具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明提供了一种烟丝掺配工序电子皮带秤异常在线监测方法的实施例，具体可以如图1所示，其中包括：

步骤S1、将烟丝掺配工序的若干个电子皮带秤按预设的时间间隔采集到的物料流量作为数据样本；

步骤S2、利用所述数据样本构造基于重构约束的子空间模型，获得所述数据样本的子空间分布，并结合所述子空间模型的目标函数求取出初始投影矩阵；

步骤S3、基于递推Lasso回归模型对所述目标函数进行优化；

步骤S4、根据烟丝掺配工序的电子皮带秤当前采集的新数据、所述初始投影矩阵以及优化目标函数，微调投影矩阵，并得到所述新数据的当前最优的子空间分布位置；

步骤S5、根据所述新数据的子空间分布位置与所述数据样本的子空间分布的比对结果，判定出电子皮带秤是否出现异常。

进一步地，所述子空间模型表示为：

S＝XW

表示各个电子皮带秤采集到的数据样本，其中n为采样点数量，m为电子皮带秤数量；

表示投影矩阵，表示数据样本X经投影矩阵W进行投影操作后得到子空间矩阵，其中c为子空间的维度，且c≤m。

在其中至少一种可能的实现方式中，所述目标函数表示为：

其中α、λ为基于数据样本分布规律预设的正则化参数，用于防止过拟合。

进一步地，所述优化目标函数表示为：

其中α、λ为基于数据样本分布规律预设的正则化参数，用于防止过拟合。

进一步地，所述根据烟丝掺配工序的电子皮带秤当前采集的新数据、所述初始投影矩阵以及所述优化目标函数，微调投影矩阵包括：

利用交替最小化算法，基于所述目标函数求解得到前一时刻的最优投影矩阵；

当获取到任一电子皮带秤采集到当前时刻的新物料流量时，将所述新物料流量以及所述最优投影矩阵输入至所述优化目标函数，求解出所述新物料流量在当前时刻的子空间分布位置，并按照子空间的坐标信息依次递推，通过c个子问题求解出当前时刻的投影矩阵。

进一步地，所述得到所述新数据的当前最优的子空间分布位置包括：

将求解出的所述新物料流量在当前时刻的子空间分布位置以及相应的投影矩阵，输入至所述目标函数进行交替更新操作，直至迭代终止后获得所述新物料流量在当前时刻的子空间分布位置以及相应的投影矩阵的最优解。

进一步地，所述根据所述新数据的子空间分布位置与所述数据样本的子空间分布的比对结果，判定出电子皮带秤是否出现异常包括：

将所述新数据在当前时刻的子空间投影坐标与正常的子空间数据坐标值或异常的子空间数据坐标进行比对；

根据比对后的坐标偏差，判定电子皮带秤是否出现异常。

为便于理解上述实施例及其优选方案，此处进行如下示意性说明：

可以按照预设的时间间隔，采集制丝过程的烟丝掺配工序涉及的叶丝主秤、梗丝掺配秤、薄片丝掺配秤、膨胀丝掺配秤、气流丝掺配秤、回收烟丝掺配秤等电子皮带秤的物料流量(优选各电子皮带秤在历史各采样时刻获得的历史流量数据)作为数据样本。由于，子空间内异常数据样本和正常数据样本通常是分开布局的，因此本发明提出可以根据子空间样本点的位置来判断电子皮带秤是否异常。

具体来说，可以利用电子皮带秤的数据样本构建基于重构约束的子空间模型。这里假设为各个电子皮带秤采集到的数据样本，也即是说，可以由n个采样点及m个变量(电子皮带秤数量，如需考察特定某一个电子皮带秤可设m＝1)构成一组数据X。而构建所述子空间模型就是要计算一个投影矩阵作为操作工具，以便利用该投影矩阵W使X投影后得到子空间矩阵(子空间分布)为其中c为子空间的维度(c≤m)。由此，该子空间模型便可以简洁地表示为S＝XW，其目标便是通过对投影矩阵W和子空间矩阵S添加一定的约束条件以求得最优的W和S。通常而言，可以期望子空间矩阵S能够包含前述数据样本X的所有信息，以便通过S重构原始数据；同时，还需要对投影矩阵W做约束防止过拟合。基于此构思，可以为所述子空间模型构造目标函数：

其中α、λ为基于数据样本分布规律预设的正则化参数，其作用是防止过拟合；为矩阵二范数的平方和。该目标函数的前两项可以看作投影约束，第三项则可以看作子空间重构约束。并且，其中有两个变量需要求解，而同时求解此两个变量相对比较困难，这里提供一种求解思路供具体实施参考，即可以通过固定一个变量来优化另一个变量计算出封闭解，在实际操作中采用交替最小化算法进行求解：

输入：训练集数据X；

初始化S矩阵、W矩阵、α、λ、ε(ε为预设的迭代终止条件)的值，k＝1；

STEP1：对S求偏导，更新S矩阵；

STEP2：对W求偏导，利用西尔韦斯特方程更新W；

STEP3：计算W^(k)，如果W^(k)-W^(k-1)>ε，则k＝k+1，转到STEP1；

如果W^(k)-W^(k-1)≤ε，则转到STEP4；

STEP4：迭代结束，返回S和W的值。

接着，可以建立基于重构约束的递推Lasso模型(Least absolute shrinkage andselection operator，最小绝对收敛和选择算子)，将目标函数(1)优化为：

然后利用目标函数(1)计算出的投影矩阵W作为初始值，当电子皮带秤采集到新的物料流量示值之后，通过新的物料流量更新投影矩阵W(即微调投影矩阵W)，使得子空间模型的目标函数能够随着时间变化获取当前最优的投影矩阵W。

具体来说，将投影矩阵W做l₁范数使得W具有稀疏的效果，当读入新数据x_t后(t表征当前时刻)，根据W_t-1计算出S_t。为了计算出W_t，可以求解投影约束(也即是目标函数前两项)的优化目标，并按照子空间的坐标依次递推，即分成c个子问题求解，这样可将每个子问题的目标函数表示为：

其中W_i,t表示t时刻投影矩阵W的第i列，s_i,t表示t时刻子空间矩阵S的第i列，进一步地，目标函数(3)的优化问题则可以通过递推Lasso算法求得封闭解，即转换为下式：

其中λ与前文含义相近，这里表示l₁范数正则化参数；μ为便于求解计算的预设参数，具体来说，当新的采样数据点x_t输入后，μ可从0逐渐变成1，使得x_t的值由0×x_t变为1×x_t；当μ＝1时，代表当前时刻的电子皮带秤数据已完全输入，并可以开始根据新输入的数据，微调投影矩阵W的大小。

将所有子问题的W_i,t都计算完后，按列合并成W_t。虽然已然求得W_t，但可能此时的W_t和S_t不是当前时刻最优解，据此，本发明进一步提出可以将当前时刻的这两个矩阵W_t和S_t输入至目标函数(2)再做一次交替更新以找到最优的解，由于当前交替更新的初始值是通过前述递推Lasso算法计算出的矩阵，已然比较接近最优解了，所以此阶段的交替更新只需要迭代几次便可达到最优条件。在交替更新的过程中，为了始终保持当前时刻W的稀疏性，优选在每次交替时与W的0-1编码矩阵的元素做乘积，这里采用的递推算法思路如下所示：

STEP1：采集到新数据x_t；

STEP2：将优化目标分成c个子问题求解递推Lasso；

STEP3：按列合并W矩阵；

STEP4：求出W矩阵的0-1矩阵W_hot；

STEP5：对W求偏导，利用西尔韦斯特方程更新W；

STEP6：W矩阵的每个元素与W_hot的每个元素相乘；

STEP7：计算W^(k)，如果W^(k)-W^(k-1)>ε，则k＝k+1，转到STEP5如果W^(k)-W^(k-1)≤ε，则转到STEP8；

STEP8：迭代结束，返回S和W的值。

经STEP8得到的S则为X投影到子空间的最优解(此时求得W也为当前最优解)，也即是当前时刻电子皮带秤的数据在子空间内的位置分布，在其他实施例中，还可以通过三维视图等手段以可视化的方式呈现出正常数据和异常数据的分布规律(例如建立三维坐标系，呈现出所有电子皮带秤数据的子空间分布信息)。

最后，便可以根据当前时刻电子皮带秤的数据在子空间内的位置分布判断电子皮带秤是否出现异常，即，与正常电子皮带秤数据的子空间分布特点(可由历史数据样本得到)出现偏离，则认为当前该电子皮带秤出现异常；在实际操作中，可以根据前述递推算法得到的投影矩阵W_t最优解，计算得到当前时刻电子皮带秤采集的物料流量对应的子空间坐标s_i，若当前时刻的子空间数据与正常子空间数据的坐标值产生较大偏差时，则认为该时刻多个电子皮带秤并行的烟丝掺配工序的某一电子皮带秤或某几个电子皮带秤出现异常，需要进行后续调整干预来消除异常。

这里，结合上述对于当前电子皮带秤数据的投影点是属于正常还是异常的判断思路，再给出如下实施参考：

利用某电子皮带秤的历史数据的子空间坐标，通过核密度估计的方法计算出子空间内各个维度上数据分布情况，如Q₁,Q₂,...,Q_c(这里c为子空间维度)。根据t时刻新读入的电子皮带秤数据x_t(m×1的向量)，计算出对应的子空间坐标s_t(c×1的向量)，如果s_t的各个数值都在对应数据分布的预设0.95分位数内，即满足s_i,t≤Q_i,0.95，则t时刻电子皮带秤数据正常；反之，如果s_t的某一个或某几个数值在对应数据分布的0.95分位数外，即满足s_i,t＞Q_i,0.95，则t时刻电子皮带秤数据出现异常情况。

综上所述，本发明的主要构思在于，利用烟丝掺配工序电子皮带秤采集到的物料流量作为数据源，构造基于重构约束的子空间模型，并结合模型的目标函数求取初始投影矩阵；接着基于递推Lasso回归模型对目标函数进行优化，并根据电子皮带秤当前采集的新数据、初始投影矩阵以及优化后的目标函数微调投影矩阵，使得当前采样数据获得最优的子空间分布位置，最后基于当前数据的子空间分布与基于数据样本得到的子空间分布规律进行比对，从而判定出电子皮带秤是否出现异常。本发明具有准确度高、操作方便和实时跟踪的优势，为烟丝掺配工序中多个并行电子皮带秤在线监测提供了客观、可靠的决策支持，进而保证计量性能稳定及掺配精度。

本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。