[发明专利]一种利用改进遗传算法实现棉花加工过程智能控制的方法

摘要

本发明公开了一种利用改进遗传算法实现棉花加工过程智能控制的方法，根据籽棉的回潮率和性状参数自动计算出棉花加工工艺过程的最优加工方案。首先将棉花加工设备串联起来，使用设备的输入输出结果分别训练各个设备的BP神经网络模型，这是遗传算法在运行迭代过程中的变量运算空间，然后建立了棉花品级评判BP神经网络模型，在此基础上，确定了棉花的综合质量等级评价方法，接下来利用线性加权和法建立单目标多变量优化函数模型，将其作为遗传算法在运行过程中的适应度评价函数，最后利用改进遗传算法实现棉花加工过程智能控制。

主权项

一种利用改进遗传算法实现棉花加工过程智能控制的方法，包括如下步骤：(1)将棉花加工设备串联起来，使用设备的输入输出结果分别训练各个设备的BP神经网络模型；(2)建立棉花品级评判BP神经网络模型：利用大量人工分级后的标准棉样数据，建立6‑15‑1结构的棉花品级评判BP神经网络模型，实现由棉花特征参数到棉花品级的非线性映射；(3)建立皮棉综合质量等级评判标准：皮棉综合质量等级由棉花类型、棉花品级和长度等级这三个因素决定，将棉花的综合质量等级与当时市场价格建立联系，得到皮棉的单产毛利润；(4)建立棉花加工过程非线性多目标静态优化模型：根据棉花加工过程所要求的皮棉质量好、高效率和高产出的要求，建立优化模型为：maxf(x)＝max[f1(x1…xp…x14) f2(x1…xp…x14) x1)]Ts.t.xp min≤xp≤xp max1≤p≤14其中：f1(x)为加工设备相关的棉花综合质量指标，f2(x)为与加工设备相关的棉花衣分指标，x1…xp…x14为系统产量和加工设备的14个参数；(5)利用线性加权和法建立单目标多变量优化模型：在棉花加工过程多目标优化模型中，皮棉的质量等级、棉花衣分及加工效率直接关系到皮棉的最终收益；利用线性加权和法建立基于棉花加工收益最大化的单目标优化数学模型：maxf(x)=max(PRank(RQuality(x1...xp...x14))·Msc·ψ(x1...xp...x14)-MSC·CTimex1)]]>s.t.xp min≤xp≤xp max1≤p≤14式中：xp为各个加工设备参数，14个设计变量分别为x1…xp…x14，RQuality为棉花综合质量等级，PRank为棉花单价，MSC为籽棉重量，ψ为棉花衣分，CTime为每小时的加工成本，x1为棉花单产量，MSC·ψ为合格皮棉产出量，MSC/x1加工总用时；(6)利用改进遗传算法实现棉花加工过程智能控制。