建模的方法或机器学习的方法，这类方法需要详细分析和模拟松散回潮的结构与生产工艺，计算量大且耗时长。同时还需要做出一些理想化假设，会带入一定误差。仅从数据建模的方法，如偏最小二乘(pls)和主成分回归(pcr)等，采用整体的离线模型,难以更新，对时变工艺预测精度较差。移动窗口(mv)和及时学习(jitl)策略可以进行在线建模，但jitl直接输入训练样本训练，会损失预测精度。而仅用欧式距离度量样本相似度也不适合处理时间序列数据。
7、基于此，需要一种能够实现松散回潮这类复杂时变过程中的热风温度短期高精度预测的方法。
技术实现思路
1、针对上述问题，本专利技术提供了一种烟叶松散回潮热风温度的预测方法、系统及存储介质，通过动态时间规整距离、局部加权策略及lstm网络，解决了非线性时变问题，实现了热风温度的短期高精度预测。
2、根据第一方面，本专利技术提供了一种烟叶松散回潮热风温度的预测方法，包括：
3、步骤s1：获取回潮设备采集的原始数据集(x，y)，并使用滑动窗口对原始数据集(x，y)进行预处理，得到预处理后的样本集(xl，yl)，其中，x为运行状态输入变量样本集，y为热风温度输出变量样本集，xl为预处理后的运行状态输入变量样本集，yl为预处理后的热风温度输出变量样本集；
4、当收集松散回潮设备原始工业数据时，在每个采样点收集的数据是每个变量在某一时刻的值。对于复杂的工业过程来说，某一时刻的某一输出变量的值不仅取决于那一时刻的输入，还取决于之前几个时刻输入的变化。因此，需要使用采样时刻前的几个时刻的输入与采样时刻的输出映射在一起，以建立输入和输出之间的动态映射关系。基于此，本专利技术通过上一个窗口的相关信息，通过与查询历史数据窗口之间的距离，加权后输入lstm模型，对下一个窗口值进行预测。
5、步骤s2：对yl进行无监督聚类，然后对聚类后的yl中的每个输出变量样本打上类别标签，并将输出变量样本对应的输入变量样本及其类别标签组成训练集；
6、步骤s3：使用所述训练集训练分类模型，获得一个对查询样本的运行条件进行分类的分类模型；
7、步骤s4：利用分类模型对查询样本进行分类，判断其运行条件，然后计算查询样本与其运行条件相同的每个历史样本的距离度量，选择若干个距离最小的历史样本作为局部样本，并根据距离度量为每个局部样本赋予权重，得到加权局部建模样本；
8、步骤s5：以加权局部建模样本为输入，训练lstm网络模型，得到特定查询样本的热风温度预测模型；重复步骤s4、s5，得到若干个针对不同类型查询样本的热风温度预测模型；
9、步骤s6：根据查询样本的类型调取相应的热风温度预测模型预测下一时间窗口的热风温度。
10、进一步地，所述步骤s2中，无监督聚类的目标函数jm(u,c)为：
11、
12、其中，为长度为l的时间序列与聚类中心之间的距离度量；表示采样点j对聚类中心的隶属函数；m为模糊性参数。
13、进一步地，步骤s4中，根据距离度量为每个局部样本赋予权重的步骤包括：
14、根据距离度量计算权重集
15、用权重集对局部样本进行权重调整，得到加权局部建模样本
16、进一步地，权重ww为：
17、ww的集合为权重集
18、其中，dw为查询样本与其运行条件相同的每个历史样本的距离度量之和；σ为调节权重的变化率参数。
19、进一步地，
20、
21、其中，dw表示第w个历史样本与查询样本之间的dtw距离；u表示样本中的第u个时序点；l表示样本的长度，即样本包含的时序点个数；dist表示dtw距离计算函数；表示dtw距离计算时找到的最优匹配路径；表示第i个历史样本的第u个时序点，表示第w个历史样本的第u个时序点的各个变量；表示查询样本的第u个时序点，表示查询样本的第u个时序点的各个变量。
22、所以这个公式表示采用dtw距离计算第w个历史样本和查询样本之间的距离，通过在两者的时序矩阵上找到一条最优匹配路径，将路径上对应点之间的欧式距离累加即得两样本之间的dtw距离。
23、根据第二方面，本专利技术提供了一种松散回潮热风温度的高精度预测系统，包括：
24、数据预处理模块，用于使用滑动窗口对原始数据集(x，y)进行预处理，得到预处理后的样本集(xl，yl)，其中，x为运行状态输入变量样本集，y为热风温度输出变量样本集，xl为预处理后的运行状态输入变量样本集，yl为预处理后的热风温度输出变量样本集；
25、运行条件分类模块，对yl进行无监督聚类，然后对聚类后的yl中的每个输出变量样本打上类别标签，并将输出变量样本对应的输入变量样本及其类别标签组成训练集；
26、还用于使用训练集训练分类模型，获得一个对查询样本的运行条件进行分类的分类模型；
27、局部样本加权模块，用于利用分类模型对查询样本进本文档来自技高网...
【技术保护点】
1.一种烟叶松散回潮热风温度的预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述步骤S2中，无监督聚类的目标函数Jm(U,C)为：
3.如权利要求1所述的方法，其特征在于，步骤S4中，根据距离度量为每个局部样本赋予权重的步骤包括：
4.如权利要求3所述的方法，其特征在于，权重ww为：
5.如权利要求4所述的方法，其特征在于，
6.一种烟叶松散回潮热风温度的预测系统，其特征在于，包括：
7.一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1-5中任一项所述松散回潮热风温度的预测方法的步骤。
【技术特征摘要】
1.一种烟叶松散回潮热风温度的预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述步骤s2中，无监督聚类的目标函数jm(u,c)为：
3.如权利要求1所述的方法，其特征在于，步骤s4中，根据距离度量为每个局部样本赋予权重的步骤包括：
4.如权利要求3所述的方法，其...
【专利技术属性】
技术研发人员：吴悦，徐潇媛，李士猛，李文亮，徐文涛，季亦帆，刘海龙，龚良昊，马建忠，赵志新，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。