[發(fā)明專利]一種漿紗上漿率智能軟測量方法

有效

• 申請?zhí)枺?/td>: 201310578845.4
• 申請日: 2013-11-16
• 公開（公告）號: CN103559417A
• 公開（公告）日: 2014-02-05
• 發(fā)明（設(shè)計）人: 張宇獻(xiàn);董曉;李勇;胡慶;李松;錢小毅
• 申請（專利權(quán)）人: 沈陽工業(yè)大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N7/02
• 代理公司: 沈陽東大專利代理有限公司 21109
• 代理人: 梁焱

1.一種漿紗上漿率智能軟測量方法，其特征在于：包括如下步驟：

步驟1：根據(jù)對上漿機(jī)理及漿紗機(jī)的組成進(jìn)行分析，確定漿紗上漿率軟測量模型的輔助變量為：漿紗機(jī)車速x₁、漿紗機(jī)低壓上漿輥壓力x₂、漿紗機(jī)高壓上漿輥壓力x₃、漿紗機(jī)漿槽中漿液濃度x₄、漿紗機(jī)漿槽中漿液溫度x₅；

步驟2：采集漿紗機(jī)歷史運(yùn)行數(shù)據(jù)并根據(jù)漿紗機(jī)歷史運(yùn)行數(shù)據(jù)建立樣本數(shù)據(jù)集X＝{x₁，x₂，x₃，x₄，x₅}，漿紗機(jī)歷史運(yùn)行數(shù)據(jù)中包括多組漿紗機(jī)車速x₁、低壓上漿輥壓力x₂、高壓上漿輥壓力x₃、漿液濃度x₄、漿液溫度x₅運(yùn)行數(shù)據(jù)；

對樣本數(shù)據(jù)集進(jìn)行預(yù)處理：將超過工藝要求閾值的數(shù)據(jù)視為無效數(shù)據(jù)，予以剔除；

步驟3：采用樣本數(shù)據(jù)集建立漿紗上漿率軟測量模型，得到輔助變量即漿紗機(jī)車速x₁、低壓上漿輥壓力x₂、高壓上漿輥壓力x₃、漿液濃度x₄、漿液溫度x₅與漿紗上漿之間的關(guān)系；

步驟4：采集當(dāng)前時刻的漿紗機(jī)運(yùn)行數(shù)據(jù)信息，通過漿紗上漿率智能軟測量模型計算當(dāng)前時刻漿紗上漿率，并計算當(dāng)前漿紗上漿率軟測量模型誤差，若當(dāng)前漿紗回潮率軟測量模型誤差大于5％，則利用實時采集的前一周的漿紗機(jī)運(yùn)行數(shù)據(jù)替換早期歷史運(yùn)行數(shù)據(jù)，建立新的樣本數(shù)據(jù)集，返回步驟3，否則輸出漿紗上漿率結(jié)果；

步驟5：將采集的實時數(shù)據(jù)，替換現(xiàn)在的歷史數(shù)據(jù)，建立新的樣本數(shù)據(jù)集，返回步驟3。

2.根據(jù)權(quán)利要求1所述的漿紗上漿率智能軟測量方法，其特征在于：步驟3所述的漿紗上漿率智能軟測量模型，是采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)建立的，包括如下步驟：

步驟3.1：采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)建立漿紗上漿率軟測量模型，確定自適應(yīng)神經(jīng)模糊推理系統(tǒng)的具體結(jié)構(gòu)：

第一層：將輸入數(shù)據(jù)進(jìn)行模糊化，公式如下：

O1,i=μAi(xj)]]>

式中，O_1，i為第一層第i個節(jié)點輸出，隸屬度函數(shù)表達(dá)式為：

μAi(xj)=exp(-(xj-ci)/2δi)]]>

式中，為模糊集隸屬度函數(shù)，A_i為隸屬度函數(shù)類型，且有i＝1，...，k，k為模糊規(guī)則數(shù)，x_j為輸入樣本數(shù)據(jù)，且有j＝1，...，m，m為輔助變量數(shù)，c_i和δ_i為隸屬度函數(shù)的參數(shù)，稱為自適應(yīng)模糊推理系統(tǒng)的前件參數(shù)；

第二層：對模糊集進(jìn)行運(yùn)算，計算每條模糊規(guī)則的激勵強(qiáng)度，公式如下：

O2,i=ωi=Πi=1kμAi(xj)]]>

式中，O_2，i為第二層第i個節(jié)點輸出，ω_i為模糊規(guī)則的激勵強(qiáng)度；

第三層：歸一化各條規(guī)則的激勵強(qiáng)度，公式如下：

式中，O_3，i為第三層第i個節(jié)點輸出，為歸一化的激勵強(qiáng)度；

第四層：計算每條規(guī)則的輸出，公式如下：

式中，O_4，i為第四層第i個節(jié)點輸出，f_i為線性函數(shù)，這里a₀，a₁，…，a_k為自適應(yīng)神經(jīng)模糊推理系統(tǒng)的后件參數(shù)；

第五層：計算第四層所有規(guī)則輸出之和，即輸出漿紗上漿率，公式如下：

式中，f為自適應(yīng)神經(jīng)模糊推理系統(tǒng)輸出；

步驟3.2：對于步驟3.1的自適應(yīng)神經(jīng)模糊推理系統(tǒng)，通過基于非歐氏距離的聚類方法對樣本數(shù)據(jù)集進(jìn)行聚類，確定隸屬度函數(shù)的中心；

步驟3.3：對于步驟3.1的自適應(yīng)神經(jīng)模糊推理系統(tǒng)，采用混合學(xué)習(xí)算法確定其第一層的前件參數(shù)和第四層的后件參數(shù)；

步驟3.4：根據(jù)步驟3.2和步驟3.3確定自適應(yīng)神經(jīng)模糊推理系統(tǒng)的參數(shù)，建立輸入量與漿紗上漿之間的非線性關(guān)系即建立漿紗上漿率軟測量模型，通過已知輸入量數(shù)據(jù)包括漿紗機(jī)車速x₁、低壓上漿輥壓力x₂、高壓上漿輥壓力x₃、漿液濃度x₄、漿液溫度x₅，計算出漿紗上漿率。