基于集成智能的差別化紡絲性能雙向預測方法.pdf

1、本文以差別化紡絲的生產工藝及其優(yōu)化過程為研究對象，通過對于各種纖維的紡絲工藝的研究，以及對其關鍵生產參數(shù)與性能參數(shù)的選擇與數(shù)據收集，力求探究它們之間的關系，并應用智能算法黑箱模擬此種關系，同時，以此為基礎實現(xiàn)基于差別化紡絲生產參數(shù)與性能參數(shù)的雙向預測，從而對其生產參數(shù)與性能參數(shù)進行相互優(yōu)化，簡化了建模難度，降低了生產成本，提高了纖維的最終性能。另外，該方法也為差別化紡絲生產過程的工藝優(yōu)化提出了一種新思路。
　　差別化紡絲性能的雙向

2、預測算法分為兩個部分，即應用性能參數(shù)實現(xiàn)生產參數(shù)的優(yōu)化的反向推理過程，以及應用生產參數(shù)實現(xiàn)性能參數(shù)的正向預測過程。首先，由于纖維的生產依賴于生產參數(shù)的設定，而生產參數(shù)的設定取決于給定的性能參數(shù)要求，所以生產參數(shù)的預測對于生產過程的優(yōu)化十分重要。傳統(tǒng)的方法是應用經驗來控制與調試各個生產參數(shù)，使其終端性能滿足要求。由于各個生產參數(shù)之間相互作用并影響最終性能，因此必然存在多組可能的生產參數(shù)能夠滿足所給定的性能參數(shù)要求，即生產參數(shù)的設定是一個多

3、解問題，以至于生產參數(shù)的設定十分困難。為了優(yōu)化生產參數(shù)的設定過程同時滿足生產參數(shù)解的多樣性，本文使用多目標進化算法以及基于實際生產參數(shù)正交實驗結果構成的神經網絡對給定性能參數(shù)進行生產參數(shù)的反向推理。同時，應用粒子群算法對此多目標進化算法進行設計與改進，使其粒子的進化過程能夠分別根據粒子進化軌跡中的局部最后進行進化，以及根據所有粒子的各個目標的全局最優(yōu)按照該粒子的最差目標進行進化，從而保證了預測結果的多樣性，預測速度的高效性，以及預測結果

4、的準確性。最后使用碳纖維原絲的正交生產數(shù)據對其進行驗證，結果證明，本文所提出的基于多目標進化算法的反向推理過程取得了很好的預測結果。
　　接著，由于在實際生產過程中，所得到的的經驗數(shù)據并非是通過正交實驗所得到的的，所以所得到的的經驗數(shù)據是不規(guī)則的大范圍分散數(shù)據，為了將上述算法更好的應用到差別化紡絲工藝的優(yōu)化之中，本文對其基于生產數(shù)據的神經網絡，即正向預測算法進行改進。首先，對真實的生產數(shù)據進行聚類得到各個輸入輸出中心，并應用K均值

5、算法、粒子群進化算子以及遺傳算子對此聚類算法進行改進，提高了聚類結果的準確性，也為之后的正向預測過程打下基礎。接著，應用改進的徑向基神經網絡與各個輸入輸出中心實現(xiàn)其正向預測過程，提高了預測結果的準確性，也保證了反向推理過程中各個目標函數(shù)的準確性。最后使用大量的滌綸生產數(shù)據對上述聚類算法與正向預測算法進行驗證，并將此結果應用到反向推理過程之中，結果證明基于此正向預測過程的反向推理過程取得了很好的預測結果。最后，應用C＃語言，在基于.NET