[发明专利]一种聚酯纤维生产过程工艺参数的智能配置方法

摘要

本发明涉及一种聚酯纤维生产过程工艺参数的智能配置方法，将期望聚酯纤维的性能指标输入到训练好的改进SA‑PSO‑ELM算法模型由其输出期望聚酯纤维的生产过程工艺参数；改进SA‑PSO‑ELM算法模型是通过以ELM网络输入层与隐含层之间的权值和阈值作为PSO算法的粒子，以均方误差函数作为PSO算法的适应度函数，采用PSO算法优化ELM算法，同时以PSO算法的初始群体粒子的最大和最小适应度的差值为改进SA算法中的初始温度，采用改进SA算法优化PSO算法得到的；训练时以历史聚酯纤维的性能指标和生产过程工艺参数为改进SA‑PSO‑ELM算法模型的输入项和输出项。本发明根据期望纤维性能指标可直接得到其生产过程工艺参数，过程简单，耗时较短，配置结果稳定性好且精度高。

主权项

1.一种聚酯纤维生产过程工艺参数的智能配置方法，其特征是：将期望聚酯纤维的性能指标输入到训练好的改进SA‑PSO‑ELM算法模型由其输出期望聚酯纤维的生产过程工艺参数；所述改进SA‑PSO‑ELM算法模型是通过以ELM网络输入层与隐含层之间的权值和阈值作为PSO算法的粒子，以均方误差函数作为PSO算法的适应度函数，采用PSO算法优化ELM算法，同时以PSO算法的初始群体粒子的最大和最小适应度的差值为改进SA算法中的初始退火温度，采用改进SA算法优化PSO算法得到的；其中，改进SA算法中模拟退火接收新解的概率公式为：式中，P为模拟退火接收新解的概率，ΔC为粒子新旧位置的适应度之差，T为退火温度；改进SA算法中降温系数b的计算公式如下：式中，k为当前迭代次数；所述训练是以历史聚酯纤维的性能指标和生产过程工艺参数为改进SA‑PSO‑ELM算法模型的输入项和输出项，不断调整改进SA‑PSO‑ELM算法模型的参数，使其输出精度≤0.0001或达到最大迭代次数；所述期望聚酯纤维是指期望生产得到的聚酯纤维，所述历史聚酯纤维是指已经生产得到的聚酯纤维；所有的性能指标都为聚酯熔体从喷丝孔挤出后经侧吹风冷却和牵伸机拉伸后卷绕时的温度、取向和直径，所有的工艺参数为泵供量、纺丝温度、纺丝速度、吹风温度和吹风速度，其中直径、取向度和泵供量的单位分别为μm、Δn、和g/min，所有温度的单位都为℃，所有速度的单位都为m/min。