(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111303364.3 (22)申请日 2021.11.05 (71)申请人 湖北中烟工业有限责任公司 地址 430000 湖北省武汉市东西湖区金山 大道1355号 (72)发明人 林敏　刘勇　王乐军　张风光　 张思明　张楚安　卢晓波　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 代理人 郑勤振 (51)Int.Cl. G06N 20/00(2019.01) G06Q 10/04(2012.01) A24B 9/00(2006.01) A24B 3/04(2006.01) (54)发明名称 基于多元时序分析预测模型的烘丝入口含 水率控制方法 (57)摘要 一种基于多元时序分析预测模型的烘丝入 口含水率控制方法， 包括： 采用适用于工业厂房 高大空间的温湿度控制策略， 保证制丝生产区域 温湿度控制动态稳定， 采集模型相关的历史数 据， 对模型输入输出变量进行归一化处理； 使用 相关性分析进行输入变量的特征提取， 筛选出与 烘丝入口含水率最相关的输入变量作为特征变 量； 根据提取的特征变量建立烘丝入口含水率的 多元时间序列分析预测模型； 对多元时间序列分 析模型进行参数寻优； 考虑模型时变特性， 实时 在线地对模 型进行训练更新； 根据已建立的模型 变量关系和相关特征数据， 反推预测出使烘丝入 口含水率达标的进柜前含水率目标值， 达到控制 烘丝入口含 水率的目的。 本发明提高了烘丝入口 含水率的准确性。 权利要求书2页 说明书5页 附图1页 CN 114139717 A 2022.03.04 CN 114139717 A 1.一种基于多元时序分析 预测模型的烘丝入口含水率控制方法， 其特 征在于， 包括： 控制制丝生产区域环境温湿度， 在环境温湿度控制稳定的前提下获取多元时间序列分 析预测模型相关的历史数据， 所述历史数据包含进柜前水分、 烘丝环境温度、 烘丝环境湿 度、 烘丝入口水分和贮叶时间， 对多元时间序列分析预测模型相关的输入输出变量进行归 一化处理； 使用相关性分析进行输入变量的特征提取， 筛选出与烘丝入口含水率最相关的输入变 量作为特 征变量； 根据提取的特征变量， 基于数据驱动方法建立烘丝入口含水率的多元时间序列分析预 测模型； 根据看图定阶法和贝叶斯信息准则， 对多元时间序列分析 预测模型进行参数寻优； 考虑模型时变特性， 运用滑动窗算法实时在线地对多元时间序列分析预测模型进行训 练更新； 根据已建立的多元时间序列分析预测模型变量关系和相关特征数据， 反推预测出可使 烘丝入口含水率达标的进柜前含水率目标值， 实现对烘丝入口含水率的控制。 2.根据权利要求1所述的方法， 其特征在于， 对多元时间序列分析预测模型相关的输入 输出变量进行归一 化处理的方法为： 其中， x0与xi分别表示归一化前后的变量， Maxx表示x变量中的最大值， Minx表示x变量 中的最小值。 3.根据权利要求1所述的方法， 其特征在于， 根据相关性分析进行输入变量的特征提取 的方法为： 根据变量之间的皮尔逊相关系 数筛选出与烘丝入口含水率最相关变量， 皮尔逊 相关系数表示 为： 式中， r为 皮尔逊相关系数， Xi与Yi分别表示为X与Y变量中第i个样本， 和 分别为X和Y 的均值， 得到每个输入变量对烘丝入口含水率的相关性系 数后， 选取相关性系数最大 的几 个变量作为多元时间序列分析 预测模型的输入变量。 4.根据权利要求1所述的方法， 其特征在于， 建立的烘丝入口含水率的多元时间序列分 析预测模型表示 为： 式中， yt为t时刻烘丝入口含水率， yt‑i为历史t‑i时刻烘丝入口含水率， Φi为第i个自回 归项系数， p为自回归项阶数， εt‑j为历史t‑j时刻模型的预测 误差， q为滑动平均项阶数， θj 为第j个滑动平均项系数， Xz,t为t时刻第Z个输入变量， m为输入变量的个数， 包含进柜前水 分、 烘丝环境温度、 烘丝环境湿度和贮叶时间等， βZ为第Z个输入 变量对应的模型系数， εt为t 时刻模型 预测误差 。权　利　要　求　书 1/2 页 2 CN 114139717 A 25.根据权利要求1所述的方法， 其特征在于， 对多元时间序列分析预测模型进行参数寻 优的方法为： 使用看图定阶的方法选择最适合的平稳最小差分阶数d， 通过观 察预测数据的 时间序列图示， 选择1阶或2阶差分， 如果预测数据的时间序列本身就是平稳的则不需要差 分项， 然后使用贝叶斯信息准则选择自回归项阶数p和滑动平均项阶数q， BIC准则表示 为： BIC＝ln(n)k‑2ln(L) 式中， k为模型参数个数， n 为样本数量， L 为似然函数。 6.根据权利要求1所述的方法， 其特征在于， 运用滑动窗算法实时在线地对模型进行训 练更新的方法为： 每获取新一批样本， 就剔除模型训练样 本中最早的一批样 本， 形成新训练 样本进行模型训练。 7.根据权利要求1所述的方法， 其特征在于， 控制制丝生产区域环境温湿度的方法包 括： 根据全年各月份的室外温湿度的历史数据， 设定月度制丝生产区域温度、 相对湿度的 中心值； 根据空调系统 的能力， 结合生产制造工艺需求， 制定制丝生产区域高大空间的温度、 相 对湿度的控制范围； 通过在制丝生产区域布置的温湿度传感器节点， 采集温湿度数据， 并实时发送到控制 器； 控制器通过PID自动控制模式， 实时将制丝生产区域温湿度数据与对应月度的温湿度 中心值进行比较， 并根据结果 发送升温、 降温、 加湿、 除湿指 令至温湿度调节设备， 执行相应 工作， 使制丝生产区域高大空间的温度、 相对湿度的波动在控制范围内。 8.一种基于多元时序分析预测模型的烘丝入口含水率控制系统， 其特征在于， 包括： 处 理器； 用于存储处理器可执行指令的存储器； 其中， 所述处理器被配置为执行权利要求1 ‑6 任一项所述的方法的步骤。 9.一种非临时性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 机程序被处 理器执行时实现如权利要求1至 6任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114139717 A 3