1.一种基于数据驱动的烟草烘丝干头过程FNN‑ARX建模方法，其特征在于，包括以下步骤：

1)采集烟草烘丝干头过程，即T1时间段内各工艺变量的历史数据；

2)建立烟草烘丝干头过程FNN‑ARX模型结构：其中：yt表示干头过程的出口烟丝含水率， 表示入口烟丝含水率， 表示入口烟丝流量， 表示滚筒筒温， 表示排潮风门开度，ξt表示高斯白噪声； 为FNN‑ARX模型的状态量；φ0(xt‑1)、φy,1(xt‑1)、φy,2(xt‑1)、和 均为关于模型

状态量xt‑1的FNN网络；FNN‑ARX模型的参数分为线性参数集θL和非线性参数集θN；

3)对烘丝干头过程FNN‑ARX模型的参数θL和θN进行优化，得到优化后的烟草烘丝干头过程的FNN‑ARX模型；

所述FNN网络如下：

其中，模糊隶属度函数

且 和 为模糊隶属度函数的中心，和 为模糊隶属度函数的宽度。

2.根据权利要求1所述的基于数据驱动的烟草烘丝干头过程FNN‑ARX建模方法，其特征T

在于，将所述FNN‑ARX模型转换为如下标准形式：yt＝μ(θN,xt‑1) θL+ξt，其中，且

3.根据权利要求1所述的基于数据驱动的烟草烘丝干头过程FNN‑ARX建模方法，其特征在于，对烘丝干头过程FNN‑ARX模型的参数θL和θN进行优化的具体实现过程包括：

1)定义干头过程FNN‑ARX模型参数优化的目标函数为 其中，rT

(θL,θN)＝(rn(θL,θN),rn‑1(θL,θN),...,r3(θL,θN)) ，且当t＝3...n时rt(θL,θN)＝yt‑μ(θN,T

xt‑1) θL， 则对干头过程FNN‑ARX模型的参数优化问题表示为+

2)设非线性参数θN已知，则待优化FNN‑ARX模型的线性参数表示为θL＝Φ(θN)y，其中Φ+

(θN) 为矩阵Φ(θN)的Moore‑Penrose逆，且矩阵Φ(θN)＝(μ(θN,xn‑1),μ(θN,xn‑2),...μ(θN,T T

x2)) ，y＝(yn,yn‑1,...y3) ，则优化问题被转变为‑ ‑

3)选择目标函数的雅可比矩阵形式为：J＝‑D(Φ(θN))Φ(θN) y，其中，Φ(θN) 为Φ(θN)的减号逆，D(Φ(θN))＝[D1(Φ(θN)),D2(Φ(θN))...D8(Φ(θN))]，Dg(Φ(θN))表示矩阵Φk

(θN)对第g个非线性参数的偏导数；得到雅可比矩阵J后，得到非线性参数θN的更新方向dk T k ‑1 k T k k k +＝‑((J) J) (J) r ，其中J表示k时刻J的值，r为k时刻r的值，且r＝(I‑Φ(θN)Φ(θN))y；非线性参数更新为 其中η为搜索步长并采用混合二次多项式内插法确定；

当本次优化的目标函数R(θN)与其上一步优化的值相减偏差小于优化终止条件δ或优化次+

数达到最大迭代次数Μ时，整个优化过程结束，此时模型的线性参数集通过θL＝Φ(θN)y计算得到；其中所述非线性参数集θN的初始值设计为 α为入口烟丝含水率数据集 的平均值。

4.根据权利要求3所述的基于数据驱动的烟草烘丝干头过程FNN‑ARX建模方法，其特征在于，β1＝0.2，β2＝0.8，β3＝0.2，β4＝0.8。