[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

说明书

本发明涉及一种聚酯纤维生产过程工艺参数的智能配置方法，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；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算法中的初始温度，采用改进SA算法优化PSO算法得到的；训练时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。本发明根据期望纤维性能指标可直接得到其生产过程工艺参数，过程简单，耗时较短，配置结果稳定性好且精度高。

技术领域

本发明属于聚酯纤维生产智能控制技术领域，涉及一种聚酯纤维生产过程工艺参数的智能配置方法。

背景技术

聚酯纤维具有高强度、模量大、伸长小、耐热、耐冲击和耐疲劳等优点，在线绳、锁具、汽车、安全带、灯箱广告布和轮胎橡胶等领域具有非常广泛的应用。由于聚酯纤维的性能优良和成本低廉，与棉纶、钢丝、粘胶强力丝一起成为了四大橡胶骨架材料。近年来，我国汽车工业快速发展，轮胎子午化率逐渐提高，橡胶工业产品不断调整升级，当前聚酯纤维及其产品的需求快速增长。

目前聚酯纤维一般采用溶体纺丝法制得，聚酯纤维生产过程的基本流程为：定量供料→喷丝板组件过滤→喷丝孔挤出→在空气中冷却凝固成初生纤维→上油→连续拉伸→卷绕。其整体流程复杂，生产过程对聚酯纤维性能产生影响的因素很多，其主要包括泵供量、纺丝温度、纺丝速度、吹风温度和吹风速度。聚酯纤维的性能与生产过程中的工艺参数相关，为生产得到需求性能的聚酯纤维，必须合理设定各工艺参数。目前生产企业都是根据生产出产品丝的性能，调整生产过程的工艺参数的。其中不仅对产品丝性能进行测试需要耗费一定的时间与成本，而且往往需要多次调整才能得到需求性能的产品丝的工艺参数，这极大地浪费了时间成本及生产成本。

因此，开发一种配置简单、耗时较短且成本低廉的聚酯纤维生产过程工艺参数的智能配置方法极具现实意义。

发明内容

本发明的目的是克服现有技术调整过程复杂、耗时过长且成本较高的缺陷，提供一种配置简单、耗时较短且成本低廉的聚酯纤维生产过程工艺参数的智能配置方法。

为达到上述目的，本发明采用的技术方案如下：

一种聚酯纤维生产过程工艺参数的智能配置方法，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；

纺丝生产过程是一个非常复杂的流体变化过程，传统模拟退火中的降温系数是一个定值无法满足纺丝的需求，降温系数太高可能导致错过最优解，而太低则影响算法求解速度，本发明采用一种非线性函数的方法来更新降温系数，能够解决算法求解速度低的问题，同时配合本发明的概率公式能够保证算法不会因降温系数b采用非线性函数方法取值而错过最优解；