[发明专利]基于局部可塑性回声状态网络的聚酯纺丝工艺控制方法

摘要

本发明涉及一种基于局部可塑性回声状态网络的聚酯纺丝工艺控制方法，采集工艺生产过程中t+1时刻的聚酯纺丝工艺参数数据作为网络的输入u(t+1)，通过局部可塑性回声状态网络输入层实现t+1时刻聚酯纺丝工艺参数数据u(t+1)的输入，并经过局部可塑性回声状态网络的储备池状态方程和输出层状态方程计算出下一时刻的预测值，并按该预测值调整聚酯纺丝工艺参数，其中，局部可塑性回声状态网络是指储备池内部不同的神经元通过不同的可塑性规则进行局部优化的可塑性回声状态网络。本发明方法能够进一步提升生产工艺参数的预测精度，进而使预测结果能够更好地指导聚酯纤维纺丝工艺过程，最终提高原丝的产出性能及品质。

主权项

1.基于局部可塑性回声状态网络的聚酯纺丝工艺控制方法，其特征是：采集工艺生产过程中t+1时刻的聚酯纺丝工艺参数数据作为网络的输入u(t+1)，通过局部可塑性回声状态网络输入层实现t+1时刻聚酯纺丝工艺参数数据u(t+1)的输入，并经过局部可塑性回声状态网络的储备池状态方程和输出层状态方程计算出下一时刻的预测值，并按该预测值调整聚酯纺丝工艺参数；所述局部可塑性回声状态网络是指储备池内部不同的神经元通过不同的可塑性规则进行局部优化的可塑性回声状态网络；所述不同的可塑性规则是指通过不同学习率参数构建的局部Oja规则或通过不同学习率参数构建的局部Anti‑Oja规则；所述通过不同学习率参数构建的局部Oja规则为：W^res_ji(t+1)＝W^res_ji(t)+ΔW^res_ji(t)；ΔW^res_ji(t)＝η_jx_j(t)[x_i(t)‑x_j(t)W^res_ji(t)]；所述通过不同学习率参数构建的局部Anti‑Oja规则为：W^res_ji(t+1)＝W^res_ji(t)‑ΔW^res_ji(t)；ΔW^res_ji(t)＝η_jx_j(t)[x_i(t)‑x_j(t)W^res_ji(t)]；式中，W^res_ji(t+1)表示在t+1时刻从突触前神经元i连向突触后神经元j的突触权重；其中，通过不同学习率参数构建的局部Oja规则或通过不同学习率参数构建的局部Anti‑Oja规则中表示在从t时刻到t+1时刻的权重变化的调整项ΔW^res_ji(t)为：ΔW^res_ji(t)＝η_jx_j(t)[x_i(t)‑x_j(t)W^res_ji(t)]；x_i(t)和x_j(t)分别表示在t时刻储备池内部的突触前神经元i和突触后神经元j的响应状态，i和j取值范围在[1,n]之间，n为储备池个数，W^res_ji(t)表示在t时刻从突触前神经元i连向突触后神经元j的突触权重，学习率参数为学习率的集合，记为{η₁,η₂,...,η_j,...η_n}，η_j为突触后神经元j对应的学习率，学习率参数通过进化算法实现网络的迭代寻优；所述进化算法为CMA_ES算法。