1.一种湿布热定型实时温度估算方法，其特征在于，包括：

1)确定热定型过程建模的输入输出变量

确立对定型过程有重大影响的变量，分别为：定型烘箱温度，定型时间，定型织物的克重以及织物含水率；

2)建立一套热定型温度实时监控装置

热定型温度实时监控装置，主要部件包括：恒温烘箱、电子电平、数据采集仪、测温用K型热电偶；监控流程如下：第一步，获取待检测干燥织物克重；选择需要实验的的织物，并将待检测织物按指定尺寸裁切，并有电子电平进行称重，得到干燥织物的克重；

第二步，进行浸液处理；即将织物放置在液体内，待织物完全浸润，浸液均匀后取出，再除去多余水分，采取物理挤压或者加热去除水分，加热去除水分必须回复到室温再进行称量，再利用电子电平测量后，达到合适含水率后，准备热定型，这里检测到潮湿织物的重量，并计算出织物的含水率；

第三步，热定型；将一定含水率的织物，固定好热电偶测温传感器，快速放入到恒温烘箱，开始热定型，待定型过程完成后取出织物，期间，计算机通过热电偶数据采集模型采集烘箱和织物的实时温度，采样时间间隔为500ms；

3)数据预处理

实时采集的数据存在噪声、数据长度不一致情况，在预处理过程中，剔除连续数据中突变的个别数据，用相邻两值的平均值加以替代；数据长度统一按最长的数据长度为参考，确定数据长度，再对数据进行归一化处理，所谓归一化，就是将数据映射到[0,1]或[-1,1]区间；

4)建立热定型过程织物温度预测的神经网络模型

a.确定神经网络的输入输出以及网络结构；其中，输入层包含四个节点，对应：烘箱温度，定型时间，定型织物的克重和含水率，输出层包含一个节点为织物的温度，中间隐含层分别为12,12,6；

b.确定损失函数

选用均方误差MSE作为损失函数，

c.激活函数

选取激活函数为tanh和log两种激活函数，其中从输入层到隐含层以及隐含层到隐含层选用tanh，隐含层到输出层选用log；

5)优化所建立的神经网络的模型

a.改进学习效率

为改善普通神经网络训练学习效率低，速度慢的不足，采用自适应时刻估计方法，调整公式为:mt＝β1*mt-1+(1-β1)*gt   (2)mt和vt是梯度的加权平均值和加权平方误差，最初是0向量，当衰减因子β1和β2接近1时，mt和vt趋向于0向量，所以mt和vt偏差校正:最终表示式为:

使用的参数,α＝0.001,β1＝0.92,β2＝0.999and∈＝1×10-8；

b.交叉验证

第一步，将样本分成3个独立的部分，即：训练样本、验证样本和测试样本，其中训练样本用来训练网络，验证样本用来确定网络结构和网络参数，而测试样本则检验最终训练好的网络的性能；

第二步，分离后假定有L个样本，将L个样本打乱，然后均匀分成K份，轮流选择其中K‐1份进行训练，剩余的一份做验证，共有K种取法，对于每一轮训练，当验证数据误差总和最小或者迭代次数达到设定值时停止训练；

6)训练和测试预测模型。