1.一种动态定浊前馈模型算法,其特征在于:该算法基于多元回归模型
y=a1x1+a2x2+a3x12+a4x22+a0(式1)
式1中,y是离心转速,x1是离心前浊度,x2是离心后目标浊度,a0、a1、a2、a3、a4是回归参数。
2.如权利要求1所述的一种动态定浊前馈模型算法,其特征在于:该算法的实现具体包括以下步骤:
s1.选定离心后目标浊度,检测样品原浊度作为离心前浊度;
s2.将s1中离心后目标浊度以及样品离心前浊度代入多元回归模型中,经计算确定指定的目标浊度下所需的离心转速;
s3.对多元回归模型的进行误差分析。
3.如权利要求1或2所述的一种动态定浊前馈模型算法,其特征在于:所述多元回归模型的回归参数计算方法为:运用最小二乘法计算回归参数的估计值,将多元非线性回归模型转化为线性回归模型处理。
4.如权利要求3所述的一种动态定浊前馈模型算法,其特征在于:所述回归参数计算方法,具体包括如下步骤:
对于多元回归模型y=a1x12+b1x1+a2x22+b2x2+c(式1)
令x1=x1,x2=x2,x3=x12,x4=x22,
则将多元非线性回归方程转化为多元线性回归方程:
y=a1x1+a2x2+a3x3+a4x4+a0(式2)
设(x11,x12,x13,x14,y1),…,(xn1,xn2,xn3,xn4,yn)是一组样本,多元线性回归方程的矩阵形式可以写为y=xa,其中,
运用最小二乘法估计回归参数:
取
根据微积分求极值原理,求q对
得到
5.如权利要求2所述的一种动态定浊前馈模型算法,其特征在于:步骤s3中,采取平均绝对误差分析多元回归模型的精度。