[发明专利]基于局部内在可塑性回声状态网络的熔纺工艺控制方法

摘要

本发明涉及一种基于局部内在可塑性回声状态网络的熔纺工艺控制方法，采集工艺生产过程中t+1时刻的聚合物熔融纺丝工艺参数数据作为网络的输入u(t+1)，通过局部内在可塑性回声状态网络输入层实现t+1时刻聚合物熔融纺丝工艺参数数据u(t+1)的输入，并经过局部内在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合物熔融纺丝工艺参数，其中，聚合物为聚酰胺，局部内在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内在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酰胺纤维纺丝工艺过程，最终提高原丝的产出性能及品质。

主权项

1.基于局部内在可塑性回声状态网络的熔纺工艺控制方法，其特征是：采集工艺生产过程中t+1时刻的聚合物熔融纺丝工艺参数数据作为网络的输入u(t+1)，通过局部内在可塑性回声状态网络输入层实现t+1时刻聚合物熔融纺丝工艺参数数据u(t+1)的输入，并经过局部内在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合物熔融纺丝工艺参数；所述局部内在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内在可塑性规则进行局部优化的可塑性回声状态网络；所述不同的内在可塑性规则是指通过不同学习率参数构建的局部内在可塑性规则；其中，通过不同学习率参数构建的局部内在可塑性规则中表示从t时刻到t+1时刻的激活函数斜率的调整项Δai(t+1)和偏移的调整项Δbi(t+1)为：式中，a_i(t)表示在t时刻储备池内部神经元i的激活函数的斜率，表示在t时刻储备池内部神经元i的输入状态，x_i(t)表示在t时刻储备池内部神经元i的输出状态，i取值范围在[1,n]之间，n为储备池神经元的个数，τ表示激活函数指数分布的平均值，σ²表示激活函数指数分布的方差；Δb_i(t)为从t‑1时刻到t时刻的偏移的调整项，Δb_i(1)为初始时刻偏移的调整项，记为0，η_i表示储备池内部神经元i对应的学习率，学习率参数为学习率的集合，记为{η₁,η₂,...,η_i,...η_n}，学习率参数通过进化算法实现网络的迭代寻优。