一种烟叶复烤入口水分数据滤波方法与流程

本发明属于流程工业控制及滤波技术领域，具体涉及一种烟叶复烤入口水分数据滤波方法的设计。

背景技术：

数据采集技术是以传感器、信号测量与处理、微型计算机等技术为基础形成的一门合应用技术，它主要研究数据的采集、存储、处理和控制，具有很强的实用性和适用性。数据采集技术普遍在各种测试和控制系统中普遍应用，数据采集系统的设计和实现包含很多方面的内容，涉及的面也很广。近年来，计算机已大量应用于工业控制实时控制和实时数据处理中。

在计算机科学当中，数据处理广泛应用于商业、工程、科技和几乎所有计算机的领域中。因为工业控制对象所处环境较为恶劣，干扰源很多，如强电磁干扰、环境温度频繁变化等，尤其是信号输入通道，采样值将用于数据处理及系统调节，采样值的准确性对于自控系统性能的提高意义重大。因此为了减少干扰对采样值的影响，保证系统的性能，常在数据处理之前先要对采样值进行信号滤波，以便提高信号的真实性、准确性，消除或减少各种干扰和噪声，进一步提高计算机系统的可靠性。

烟草复烤过程的关键是生产优质烟叶，其主要目的是调节烟叶的水分含量，从而达到防止霉变，方便储存发酵，保持和提高色泽鲜艳烟叶质量的目的，而且要排除灰尘，清洁香气杀虫杀菌等效果。

烟叶复烤生产线的工艺流程经过三大环节，即干燥段的干燥、冷却段的冷却和回潮段的回潮作用，其中，干燥段一般有四个干燥区，冷却段一个区，回潮段有两个区。国内烟叶复烤一般釆用流水线作业，原烟叶从生产线的前端供给，通过干燥段，使烟叶温度升高，水分蒸发，再经过冷却段是烟叶的温度降低，接近出口要求的温度值，最后经过回潮使得烟叶达到合适的水分与温度。

烟叶从生产线前端进入时，对其水分的跟踪检测就成了完成后续环节控制的基础参数，也成了影响控制成败的重要因素。因此，如何使得检测到的烟叶水分值能够如实反映其真实值，就至关重要。而在烟叶复烤过程中，入口水分数据受多方干扰影响，如噪音、环境温度湿度、电磁场等，其检测值无法精准的反应入口烟叶水分的真实情况，增加了后续环节的控制难度，也影响了最终控制结果。

技术实现要素：

本发明的目的是为了解决烟叶复烤过程中，入口水分数据受多方干扰影响，其检测值无法精准的反应入口烟叶水分的真实情况，增加了后续环节的控制难度，也影响了最终控制结果的问题，提出了一种烟叶复烤入口水分数据滤波方法。

本发明的技术方案为：一种烟叶复烤入口水分数据滤波方法，包括以下步骤：

s1、根据工业流程工艺需求，设定烟叶复烤入口水分标准值范围[mmin,mmax]以及正常波动幅度范围[-w,+w]。

s2、对烟叶复烤入口水分数据进行采样，得到采样数据。

s3、根据烟叶复烤入口水分标准值范围[mmin,mmax]对采样数据进行均值滤波处理，得到均值滤波结果数据。

s4、根据正常波动幅度范围[-w,+w]对均值滤波结果数据进行数据异常波动滤波处理，得到数据异常波动滤波结果数据。

s5、对数据异常波动滤波结果数据进行组合积分滤波处理，得到烟叶复烤入口水分数据滤波结果。

进一步地，烟叶复烤入口水分标准值范围[mmin,mmax]设置为[14％,19％]。

进一步地，正常波动幅度范围[-w,+w]设置为[-0.3％,+0.3％]。

进一步地，步骤s3具体为：

若采样数据中当前时刻的采样值m在烟叶复烤入口水分标准值范围[mmin,mmax]内，则将采样值m作为均值滤波结果数据中的采样值m1，若采样数据中当前时刻的采样值m不在烟叶复烤入口水分标准值范围[mmin,mmax]内，则将采样数据中当前时刻之前时间段t1内的采样值的均值作为均值滤波结果数据中的采样值m1。

进一步地，步骤s4具体为：

若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值在正常波动幅度范围[-w,+w]内，则将采样值m1作为数据异常波动滤波结果数据中的采样值m2，若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值小于-w，则数据异常波动滤波结果数据中的采样值m2设置为m′1-w，若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值大于+w，则数据异常波动滤波结果数据中的采样值m2设置为m′1+w。

进一步地，步骤s5中对数据异常波动滤波结果数据进行组合积分滤波处理所采用的组合积分滤波器g(s)表示为：

其中τ表示组合积分滤波处理的时间段，s表示复频域变量。

本发明的有益效果是：本发明针对烟叶复烤入口水分数据进行滤波处理，首先采用均值滤波思想将不符合工艺要求的测量值剔除，明显有悖于正常波动的数据剔除，增加其数据平滑性，剔除毛刺，从而使得采样入口水分含量能够更加真实的反应当前烟叶中实际的含水量。在此基础上，再引入组合积分滤波器，使得处理结果跟随性强，滞后性明显优于常规方法，滤波结果曲线更平滑，数据变换更平缓，可以更加真实准确的为烟叶复烤提供原始数据。

附图说明

图1所示为本发明实施例提供的一种烟叶复烤入口水分数据滤波方法流程图。

图2所示为本发明实施例提供的原始烟叶复烤入口水分数据simulink仿真图。

图3所示为本发明实施例提供的异常数据处理结果simulink仿真图。

图4所示为本发明实施例提供的滤波结果与原始数据差值simulink仿真图。

图5所示为本发明实施例提供的滤波结果与原始数据差方simulink仿真图。

图6所示为本发明实施例提供的原始数据与滤波结果局部对比simulink仿真图。

图7所示为本发明实施例提供的原始数据与滤波结果完整对比simulink仿真图。

图8所示为本发明实施例提供的本发明与现有单一组合积分滤波器滤波结果对比simulink仿真图。

具体实施方式

现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。

本发明实施例提供了一种烟叶复烤入口水分数据滤波方法，如图1所示，包括以下步骤s1～s5：

s1、根据工业流程工艺需求，设定烟叶复烤入口水分标准值范围[mmin,mmax]以及正常波动幅度范围[-w,+w]。

本发明实施例中烟叶复烤入口水分标准值以及正常波动幅度范围均为烟叶初始含水量的百分比，因此烟叶复烤入口水分标准值范围[mmin,mmax]设置为[14％,19％]，正常波动幅度范围[-w,+w]设置为[-0.3％,+0.3％]。

s2、对烟叶复烤入口水分数据进行采样，得到采样数据。

s3、根据烟叶复烤入口水分标准值范围[mmin,mmax]对采样数据进行均值滤波处理，得到均值滤波结果数据。

若采样数据中当前时刻的采样值m在烟叶复烤入口水分标准值范围[mmin,mmax]内，则将采样值m作为均值滤波结果数据中的采样值m1，若采样数据中当前时刻的采样值m不在烟叶复烤入口水分标准值范围[mmin,mmax]内，则将采样数据中当前时刻之前时间段t1内的采样值的均值作为均值滤波结果数据中的采样值m1。本发明实施例中，时间段t1可根据工艺需求所提出参数分析计算得到。

s4、根据正常波动幅度范围[-w,+w]对均值滤波结果数据进行数据异常波动滤波处理，得到数据异常波动滤波结果数据。

若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值在正常波动幅度范围[-w,+w]内，则将采样值m1作为数据异常波动滤波结果数据中的采样值m2，若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值小于-w，则数据异常波动滤波结果数据中的采样值m2设置为m′1-w，若均值滤波结果数据中当前时刻的采样值m1与前一时刻的采样值m′1的差值大于+w，则数据异常波动滤波结果数据中的采样值m2设置为m′1+w。

例如，若均值滤波结果数据中当前时刻的采样值m1＝15％，均值滤波结果数据中前一时刻的采样值m′1＝16％，由于m1-m′1<-0.3％，因此数据异常波动滤波结果数据中的采样值m2设置为m′1-w＝15.7％。

s5、对数据异常波动滤波结果数据进行组合积分滤波处理，得到烟叶复烤入口水分数据滤波结果。

步骤s5中对数据异常波动滤波结果数据进行组合积分滤波处理所采用的组合积分滤波器g(s)表示为：

其中τ表示组合积分滤波处理的时间段，s表示复频域变量。

假设有界信号f(t)的laplace变换为f(s)，将f(s)乘以组合积分环节g(s)得到传递函数f1(s)：

对公式(2)求laplace逆变换可得：

其中l^-1[·]表示laplace逆变换，t表示积分起始时刻，τ表示组合积分滤波处理的时间段，u表示积分项，f(u)为积分信号。由公式(3)可知，信号f1(t)为对信号f(t)在长度为τ时间段[t-τ,t]上进行积分，对所得积分除以时间长度τ进行平均，相当于对信号f(t)在长度为τ时间段[t-τ,t]上进行的均值滤波算法。因此公式(1)所定义的组合积分环节g(s)等同于一个均值滤波器，对定值噪声和周期性噪声有较强的抑制能力。

如图2所示为原始烟叶复烤入口水分数据，由图2可以看出，未加以处理时，数据中有大量数据有悖于工艺要求，且有明显为断料等不正常生产时波动剧烈的数据。由图3～图5可知，通过该本发明提出的数据滤波方法进行数据处理之后，剔除了全部超出范围数据，波动幅度较大的异常数据也被处理正常，且跟踪效果良好，输出数据曲线平滑，无毛刺数据，且其滞后时间明显优于其他方法，数据处理结果基本可以反映真实输入情况。本发明提出的数据滤波方法滤波效果明显，在数据正常采集部分，其与原始数据差值、差方均为零，在遇到超出上下限的数据时，差值数据出现波动，差方波动明显。在遇到原始数据波动异常的情况下，差值与差方数据亦波动明显。

由图6～图7可知，本发明在加入组合积分滤波器g(s)进行处理后的数据变化幅度小，曲线平滑，更符合工业现场的数据变化机理。

由图8可知，相较于现有单一组合积分滤波方法而言，本发明提出的组合滤波方法是在剔除错误数据后进行二次数据处理，所得到的滤波结果更加真实的反映实际数据。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。