本发明属于电子工程和计算机科学领域，具体涉及一种基于数据和机理融合驱动的烘丝机模型预测控制系统。
背景技术：
1、烘丝是卷烟制丝工艺中最后也是最重要的一道工序，其出口烟丝的含水率能否达到规定的质量指标，直接影响了产品烟丝的品质。然而，由于烘丝机干燥工艺过程存在大量的工艺参数，这些工艺参数之间存在着协同作用或者相互影响，同时在控制的过程中存在比较强的不确定性、耦合性、滞后性和非线性，这就给烘丝机的平稳控制造成了很大的困难。因此，设计一种综合考虑环境变化、设备性能等因素进行烘丝出口烟丝水分控制的方法是必要的。
技术实现思路
1、为解决上述技术问题，本发明一种基于数据和机理融合驱动的烘丝机模型预测控制系统提供了，能够实现烘丝机出口水分控制。
2、为实现上述目的，本发明采用的技术方案如下：
3、一种基于数据和机理融合驱动的烘丝机模型预测控制系统，包括：数据预处理与特征选择模块、控制系统描述与机理模型构建模块、烘丝机融合模型构建模块、设备模型预测控制模块；
4、其中，所述数据预处理与特征选择模块用于实现如下步骤：
5、步骤（1.1）、生产阶段划分和数据清洗：根据烘丝机生产流程，将生产划分为料头、平稳、料尾阶段，划分平稳阶段的依据为：入口烟丝流量大于4000kg/h，出口烟丝水分大于12%，累计烟丝流量大于650kg且小于10000kg，从生产开始至平稳阶段开始为料头阶段，平稳阶段结束后至生产结束为料尾阶段。选取平稳阶段数据进行后续处理。数据清洗具体包括缺失值处理、重复值处理、异常值处理、阶段划分。缺失值处理是对原始数据中出现的空缺值进行处理，处理方法为使用邻近数据的平均值进行替代。重复值处理是检查原始数据中是否出现多条完全一样的数据，处理方法为删除多余数据。异常值处理是检查原始数据中是否出现异常数据点，如数据的数量级异常、数据类型异常等，处理方法为使用邻近数据的平均值进行替代。阶段划分是依据工艺指标，将数据按照生产流程划分为料头阶段、平稳生产阶段以及料尾阶段，后续主要针对平稳生产阶段进行研究。
6、步骤（1.2）、数据对齐和归一化：根据烘丝机工艺流程，将不同工艺特征数据之间进行时间维度上的对齐，从而消除时滞影响。在烘丝过程中，烟丝按照工艺流程依次经过入口秤、ht膨胀机、烘桶区域1、烘桶区域2和出口秤，共5个阶段，将五个阶段的不同工艺特征数据进行时间维度上的对齐和滤波，以消除时滞的影响。然后根据归一化公式，将读取到的生产数据进行归一化处理，其中为某类特征数据，为某类特征数据最大值，为某类特征数据最小值，为某类特征数据归一化结果；
7、步骤（1.3）、基于随机森林算法的烘丝工艺特征选择：首先确定输出特征为出口烟丝水分，输入特征为生产过程中同步采集到的环境特征、设备运行状态特征、物料状态特征；然后，对输入特征与输出特征进行相关性分析，统计各输入特征与输出特征之间的皮尔逊相关系数。删除始终为常量的特征；如果存在一组特征之间相关系数>0.9，则删除至只保留1个特征；与输出特征相关系数<0.3的输入特征认为是低相关性特征，予以删除。然后基于随机森林算法，计算各输入变量对输出变量的重要度并排序，最后根据重要度排序进行特征选择。对于某个输入特征x，首先设置随机森林参数，包括树的深度max_depth和树的棵数n，然后对每一颗决策树，选择相应的袋外数据（out of bag，oob）计算袋外数据误差，记为erroob1，随机对oob所有样本的特征加入噪声干扰，再次计算袋外数据误差，记为erroob2。最后计算特征重要度。对所有输入特征的重要度进行排序，选取重要度较高的输入特征。
8、所述控制系统描述与机理模型构建模块用于实现如下步骤：
9、步骤（2.1）、烘丝机设备描述：滚筒烘丝机以蒸汽为加热能量，采用传导和对流混合干燥方式对烟丝进行干燥除湿，以传导加热为主，对流加热为辅。加热蒸汽通过干燥机的供汽系统加热筒壁，将切好的烟丝通过振动输送机送入连续旋转的干燥筒内，筒壁与烟丝直接接触，将热量以传导的方式传递给烟丝；同时，热风在管内从进料端流向被切的烟丝，热空气直接与烟丝接触，通过对流将热量传递给烟丝，加强烟丝的水分蒸发。切好的烟丝从筒壁和热空气中吸收热量后，温度上升，烟丝表面的水分汽化，扩散到热风流中，热风流吸收水蒸气而变成热湿空气，从烘干机的出料端进入空气尘箱。此外，滚筒烘丝机中的湿热空气通过排潮风门排出，从而降低烘丝机出口烟丝温度。
10、步骤（2.2）、烘丝机控制机理描述：根据步骤（2.1）中所描述的设备特点，结合烘丝生产过程中的工艺特征，可通过如下方式描述烘丝机控制机理：
11、a)通过设置热风速度设定值，改变热风速度实际值，进而影响烘丝出口烟丝水分，其中热风速度实际值可视为热风速度设定值的二阶阶跃响应；
12、b)通过设置筒壁温度设定值，改变筒壁温度实际值，进而影响烘丝出口烟丝水分，其中筒壁温度实际值可视为筒壁温度设定值的二阶阶跃响应；
13、c)通过设置排潮风门设定值，改变排潮风门实际值，排潮风门改变会导致罩压力变化，进而改变排潮风量，最终影响烘丝出口烟丝温度，其中排潮风门实际值和罩压力可近似视为排潮风门设定值，排潮风量可视为罩压力的二阶阶跃响应。
14、步骤（2.3）、机理驱动模型构建：根据（2）中得到的特征机理关系，可通过历史生产数据构建烘丝机控制系统的机理驱动模型。对于烘丝设备的控制变量而言，其系统模型可简化为一系列欠阻尼二阶系统，其传递函数具有以下形式：，其中，为系统的自然频率，为系统的阻尼比，s为拉普拉斯变换下的自变量。为辨识次欠阻尼二阶系统的模型参数，根据历史数据，通过模拟进行系统的阶跃响应实验，得到系统的阶跃响应曲线，在该曲线上测量系统的峰值时间和峰值幅值，然后计算出系统的自然频率和峰值幅值。
15、所述烘丝机融合模型构建模块用于实现如下步骤：
16、步骤（3.1）、基于机理驱动模型的高维控制特征提取：在烘丝设备的控制中，外部设置的控制量（热风速度设定值、筒壁温度设定值、排潮风门开度设定值）通过逐级影响一系列中间变量，最终影响出口烟丝水分和出口烟丝温度，由步骤（2）中构建的机理驱动模型，可以建立低维控制特征与高维控制特征的关系，从而将外部输入的低维控制特征提取为对烟丝出口水分和温度产生直接影响的高维控制特征。
17、步骤（3.2）、基于深度学习的数据驱动模型构建：烘丝机作为一种流程性生产设备，其出口烟丝质量与众多工艺特征具有强时间相关性和大时滞性，因此结合步骤（1.2）归一化后的数据建立基于深度学习的时间序列预测模型对其出口烟丝质量进行准确预测。其输入变量为步骤（1.3）中得到的高相关特征与步骤（3.1）中得到的高维控制特征的时间序列片段，输出变量为出口烟丝温度和水分的时间序列片段。
18、步骤（3.3）、烘丝机融合模型：低维控制特征通过机理驱动模型提取为高维控制特征，并与出口烟丝水分和温度的高相关特征共同作为数据驱动模型的输入特征，从而实现了机理驱动模型和数据驱动模型的融合，实现融合模型。
19、所述设备模型预测控制模块用于实现如下步骤：
20、步骤（4.1）、基于融合模型的时间序列预测：基于步骤（3）中构建的融合模型，实现对烘丝出口水分和温度的时间序列预测。
21、步骤（4.2）、考虑基于优先级的目标函数设计：烘丝机设备优化控制问题描述为，通过调整三个控制参数：热风速度设定值、筒壁温度设定值、排潮风门设定值，使得出口烟丝的水分和温度达到质量要求。在烘丝机控制参数优化过程中，其约束条件分为必须满足的硬约束和可以不满足但按照优先级进行松弛的基于优先级的软约束，根据烘丝机控制工艺要求总结约束条件，并设计目标函数，其形式为，其中第一项为预测的出口烟丝质量误差，第二项为基于优先级的软约束代价，其中，p为预测时间长度，为出口烟丝质量误差权重，为代价权重，k当前时刻，为时刻预测出口烟丝质量误差的平方，为时刻对设备进行控制操作代价的平方。
22、步骤（4.3）、基于模拟退火算法的烘丝机控制参数优化及控制：为解决模型预测控制中的优化问题，拟设计基于模拟退火算法的优化器。模拟退火算法对退火过程进行模拟，基于monte-carlo迭代求解策略，从某一较高初温出发，伴随温度参数的不断下降，在解空间中随机寻找目标函数的最优解，由于metropolis原则，模拟退火算法能在局部最优处以一定的概率跳出，故理论上最终能趋向于全局最优解。
23、具体地，模拟退火算法实质上包括两层循环，外层循环为退火温度t的缓慢下降，内层循环为在固定温度下迭代进行解的生成和选择，具体流程如下：
24、步骤（4.31），令t=t0，t0表示开始退火的初始温度，随机产生一个当前解，计算对应的目标函数值；
25、步骤（4.32），为当前解施加一个随机扰动，产生一个位于解空间的新解；
26、步骤（4.33），计算与新解所对应的目标函数差；
27、步骤（4.34），依据metropolis准则判断新解是否被接受：若新解优于当前解，即则接受作为新的当前解，否则以概率接受作为新的当前解，综合接受概率如式(1)所示：
28、 （1）
29、步骤（4.35），判断是否满足终止条件，若是则运算结束，返回新的当前解作为最优解，否则进入步骤（4.36）；
30、步骤（4.36），判断是否达到最大迭代次数，若是则缓慢降低温度，重置迭代次数，返回步骤（4.32），否则直接返回步骤（4.32），继续进行迭代过程。
31、烘丝机控制参数优化结束后，将控制参数通过plc下发至设备，实现烘丝机控制。
32、本发明与现有技术相比的优点在于：
33、本发明提出的一种基于数据和机理融合驱动的烘丝机模型预测控制系统，在模型构建过程中，考虑将具有时序预测能力、非线性解决能力的数据驱动方法和可解释性强、复杂程度低的机理驱动模型相结合，构建了数据和机理融合驱动的时序预测模型；在目标函数设计过程中考虑了基于优先级的优化问题，并使用模拟退火算法对其进行求解，最终实现控制参数滚动优化和设备控制。
1.一种基于数据和机理融合驱动的烘丝机模型预测控制系统，其特征在于，所述系统包括数据预处理与特征选择模块、控制系统描述与机理模型构建模块、烘丝机融合模型构建模块、设备模型预测控制模块；
2.根据权利要求1所述的一种基于数据和机理融合驱动的烘丝机模型预测控制系统，其特征在于，所述步骤（4.3）中，模拟退火算法包括内外两层循环，外层循环为退火温度t的缓慢下降，内层循环为在固定温度下迭代进行解的生成和选择，具体流程如下：
