[发明专利]一种纺纱质量不确定性预测方法

摘要

本发明公开了一种纺纱质量不确定性预测方法，从人、机与环境方面对影响纺纱质量波动的不确定性因素进行了分析，构建了面向纺纱过程的人-机-环境脆性模型，其次，对不确定性因素的产生机理与相互作用机制进行了研究，并对质量不确定性因素的行为特征进行了辨识。本发明实现了纺纱过程中从质量波动的原因及规律到不确定性因素的产生机理、相互关系，以及行为辨识的全方位分析，同时为纺纱过程质量的预测与控制提供了新方法。

主权项

一种纺纱质量不确定性预测方法，其特征在于，包括如下步骤：S1、构建人‑机‑环境脆性模型，以人机环境系统工程学为理论基础，令s₁表示加工过程中产生的异常事件，x_i表示不确定性因素，且i＝1，2，…，n，则纺纱过程质量不确定性的形成过程Q_p可以表示为：$\begin{array}{c}{Q}_p\⇒P\∩M\∩E\\ \⇒(s{}_1,s_2,s_3,\mathrm{...},s_m)\∩(s_{m+1},s_{m+1},s_{m+1},\mathrm{...},s_r)\\ \∩(s_{r+1},s_{r+2},s_{r+3},\mathrm{...},s_k)\\ \⇒(x_1,x_2,\mathrm{...},x_v)\∩(x_{v+1},x_{v+2},\mathrm{...},x_u)\\ \∩(x_{u+1},x_{u+2},\mathrm{...},x_w)\end{array}$其中：P为影响纺纱过程质量波动的人为影响因素集合，M为影响纺纱过程质量波动的设备因素集合，E为加工过程质量波动的环境因素集合；P＝(s₁，s₂，s₃，…，s_m)表示存在m个与人为因素相关的异常事件，M＝(s_m+1，s_m+2，s_m+3，…，s_r)表示存在r‑m+1个与设备相关的影响因素；E＝(s_r+1，s_r+2，s_r+3，…，s_k)表示存在k‑r+1个与环境相关的影响因素；k为影响纺纱过程质量波动的不确定性因素总数，则存在1≤m＜k，1≤r＜k；S2、假设X为影响纺纱过程质量波动的人‑机‑环境因素，则X＝(x₁，x₂，x₃，…，x_k)，k为影响纺纱过程质量不确定性的因素总数，相应地(x₁，x₂，…，x_s)为影响质量不确定性的人为因素，(x_s+1，x_s+2，…，x_u)为影响质量不确定性的设备因素，(x_u+1，x_u+2，…，x_k)为影响质量不确定性的环境因素，且1≤s＜k，1≤u＜k；S3、通过纺纱质量不确定性的产生过程Q_p，可将影响纺纱质量波动的各类不确定性因素间的相互作用过程表示如下：令Q＝(K，O，R)，其中：K表示影响质量波动的不确定性因素总数；O表示不确定性因素间的交互集合；R是不确定性的关系集合，并且R可表示为R＝(K∪O)，则Q将构成一个无向图，它的点集由K∪O组成，而边集由关系R组成；这样，在纺纱过程中，若存在m(m＞1，但m不易过大)个异常事件可能导致纺纱质量波动，而这种波动可能对应的不确定性因素有n个，即x₁，x₂，x₃，…，x_n，通过人‑机‑环境脆性模型，构建不确定性因素间的关系图Q＝K∪(K∪O)，则细化后的不确定性因素可表示为x₁₁，x₁₂，x₁₃，…，x_1n；x₂₁，x₂₂，x₂₃，…，x_2n；x₃₁，x₃₂，x₃₃，…，x_3n；…，x_n1，x_n2，x_n3，…，x_nn。因此，整个不确定性因素间的相互作用过程可表示为：R(((x₁₁→x₁₂→x₁₃)→x₁)∪((x₂₁∪x₂₂∪x₂₃)→x₂)∪((x₃₁→x₃₂→x₃₃)→x₃)，…，→x_n)；S4、(1)当整个纺纱过程中质量特征值呈稳定状态时，纺纱的质量特征值表示为：x_t＝μ+ε_t     (1)式中，x_t表示t时刻所采集的质量数据值，μ为x_t在区间[0，t]内质量数据的平均值，${{\mathrm{\ϵ}}_t}^{~}N(0,{\mathrm{\δ}}_n^2);$(2)当纺纱质量特征值之间存在自相关的情形时，选用AR(1)函数模型进行分析，存在如下的平稳序列条件：①取t∈T，存在T为数据采集周期；②取t∈T，存在Ex_t＝μ，μ为常数；③取t，s，k∈T，且k+s‑t∈T，存在γ(t，s)＝γ(k，k+s‑t)；对于AR(1)模型：x_t‑μ＝φ₁(x_t‑1‑μ)+ε_t    (2)其中，‑1＜φ₁＜1，ε_t独立同分布，且遵循x_t是序列的数据采集值；对时间序列模型AR(1)等式两边求方差，则因此，序列{x_t}的方差为：${\mathrm{\δ}}_x^2=Var\left(x_t\right)=\frac{{\mathrm{\δ}}_{\mathrm{\ϵ}}^2}{1-{\mathrm{\φ}}_1^2}---\left(3\right)$将式(3)带入质量损失函数，则有：$E\[L\left(x\right)\]=K({\mathrm{\δ}}_x^2+n^2)=K\[\frac{{\mathrm{\δ}}_{\mathrm{\ϵ}}^2}{1-{\mathrm{\φ}}_1^2}+{(\mathrm{\μ}-m)}^2\]\>K\[{\mathrm{\δ}}_{\mathrm{\ϵ}}^2+{(\mathrm{\μ}-m)}^2\]---\left(4\right)$式中，μ为加工过程数据的采集值均值，自相关稳态下其接近于质量特征值对应的目标值m。(3)当纺纱过程质量特征值的均值不发生变化时，利用AR(1)模型进行控制变量的输入，对自相关平稳过程进行调整，并设加工过程质量特征值的输出误差为e_t，则：e_t＝Z_t+y_t‑1；式中，y_t是反馈调整量，B为延迟因子。Z_t的一步提前预测为：${\hat{Z}}_t\left(1\right)={\mathrm{\φ}}_1{Z}_t=\frac{{\mathrm{\φ}}_1}{1-{\mathrm{\φ}}_{1}B}{\mathrm{\ϵ}}_t;$又$e_t\left(1\right)=Z_{t+1}-{\hat{Z}}_t\left(1\right)={\mathrm{\ϵ}}_{t+1}$且e_t＝e_t‑1(1)＝ε_t；因此，$y_t=-\frac{{\mathrm{\φ}}_1}{1-{\mathrm{\φ}}_{1}B}{e}_t;$故AR(1)模型的反馈调整量为：y_t＝φ₁y_t‑1‑φ₁e_t。