本发明专利技术提供了一种基于数据驱动的差别化纤维纺丝工艺交互式设计方法,其步骤为:首先初始化产生抗体种群及抗原,随后通过随机的方式或工艺设计师的初步设计方案生成初始种群;再通过免疫进化算子对抗体种群进化以实现对抗原最大可能的匹配,并在此过程中通过方案评价模块由工艺设计专家对于每一个设计方案给出性能优劣的评价值,或在给出评价值的同时针对方案中的不足之处提出改进建议;最后根据工艺设计专家对备选方案的评价意见,结合专家系统中存储的优秀历史方案与当前备选方案的近似程度,判断进化是否结束,若是则退出,否则重新进行本发明专利技术所述优化方法的各步骤。本发明专利技术的优点是:1、建立纺丝工艺的交互式智能优化模型,为生产参数的设定提供依据。2、采用纺丝工艺专家系统对结果集进行分析和评价,并用于指导生产;所述专家系统的知识库、规则集可以不断地添加和改进,使系统具有自学习的功能。
【技术实现步骤摘要】
本专利技术属于纤维生产领域,特别是涉及一种针对差别化纤维的基于数据驱动的纺丝工艺交互式智能优化设计方法。
技术介绍
纤维生产(包括天然纤维、聚合物纤维等)是一个具有多生产环节和复杂生产 条件的大规模生产系统,其生产过程监测与控制的实现,需要结合对生产设备和生产技术 的认识与建模,以及对生产线控制系统的设计与优化来进行。对纤维生产模拟技术而言, 其核心是对成形机理、设备状况以及工程状况的准确描述与计算。在纤维成形机理方面, 从20世纪60年代开始,Ziabicki, Gagon & Derm、Geoge等人对纺丝加工过程做了大量的 基础理论研究工作,确立了纺丝的基本过程和基本模型。如Kase & Matsuo定量分析了熔 纺过程,得出了一些重要的参量表达式,如传热系数h、比热Cp、拉伸粘度ne等。Hamana、 Yasuda, Shimizu和Kikutani等人拓展了上述研究,将纺丝数学模型应用到中空纤维和高 速纺丝过程中,并研究了其中存在的应力一致性关系。还有文献采用有限元方法研究了中 空纤维的纺丝过程,得到了纺丝过程中空度的变化规律,并研究了工艺条件对中空度的影 响。Kikutani等则研究了扁平、中空及皮芯复合纺丝的数学模型,运用熔融纺丝理论对其纺 丝过程进行了初步模拟。然而上述内容仅是对纺丝过程进行的理论研究,没有将研究成果 与实际工程推广相结合。从数值与建模的角度看,当把纺丝生产线上的各工艺环节作为一个系统考虑时, 纺丝过程的工艺优化就可以看作求解一个函数的最优解,可以采用数值计算或智能算法 进行求解。传统上,对一个需要进行优化计算的实际问题,可将其进行抽象后得到一个求 约束下最优解的数学问题,可采用数值优化或遗传算法(GA)等方法进行求解。在许多设 计问题中,GA的适应度函数是根据目标问题的模型,并参考用户的意见而确定的。由于目 标问题模型未必都能显式得到,因此人们又提出了交互式遗传算法(InteractiveGenetic Algorithm, IGA),并已成功地应用于优化领域。IGA相对于GA的差别是适应度评价函数不 同,能够根据用户对模型效果的不断反馈动态地调整适应度函数。在某些情况下,用户的主 观评价甚至成为确定适应度函数的唯一依据。但IGA的局限性限制了其应用与推广,其不 足之处一是收敛速度过慢,二是需要专家的过多参与。当前针对纤维纺丝成形的工艺设计,一方面局限于生产线局部的工艺、设备改进 和依经验进行的生产参数微调,若期望明确地得到某个性能指标的较优值,相应的工艺参 数设计是一个难题。另一方面,对于纺丝工艺设计应用效果的评价,通常依赖于生产组织者 和设备操作者的主观意见。正是由于这些因素所带来的模糊性和随机性,使得对特定的纤 维进行优化的生产工艺设计,同时确定优化的生产指标和工艺参数成为非常困难的任务。 但是,经验丰富的工艺设计师或工程师,可以针对特定纤维的生产过程提供优良的设计方 案,并能达到预期的性能指标。因此,如何综合利用工艺专家的经验知识,结合数值优化和 智能优化的可行方法,在生产实践以及相应生产运行数据支持的基础上进行特定纤维纺丝工艺设计及优化,实现差别化纤维的设计,是一个具有挑战性的课题。
技术实现思路
本专利技术的目的是提供一种智能化、集成化、具有交互性的方法,来解决差别化纤维 纺丝生产工艺的优化设计问题。为了达到上述目的,本专利技术的技术方案是提供了一种基于数据驱动的差别化纤维 纺丝工艺交互式设计方法,该方法是在对生产线运行过程和产品质量的学习和总结的基础 上,在利用数据驱动的思想而建立的工艺优化模型的基础上实现的,其具体过程为步骤1、初始化对生产过程的约束条件进行分析,得到生产工艺设计方案所处的 问题域,该问题域是一个多维空间,多维空间的维数与约束条件的规模相关,在该问题域中 通过随机的方式或工艺设计师的初步设计方案生成至少5个的备选工艺设计方案,每个备 选工艺设计方案相当于多维空间中的一个向量,即一个抗体,所有抗体的集合形成抗体种 群A,而所期望的纤维性能指标作为抗原;步骤2、通过免疫进化算子对抗体种群A进化以实现对抗原最大可能的匹配,并在 此过程中通过方案评价模块由工艺设计专家对于每一个设计方案给出性能优劣的评价值, 或在给出评价值的同时针对方案中的不足之处提出改进建议;步骤3、根据步骤2中工艺设计专家对备选方案的评价意见,结合专家系统中存储 的优秀历史方案与当前备选方案的近似程度,判断进化是否结束,若是则退出,否则重新进 行步骤2。本专利技术所针对的是纺丝工艺优化设计。该纺丝工艺优化设计是指基于特定的纤维 生产线(过程),根据需要优化的纤维主要质量指标,经过本专利技术所提出的智能工艺优化方 法的调整,得到达到上述质量指标所需要的生产过程诸环节的最优生产参数。其中,纤维生 产的主要质量指标指能够体现所生产纤维某一个或多个方面性能的一项或一项以上的性 能指标。 本专利技术利用所要优化的纤维主要质量指标及生产线上对其具有影响的诸因素的 监测数据,基于数据驱动的思想,引入交互式免疫协同进化机制,掌握上述主要质量指标 和影响因素之间的隐含关系,形成交互式免疫协同进化模型框架。所述的数据驱动方法, 指对纤维生产线的实时运行数据(包括但不限于生产环境条件、生产设备机械及电气参 数、产品性能指标等)进行收集、整理和学习,得到能够反映产品性能指标与相应的生产条 件之间关系的智能模型,并以之为依据,根据要求的性能指标,指导生产线诸参数的合理 配置。同时,不断更新的生产线实时运行数据还可以对上述智能模型进行持续修正与改 进,以达到模型在运行过程中不断逼近实际生产系统,精度逐步提高的效果。本专利技术为了 充分发挥IGA的优点,同时避免其不足,在IGA的基础上融入了人工免疫机制和协同进化 机制,能够有效地克服IGA的缺点,形成了一种基于数据驱动和交互式免疫协同进化算法 (Interactive Immune Cooperative Evolutionary Algorithm,IICEA)的差另ll化纤维结丝 工艺智能优化设计方法。同时,建立针对差别化纤维纺丝过程的专家系统,将上述IICEA模 型嵌入专家系统中,形成基于IICEA的专家系统,利用IICEA的学习能力和专家系统的知识 储备和推理能力,为达到上述主要质量指标的设定值,对生产过程中的影响因素进行统一 调节和配置。同时,将上述专家系统与纤维生产线进行实时连接,利用生产线的实时运行数据, 动态调整所述交互式免疫协同进化模型,并动态更新专家系统的知识储备,以更好地对生 产过程进行优化。由于采用了上述的技术方案,本专利技术的方法与现有技术相比,具有以下的优点和 积极效果1、基于真实的差别化纤维生产线运行数据进行学习和总结,将主要质量指标作为 优化基准,相应的生产各环节参数作为优化目标,基于数据驱动的思想,利用所述具有进化 特征的交互式免疫协同算子,建立纺丝工艺的交互式智能优化模型,为生产参数的设定提 供依据。2、采用纺丝工艺专家系统对结果集进行分析和评价,并用于指导生产;所述专家 系统的知识库、规则集可以不断地添加和改进,使系统具有自学习的功能。附图说明图1为本专利技术的流程图;图2为抗体种群规模变化图。具体实施例方式以下结合实施本文档来自技高网...
【技术保护点】
一种基于数据驱动的差别化纤维纺丝工艺交互式设计方法,其特征在于,步骤为:步骤1、初始化:对生产过程的约束条件进行分析,得到生产工艺设计方案所处的问题域,该问题域是一个多维空间,多维空间的维数与约束条件的规模相关,在该问题域中通过随机的方式或工艺设计师的初步设计方案生成至少5个的备选工艺设计方案,每个备选工艺设计方案相当于多维空间中的一个向量,即一个抗体,所有抗体的集合形成初始抗体种群A,而所期望的纤维性能指标作为抗原;步骤2、通过免疫进化算子对抗体种群进化以实现对抗原最大可能的匹配,并在此过程中通过方案评价模块由工艺设计专家对于每一个设计方案给出性能优劣的评价值,或在给出评价值的同时针对方案中的不足之处提出改进建议;步骤3、根据步骤2中工艺设计专家对备选方案的评价意见,结合专家系统中存储的优秀历史方案与当前备选方案的近似程度,判断进化是否结束,若是则退出,此时的抗体种群中保存了由本专利所述方法得到的优化后的工艺设计方案(由之前选取的需要进行优化的工艺参数构成);否则从步骤2开始重新进行本专利所述方法的迭代操作。
【技术特征摘要】
【专利技术属性】
技术研发人员:丁永生,王华平,梁霄,李莺莺,郝矿荣,任立红,
申请(专利权)人:东华大学,
类型:发明
国别省市:31[中国|上海]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。