【技术实现步骤摘要】
本专利技术涉及数据处理。具体涉及一种基于粒子群算法的施胶工艺参数优化方法。
技术介绍
1、在鞋类制造业中，施胶工艺作为关键的生产环节之一，其质量直接影响着最终产品的性能，传统的施胶工艺往往依赖于人工经验和反复试错，这导致了一系列问题，包括生产效率低下、材料浪费严重以及产品质量不稳定等。因此，实现施胶工艺参数的智能优化变得尤为迫切，具体来说，施胶工艺参数包括但不限于单位面积上的施胶量、涂布速度、干燥时间、材料含水量、材料温度、环境风速等。
2、近年来，随着智能制造技术的发展，粒子群算法因其易于实现、高效的全局搜索能力和较强的鲁棒性，成为工业生产中优化各种工艺参数的有效方法，粒子群算法通过模拟自然界中的群体行为，建立了数学模型能够找到最优的工艺参数组合，能够灵活应对不同的生产环境和条件。如现有公开号为cn117688744a的中国专利申请文件，提供了一种注塑设备工艺参数优化方法、装置、设备、存储介质，包括：使用注塑设备历史参数数据训练生产耗时模型、生产能耗模型、尺寸误差模型；根据历史工艺参数组合，生成组工艺参数组合并输入尺寸误差模型，若每组工艺参数组合对应的产品尺寸误差值均符合误差要求，则将其输入生产耗时模型，筛选出耗时优化工艺参数组合，或将其输入生产能耗模型，筛选出能耗优化工艺参数组合；使用粒子群优化算法对筛选出的工艺参数组合进行优化。该专利申请文件可应用于工业互联网生产，由预训练模型筛选出耗时优化或能耗优化工艺参数组合，通过粒子群算法优化所得的工艺参数组合从而使生产耗时或能耗低于人工设置的工艺参数组合。
4、上述粒子群算法的粒子速度更新是通过预设固定的学习因子并结合随机数的方式来更新每个粒子的位置，随机数的设置可以使每次粒子的位置更新充满随机性，这样粒子能够更容易脱离其历史最优位置，向全局最优位置移动。然而，这种随机的位置更新往往需要足够大的数据样本。在施胶工艺参数优化的过程中，对每次粒子的位置更新的效果进行验证需要较长的周期，因为每次粒子的位置更新都会得到一个由各项工艺参数构成的数据组合，这个数据组合包含的各项工艺参数需要在实际生产环境中测试，以验证这些参数是否对施胶工艺进行了优化，因此，这种设置的固定学习的因子加上随机值的方式使得学习因子难以适应粒子迭代过程中出现的各种情况的变化，从而增加了搜索最优参数的时间成本，导致搜索效率低下这种更新每个粒子的位置的方式往往需要消耗较大的工作量，导致搜索粒子最优位置的效率较低，影响工艺效果。
5、因此，亟待一种更为灵活和自适应的方法来优化施胶工艺参数，以提高最优的工艺参数的搜索效率和优化效果。
技术实现思路
1、为解决在通过粒子群算法进行施胶工艺参数优化时，粒子群算法通过固定的学习因子和随机数结合的方式来控制粒子的速度更新，增加了搜索最优参数的时间成本，影响最优参数的搜索效率和优化效果的问题，本专利技术提出一种基于粒子群算法的施胶工艺参数优化方法，包括：
2、利用粒子群算法处理施胶过程中采集的各项工艺参数的数据，所述粒子群算法基于各项工艺参数的数据生成多个粒子，并通过迭代多次更新粒子的位置，且在每次更新后，执行如下操作：
3、根据粒子更新前后的施胶强度的差异确定施胶强度的变化量，根据当前的全局最优位置和粒子的历史最优位置相对于粒子更新后的位置的夹角，确定粒子更新后的位置与全局最优位置的方向一致性，以所述施胶强度的变化量和所述方向一致性之积作为粒子的更新优选程度；
4、根据粒子在更新前后的位置与全局最优位置之间的距离确定粒子的位置优选程度；所述位置优选程度用于反映粒子更新后的位置与全局最优位置的接近程度；
5、结合粒子的更新优选程度和粒子的位置优选程度确定粒子的速度调整因子，利用所述速度调整因子自适应调整粒子下一次更新的速度，以更新粒子的位置，实现对施胶工艺参数的优化。
6、此技术方案通过粒子群算法处理施胶过程的各项工艺参数数据，可以将复杂的多维参数优化问题转化为粒子群寻优问题，基于这些数据生成粒子，每个粒子代表一组工艺参数的组合，通过迭代更新，逐步搜索最优的工艺参数组合，在每次更新后，通过粒子的历史最优位置和全局最优位置相对于粒子更新后的位置的夹角反映粒子更新后的位置和全局最优位置的方向一致性，方向一致性反映了粒子更新后的位置的方向是否更接近全局最优位置的方向，根据方向一致性和粒子更新前后的施胶强度的变化来评估粒子的更新优选程度，能够反映粒子在每次更新后的优化效果，进一步地，通过粒子在更新前后的位置与全局最优位置之间的距离评估粒子的位置优选程度，用以反映粒子更新后的位置与全局最优位置的接近程度，可以更好地指导粒子的位置向全局最优位置靠拢，综合考虑更新优选程度和位置优选程度来确定粒子速度的调整因子，调整因子用于动态调整粒子的速度，可以避免过早收敛或盲目探索，可以针对性地更准确地调整粒子的速度，动态更新粒子的位置，提高了搜索最优的工艺参数的效率和优化效果。
7、优选的，粒子的位置优选程度的计算公式为：
8、
9、公式中，为第次更新后第个粒子的位置优选程度，和分别为第个粒子在第次更新前后的位置与全局最优位置的距离，是自然指数函数，为粒子的总数。
10、此技术方案通过比较粒子距离全局最优位置的平均距离与个体距离，量化了粒子位置的优选程度，距离全局最优位置越近的粒子优选程度越高，从而有效地引导粒子的位置向全局最优位置靠近。
11、优选的，所述施胶强度的变化量，为第次更新后第个粒子的施胶强度的变化量，和分别为第个粒子在第次更新前后的施胶强度，为所有粒子在第次更新前后的施胶强度的差值的绝对值的均值。
12、优选的，所述方向一致性，是第个粒子在第次更新后的位置与全局最优位置的方向一致性，是第个粒子在第次更新后的历史最优位置和全局最优位置相对于第个粒子在第次更新后的位置的夹角，为余弦函数。
13、优选的，结合粒子的更新优选程度和粒子的位置优选程度确定粒子的速度调整因子的方法为：以粒子的更新优选程度和位置优选程度之积的倒数作为粒子的速度调整因子。
14、优选的，利用所述速度调整因子自适应调整粒子下一次更新的速度包括：
15、利用粒子的速度调整因子调整粒子速度更新公式，得到粒子在下一次更新后的速度，调本文档来自技高网...
【技术保护点】
1.一种基于粒子群算法的施胶工艺参数优化方法，其特征在于，包括：
2.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，粒子的位置优选程度的计算公式为：
3.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，所述施胶强度的变化量，为第次更新后第个粒子的施胶强度的变化量，和分别为第个粒子在第次更新前后的施胶强度，为所有粒子在第次更新前后的施胶强度的差值的绝对值的均值。
4.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，所述方向一致性，是第个粒子在第次更新后的位置与全局最优位置的方向一致性，是第个粒子在第次更新后的历史最优位置和全局最优位置相对于第个粒子在第次更新后的位置的夹角，为余弦函数。
5.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，结合粒子的更新优选程度和粒子的位置优选程度确定粒子的速度调整因子的方法为：以粒子的更新优选程度和位置优选程度之积的倒数作为粒子的速度调整因子。
6.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化
7.根据权利要求3所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，粒子在更新前后的施胶强度是粒子更新前后的位置各自对应的各项工艺参数的数值在实际测试中得到的施胶强度。
8.根据权利要求3所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，所述夹角的确定方法为：获取每个粒子更新后的位置到该粒子的历史最优位置的向量，以及该粒子更新后的位置到全局最优位置的向量，将这两个向量之间的夹角作为全局最优位置和该粒子的历史最优位置相对于该粒子更新后的位置的夹角。
9.根据权利要求6所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，利用所述调整因子自适应调整粒子下一次更新的速度的方法还包括：粒子在第一次更新时，采用的粒子速度更新公式为：
...【技术特征摘要】
1.一种基于粒子群算法的施胶工艺参数优化方法，其特征在于，包括：
2.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，粒子的位置优选程度的计算公式为：
3.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，所述施胶强度的变化量，为第次更新后第个粒子的施胶强度的变化量，和分别为第个粒子在第次更新前后的施胶强度，为所有粒子在第次更新前后的施胶强度的差值的绝对值的均值。
4.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，所述方向一致性，是第个粒子在第次更新后的位置与全局最优位置的方向一致性，是第个粒子在第次更新后的历史最优位置和全局最优位置相对于第个粒子在第次更新后的位置的夹角，为余弦函数。
5.根据权利要求1所述的基于粒子群算法的施胶工艺参数优化方法，其特征在于，结合粒子的更新优选程度和粒子的位置优选程度确定粒子的速度调整因子的方法为：以粒子的更新优选程度...
【专利技术属性】
技术研发人员：段鹏杰，杨轩，何星涵，高倩，张勇超，
申请(专利权)人：际华三五一三实业有限公司，
类型：发明
国别省市：
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。