[发明专利]一种纺丝工序级联建模分段区间参数配置方法

摘要

本发明涉及一种纺丝工序级联建模分段区间参数配置方法，随机生成多组聚酯纤维纺丝工序分段参数取值区间后，预测各组对应的聚酯纤维的性能指标取值区间，再根据聚酯纤维的性能指标取值区间挑选出一组聚酯纤维纺丝工序分段参数取值区间后，按其进行配置。预测前按聚酯纤维纺丝工序将聚酯纤维生产过程分为多个主体预测段A1～Am，在主体预测段Ai与Ai+1之间增设误差预测段Bi，整个预测过程为各个预测段顺序预测的过程，主体预测段对应的算法模型为改进IRBFNN算法模型，误差预测段对应的算法模型为IPSO‑ELM算法模型。本发明的配置方法过程简单、耗时短、无需反复试验、成本低廉、可操作性强，能够解决聚酯纤维纺丝工序建立点值模型的不足，实用性强。

主权项

1.一种纺丝工序级联建模分段区间参数配置方法，其特征是：随机生成多组聚酯纤维纺丝工序分段参数取值区间后，预测各组对应的聚酯纤维的性能指标取值区间，再根据聚酯纤维的性能指标取值区间挑选出一组聚酯纤维纺丝工序分段参数取值区间后，按其进行配置；预测前按聚酯纤维纺丝工序将聚酯纤维生产过程分为多个主体预测段A₁～A_m，在主体预测段A_i与A_i+1之间增设误差预测段B_i，i＝1,2,3...m‑1，确定各预测段对应的训练好的算法模型；整个预测过程为各个预测段顺序预测的过程，各个预测段预测的过程即将其对应的输入项输入到其对应的训练好的算法模型由其输出得到输出项的过程，其中，后一预测段的输入项包含前一预测段的输出项；i＝1时，主体预测段A_i的输入项为聚酯纤维的生产过程工艺参数取值区间；i>1时，主体预测段A_i的输入项为加和取值区间以及聚酯纤维的生产过程工艺参数取值区间；主体预测段A_m的输出项为聚酯纤维的性能指标取值区间，主体预测段A₁～A_m‑1的输出项为聚酯纤维的材料结构取值区间；误差预测段B_i的输入项为聚酯纤维的生产过程工艺参数取值区间和主体预测段A_i的输出项，误差预测段B_i的输出项为聚酯纤维的材料结构误差取值区间，加和取值区间的下界值和上界值分别为主体预测段A_i‑1的输出项与误差预测段B_i‑1的输出项下界值的加和和上界值的加和；主体预测段对应的算法模型为改进IRBFNN算法模型，误差预测段对应的算法模型为IPSO‑ELM算法模型；各预测段对应的算法模型的训练过程即以各预测段的输入项和输出项对应的历史取值区间作为算法模型的输入项和输出项，不断调整算法模型的参数，直至达到终止条件的过程；历史取值区间即在历史生产过程中采集的取值区间，其中，加和取值区间对应的历史取值区间为主体预测段A_i‑1的输出项对应的历史取值区间，误差预测段B_i的输出项对应的历史取值区间为相减取值区间，相减取值区间的下界值和上界值分别为预测取值区间与主体预测段A_i的输出项对应的历史取值区间下界值差的绝对值和上界值差的绝对值，预测取值区间为将主体预测段A_i的输入项对应的历史取值区间输入到训练好的改进IRBFNN算法模型由其输出的取值区间；改进IRBFNN算法为改进的IRBFNN算法，改进之处在于IRBFNN算法中将梯度动量因子引入到IRBFNN的权重上下界更新中，改进IRBFNN算法的权重下界更新公式为：权重上界更新公式为：式中，和分别表示权重上界和权重下界的梯度动量项，b^U(α)和b^L(α)分别表示权重上界和权重下界的梯度动量因子，分别表示t时下界的权重、α时上界的权重、α‑1时下界的权重、α‑1时上界的权重、α‑2时下界的权重、α‑2时上界的权重，和分别表示权重下界和权重上界的修正式，和分别为输出层第k个节点的第p个样本对应的权重下界期望输出和权重上界期望输出，和分别为输出层第k个节点的第p个样本对应的权重下界网络输出和权重上界网络输出，g_j(X)是隐含层第j节点输出，λ为正常数，用于调整梯度动量因子的大小，使得梯度动量因子在区间[0,1]内取值，η为正常数，用于更新权重，取值区间为(0,1)。