[发明专利]用于卫生纸机干燥部关键运行参数预测的混合建模方法

权利要求书

1.用于卫生纸机干燥部关键运行参数预测的混合建模方法，其特征在于，包括以下步骤：

S1、获取卫生纸机干燥部历史操作参数且清洗异常数据；

S2、建立纸页干燥机理模型，使用机理模型对S1各历史操作参数预测关键运行参数，并计算关键运行参数的机理预测误差；

S3、使用归一化方法对S1与S2机理模拟误差数据进行预处理，并按一定比例将数据分为训练集与测试集；

S4、根据BPNN算法原理建立关键运行参数的机理预测误差补偿模型，使用训练集数据训练模型与算法超参数的调优；

S5、整合纸页干燥机理模型与机理预测误差补偿模型，预测测试集数据关键运行参数；

所述S1包括以下子步骤：

S11、获取卫生纸机干燥部历史操作参数，所述历史操作参数包括:烘缸压力，车速，纸种克重，卷取率，湿侧送风温度，干侧送风温度，湿侧送风机频率，干侧送风机频率，排风机频率；

S12、采用箱形图方法对干燥部历史操作参数进行异常数据清洗；

所述S2包括以下子步骤：

S21、根据纸页干燥动力学模型公式建立纸页干燥机理模型，所述纸页干燥机理模型为：

其中，u_p为纸页的含水量；T_p为烘缸上各点纸页的温度；L为纸页在烘缸上经过的纵向距离；K为纸页和空气之间的对流传质系数；G为纸页的绝干定量；v为纸机车速；P_p为纸页表面水蒸气质量分数；P_a为纸页所处环境空气中的水蒸气质量分数；h_c-p为从烘缸内蒸汽到纸页的总传热系数；T_c为烘缸内蒸汽温度；h_p-a为纸页和空气之间的对流传热系数；T_a为纸页所处环境空气的温度；H_v,△H_s分别为纸页中的水分的蒸发相变热和吸附热；C_f为纤维比热和；C_w为水的比热；

S22、使用已建立的纸页干燥机理模型对S1得到的干燥部历史操作参数进行计算，输出每一组操作参数下干燥部关键运行参数的预测值，所述每一组操作参数下干燥部关键运行参数的预测值包括：气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量与干燥部低压蒸汽流量；

S23、计算S22输出的预测值的预测误差，所述预测误差计算公式为：

其中，y_t为实际值，为纸页干燥机理模型预测值；

所述S3包括以下子步骤：

S31、对S1得到的干燥部历史操作参数数据与机理模型预测误差数据进行归一化处理，所述归一化处理公式如下：

其中，x_i为归一化前的样本数据，为归一化后的样本数据，x_max为样本数据的最大值，x_min为样本数据的最小值；

S32、将归一化处理后的数据与S2得到的机理预测误差数据按60％与40％的比例划分为训练集与测试集；

所述S4包括以下子步骤：

S41、根据BPNN算法原理建立干燥部关键运行参数的机理预测误差补偿模型，所述误差补偿模型的公式为：

其中，s为输出y的维度，n为训练样本个数，y_ij为预测值，为真实值；

S42、选择经典的3层BPNN结构，BPNN结构的隐藏层的第j个神经元的第k个分量的输出函数为：

y_jk＝f(w_1j×o_j+…+w_ij×o_j+…+w_mj×o_j+b_j)

其中，j表示隐藏层的节点个数，o_j表示隐藏层的第j个神经元的输出值，w_ij表示输入层的第i个神经元与隐藏层的第j个神经元的连接权值，f表示隐藏层的激活函数，选取ReLU函数作为激活函数，所述ReLU函数表达式为：

f(x)＝max(0,x)

隐藏层和偏差的更新为：

其中，w'_kj、b'_j为更新的连接权值和偏置值，f'为Relu函数的偏导；

S43、输入训练集数据进行模型的训练与超参数的调优，尝试不同的超参数取值，所述不同的超参数取值包括：隐藏层神经元个数、学习率以及学习回合数；

S44、根据模型目标函数值最小的原则确定最优的超参数取值；

所述S5包括以下子步骤：

S51、整合纸页干燥机理模型与机理预测误差补偿模型，混合模型关于干燥部关键运行参数的最终预测值公式为：

其中，代表纸页干燥机理模型的关键运行参数输出，error_p代表机理预测误差补偿模型的输出；

S52、获取测试集样本的输入，所述测 试集样本的输入包括：烘缸压力，车速，纸种克重，卷取率，湿侧送风温度，干侧送风温度，湿侧送风机频率，干侧送风机频率，排风机频率；

S53：将S52的输入 值代入已整合好的S51的混合模型中，通过混合模型的计算，获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。