[发明专利]涤纶纤维纺丝过程中性能指标的预测方法

摘要

本发明涉及一种涤纶纤维纺丝过程中性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS‑SVM)的涤纶纤维纺丝过程中性能指标的预测方法，发明包括以下步骤：选择涤纶纤维纺丝过程的生产参数：纺丝速度、纺丝温度、吹风温度、吹风速度，作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响涤纶纤维质量的主要性能指标，包括半倍伸长率、半倍伸长率的不匀率、断裂强度和伸长能力，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS‑SVM模型，采用高斯径向基函数(RBF)作为LS‑SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。

主权项

涤纶纤维纺丝过程中性能指标的预测方法，其特征是：所述预测方法为基于幂律法则改进的粒子群优化算法PSO优化的最小二乘支持向量机LS‑SVM的碳纤维纺丝过程中预测方法，包括以下步骤：(1)将碳纤维纺丝过程中的主要工艺参数作为特征信息，建立输入样本数据集，并对特征信息进行线性函数归一化处理，完成特征信息的预处理，并组成特征向量矩阵R’；(2)建立影响涤纶纤维质量的主要性能指标的输出样本数据集，并对性能指标进行对数函数归一化处理，完成对性能指标的预处理，并建立输出样本数据集矩阵Y’；(3)将所述特征向量和所述输出样本数据集矩阵使用基于幂律法则改进的PSO优化LS‑SVM建立模型并实现预测功能；所述基于幂律法则改进的PSO优化是指：根据LS‑SVM建立输入特征向量和输出样本数据集矩阵之间的预测模型时，需要依据训练集采用PSO对LS‑SVM的惩罚因子C和RBF核函数的参数σ进行优化，在PSO寻优过程中，将全部粒子按适应度值的大小进行排序，将适应度差的粒子直接淘汰，在适应度好的20％的粒子所围成的区域中随机生成粒子，作为淘汰粒子的替换粒子；从而可以加快PSO优化惩罚因子C和RBF核函数的参数σ的值的速度，进而建立预测模型。