[发明专利]一种聚酯纤维生产过程工艺参数的智能配置方法

权利要求书

1.一种聚酯纤维生产过程工艺参数的智能配置方法，其特征是：将期望聚酯纤维的性能指标输入到训练好的改进SA-PSO-ELM算法模型由其输出期望聚酯纤维的生产过程工艺参数；

所述改进SA-PSO-ELM算法模型是通过以ELM网络输入层与隐含层之间的权值和阈值作为PSO算法的粒子，以均方误差函数作为PSO算法的适应度函数，采用PSO算法优化ELM算法，同时以PSO算法的初始群体粒子的最大和最小适应度的差值为改进SA算法中的初始退火温度，采用改进SA算法优化PSO算法得到的；

其中，改进SA算法中模拟退火接收新解的概率公式为：

式中，P为模拟退火接收新解的概率，ΔC为粒子新旧位置的适应度之差，T为退火温度；

改进SA算法中降温系数b的计算公式如下：

式中，k为当前迭代次数；

所述训练是以历史聚酯纤维的性能指标和生产过程工艺参数为改进SA-PSO-ELM算法模型的输入项和输出项，不断调整改进SA-PSO-ELM算法模型的参数，使其输出精度≤0.0001或达到最大迭代次数；

所述期望聚酯纤维是指期望生产得到的聚酯纤维，所述历史聚酯纤维是指已经生产得到的聚酯纤维；

所有的性能指标都为聚酯熔体从喷丝孔挤出后经侧吹风冷却和牵伸机拉伸后卷绕时的温度、取向和直径，所有的工艺参数为泵供量、纺丝温度、纺丝速度、吹风温度和吹风速度，其中直径、取向度和泵供量的单位分别为μm、Δn、和g/min，所有温度的单位都为℃，所有速度的单位都为m/min。

2.根据权利要求1所述的一种聚酯纤维生产过程工艺参数的智能配置方法，其特征在于，期望聚酯纤维的性能指标输入到训练好的改进SA-PSO-ELM算法模型前还进行归一化处理，训练好的改进SA-PSO-ELM算法模型输出期望聚酯纤维的生产过程工艺参数后还进行反归一化处理；

训练时，改进SA-PSO-ELM算法模型的输入项和输出项为经过归一化处理的历史聚酯纤维的性能指标和生产过程工艺参数。

3.根据权利要求2所述的一种聚酯纤维生产过程工艺参数的智能配置方法，其特征在于，所有的归一化处理的公式如下：

式中，x^-和x分别为待归一化处理的数据和归一化处理后的数据，x_max和x_min分别代表待归一化处理的数据中的最大值和最小值。

4.根据权利要求3所述的一种聚酯纤维生产过程工艺参数的智能配置方法，其特征在于，改进SA-PSO-ELM算法模型的训练步骤如下：

(1)采集历史聚酯纤维的性能指标和生产过程工艺参数，划分为训练集和测试集；

(2)对训练集和测试集中的所有数据进行归一化处理；

(3)令当前迭代次数f＝1；

(4)采用训练集训练改进SA-PSO-ELM算法模型，得到改进SA-PSO-ELM算法模型的输入层与隐藏层之间的权值和阈值；

(5)采用测试集测试改进SA-PSO-ELM算法模型，得到测试精度；

(6)判断测试精度是否≤0.0001，如果是，则将输入层与隐藏层之间的权值和阈值代入改进SA-PSO-ELM算法模型，结束训练；反之，则进入下一步；

(7)判断迭代次数是否达到最大迭代次数，如果是，则将输入层与隐藏层之间的权值和阈值代入改进SA-PSO-ELM算法模型，结束训练；反之，则令f＝f+1后，返回步骤(4)。

5.根据权利要求4所述的一种聚酯纤维生产过程工艺参数的智能配置方法，其特征在于，所述训练集和测试集的样本数量之和为1500组，训练集与测试集的样本数量比为4:1。