驟（c)中公式兩邊同時(shí)左乘
，得到纖維形態(tài)HF對應(yīng)權(quán)值 的計(jì)算公式為：
[0041]
(5)
[0042] 作為另一種優(yōu)選方案，本發(fā)明所述步驟（H)模型訓(xùn)練的過程是通過最小化式（6) 性能指標(biāo)，計(jì)算各層的輸出及誤差并按照負(fù)梯度下降法對各層權(quán)值矩陣\1和w υ、閾值Θ， 以及小波核函數(shù)伸縮因子a、平移因子b進(jìn)行逐次修正，使誤差性能指標(biāo)函數(shù)達(dá)到極?。?br>[0043] (6)
[0044] 其中，&為輸出節(jié)點(diǎn)的期望值，z i為輸出節(jié)點(diǎn)的實(shí)際輸出，w μ和w υ分別為小波神 經(jīng)網(wǎng)絡(luò)輸入層與隱含層、隱含層與輸出層的連接權(quán)值，Θ#Ρ Θ 別為隱含層和輸出層的 閾值；
[0045] 具體訓(xùn)練步驟如下：
[0046] 步驟（a):信號(hào)前向傳播，計(jì)算隱含層第j個(gè)節(jié)點(diǎn)的輸出：
[0048] 步驟（b):計(jì)算輸出層第1個(gè)節(jié)點(diǎn)的輸出：
[0047] η
[0049]
(8)
[0050] 步驟（C):計(jì)算誤差性能函數(shù)：[0051]
0)
[0052] 步驟（d):誤差反向傳播，誤差函數(shù)對輸出層和隱含層節(jié)點(diǎn)分別求導(dǎo)：
[0055] 步驟（e):誤差函數(shù)對輸出節(jié)點(diǎn)和隱含側(cè)節(jié)點(diǎn)閾值分別求導(dǎo)：
[0053]
[0054]
[0056]
[0057]
(13)
[0058] 步驟（f):誤差函數(shù)對伸縮因子a和平移因子b分別求導(dǎo)：
[0059]
[0060]
[0061] 步驟（g):按照負(fù)梯度下降法進(jìn)行權(quán)值和參數(shù)修正：
[0062]
[0063]
[0064]
[0065]
[0066]
[0067]
[0068] 式（16)~（21)中，Wlj⑷，Wji (K)，a」⑷，bj (K)，Θ i (K)，Θ』(K)分別表示小波神經(jīng) 網(wǎng)絡(luò)第K次迭代相應(yīng)參數(shù)的值。
[0069] 其次，本發(fā)明還包括模型的預(yù)測使用，步驟如下：
[0070] (K):讀取已訓(xùn)練好模型：讀取相關(guān)參數(shù)：小波神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值、伸縮因 子和平移因子；
[0071] (L):讀取模型輸入樣本集；讀取高濃盤磨機(jī)隨機(jī)動(dòng)態(tài)系統(tǒng)輸入變量；
[0072] (M):預(yù)測運(yùn)算：將輸入變量數(shù)據(jù)歸一化處理后，調(diào)用之前各個(gè)參數(shù)已訓(xùn)練好的模 型進(jìn)行纖維形態(tài)分布PDF對應(yīng)權(quán)值在線預(yù)測計(jì)算，計(jì)算高濃盤磨機(jī)隨機(jī)動(dòng)態(tài)系統(tǒng)輸出纖維 形態(tài)PDF對應(yīng)的權(quán)值序列V ;
[0073] (N):模型輸出權(quán)值還原纖維形態(tài)分布TOF :基于B樣條基函數(shù)逼近概率密度函數(shù) 原理把步驟（M)中計(jì)算出的輸出權(quán)值還原出其對應(yīng)的TOFjP
[0074] (O):纖維形態(tài)分布PDF結(jié)果顯示：在計(jì)算機(jī)界面上顯示本次高濃盤磨機(jī)輸出纖維 形態(tài)分布PDF在線預(yù)測計(jì)算的結(jié)果；
[0075] (P):預(yù)測輸出結(jié)果保存：保存本次纖維形態(tài)PDF預(yù)測的結(jié)果；
[0076] (Q):是否預(yù)測結(jié)束：若結(jié)束轉(zhuǎn)至步驟（R)，否則轉(zhuǎn)至步驟（L)繼續(xù)進(jìn)行系統(tǒng)輸出纖 維形態(tài)分布PDF預(yù)測計(jì)算；
[0077] (R):結(jié)束：完成纖維形態(tài)分布PDF模型訓(xùn)練或預(yù)測計(jì)算。
[0078] 另外，本發(fā)明所述隱含層節(jié)點(diǎn)為6個(gè)；
[0079] 隱含層激勵(lì)函數(shù)采用Morlet母小波函數(shù)，公式為
[0080] 輸出層的激勵(lì)函數(shù)則采用Sigmoid函數(shù)，其表達(dá)式為
[0081] 在模型訓(xùn)練之前首先進(jìn)行網(wǎng)絡(luò)參數(shù)的初始化，將網(wǎng)絡(luò)的連接權(quán)重~和w υ、伸縮因 子和平移因子a、b以及隱含層和輸出層的閾值θ ρ 0』隨機(jī)賦予〇附近的初始值；
[0082] 網(wǎng)絡(luò)學(xué)習(xí)速率η為0.01，動(dòng)量因子aer選取0.7,最大訓(xùn)練次數(shù)為1000次。
[0083] 本發(fā)明有益效果。
[0084] 本發(fā)明基于化學(xué)機(jī)械制漿過程生產(chǎn)線上傳感器測量的高濃盤磨機(jī)輸入輸出相關(guān) 數(shù)據(jù)，運(yùn)用小波神經(jīng)網(wǎng)絡(luò)智能建模方法并結(jié)合隨機(jī)分布B樣條基函數(shù)逼近概率密度函數(shù)理 論，建立高濃磨漿系統(tǒng)輸出纖維形態(tài)分布PDF與盤磨機(jī)主要輸入變量之間的非線性動(dòng)態(tài)模 型。本發(fā)明建模方法直觀、穩(wěn)定，誤差精度高，解決了隨機(jī)動(dòng)態(tài)系統(tǒng)機(jī)理模型難以建立的問 題。為實(shí)際生產(chǎn)提供了預(yù)測作用，為在線實(shí)時(shí)測量高濃磨機(jī)輸出紙漿纖維形態(tài)參數(shù)奠定了 基礎(chǔ)，也為通過運(yùn)行優(yōu)化控制打漿過程纖維形態(tài)分布而達(dá)到造紙節(jié)能降耗的制漿優(yōu)化提供 了可能，更為輸出纖維形態(tài)分布HF的跟蹤控制提供模型基礎(chǔ)。
【附圖說明】
[0085] 下面結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明做進(jìn)一步說明。本發(fā)明保護(hù)范圍不僅局限 于以下內(nèi)容的表述。
[0086] 圖1制漿過程高濃盤磨機(jī)結(jié)構(gòu)圖及相關(guān)變量標(biāo)注。
[0087] 圖2本發(fā)明的基于小波神經(jīng)網(wǎng)絡(luò)和隨機(jī)分布控制理論的高濃盤磨機(jī)輸出纖維形 態(tài)分布PDF模型算法流程圖。
[0088] 圖3本發(fā)明對高濃磨機(jī)輸出纖維形態(tài)分布PDF對應(yīng)權(quán)值的建模效果圖。
[0089] 圖4本發(fā)明對高濃磨機(jī)輸出纖維形態(tài)分布HF的建模效果圖。
[0090] 圖5本發(fā)明對高濃磨機(jī)輸出纖維形態(tài)分布PDF對應(yīng)權(quán)值的預(yù)測圖。
[0091] 圖6本發(fā)明對高濃磨機(jī)輸出纖維形態(tài)分布PDF的建模預(yù)測圖。
【具體實(shí)施方式】
[0092] 如圖所示，本發(fā)明的實(shí)現(xiàn)方法包括，（1)輔助變量選擇與模型輸入變量確定，（2) 纖維形態(tài)分布PDF模型的訓(xùn)練和預(yù)測使用。
[0093] (1)輔助變量選擇與模型輸入變量確定
[0094] 輔助變量選擇為：
[0095] 稀釋水量 U1 (t) (Ι/min);
[0096] 高濃磨盤轉(zhuǎn)速u2 (t) (rpm);
[0097] 高濃磨盤間隙U3 (t) (mm);
[0098] 以上所列舉變量為模型的輸入變量，輸出變量即需要實(shí)時(shí)在線測量的變量為制 漿過程高濃盤磨隨機(jī)動(dòng)態(tài)系統(tǒng)輸出纖維形態(tài)在其分布長度范圍內(nèi)的HF(概率密度函數(shù)） γ (y，u(t)) 〇
[0099] (2)模型的訓(xùn)練和使用
[0100] ⑷開始：變量初始化；
[0101] (B)模型訓(xùn)練或纖維形態(tài)分布預(yù)測：若選擇為模型訓(xùn)練，轉(zhuǎn)至（C)，讀取模型訓(xùn)練 的輸出纖維形態(tài)分布PDF樣本集；若選擇為纖維形態(tài)分布預(yù)測，轉(zhuǎn)至（K)，讀取已訓(xùn)練好的 模型參數(shù)及矩陣，包括連接權(quán)值矩陣wu、各層閾值Θ以及小波核函數(shù)伸縮因子a和平移因 子b ;
[0102] (C)讀取模型訓(xùn)練PDF樣本集：從數(shù)據(jù)庫中讀取或者輸入模型訓(xùn)練的數(shù)據(jù)集 {Xi- 丫（y，X) J，Xi= {χ i I i = 1. 2. 3}為輸入數(shù)據(jù)，γ (y, x)i為輸出數(shù)據(jù)，表示在輸入變量 的控制下，高濃盤磨機(jī)隨機(jī)動(dòng)態(tài)系統(tǒng)的輸出纖維形態(tài)分布概率密度函數(shù)；
[0103] (D)構(gòu)建纖維形態(tài)分布PDF瞬時(shí)平方根模型
[0104] 記y(t) e [a，b]為描述輸出纖維形態(tài)在其長度范圍內(nèi)的一致有界隨機(jī)變量，其為 t時(shí)刻的輸出，記u(t) e Rmxl為控制y(t)的分布形狀的輸入變量；在任意時(shí)刻，y(t)用它 的概率密度函數(shù)γ (y，u(t))來表述，其定義式如下
；采用平 方根B樣條模型，即用B樣條來逼近輸出PDF的平方根，設(shè)已確定η個(gè)B樣條Bi (y)，在離散 系統(tǒng)逼近無誤差的條件下為
[0105]
(22)
[0106] 其中，wi (u (k))為依賴于u