[發明專利]基于局部可塑性回聲狀態網絡的聚酯紡絲工藝控制方法

有效

• 申請號: 201810113836.0
• 申請日: 2018-02-05
• 公開（公告）號: CN108388213B
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 金耀初;王新杰;郝礦榮
• 申請（專利權）人: 浙江天悟智能技術有限公司;東華大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 上海統攝知識產權代理事務所(普通合伙) 31303
• 代理人: 金利琴

本發明涉及一種基于局部可塑性回聲狀態網絡的聚酯紡絲工藝控制方法，采集工藝生產過程中t+1時刻的聚酯紡絲工藝參數數據作為網絡的輸入u(t+1)，通過局部可塑性回聲狀態網絡輸入層實現t+1時刻聚酯紡絲工藝參數數據u(t+1)的輸入，并經過局部可塑性回聲狀態網絡的儲備池狀態方程和輸出層狀態方程計算出下一時刻的預測值，并按該預測值調整聚酯紡絲工藝參數，其中，局部可塑性回聲狀態網絡是指儲備池內部不同的神經元通過不同的可塑性規則進行局部優化的可塑性回聲狀態網絡。本發明方法能夠進一步提升生產工藝參數的預測精度，進而使預測結果能夠更好地指導聚酯纖維紡絲工藝過程，最終提高原絲的產出性能及品質。

技術領域

本發明屬人工智能紡絲領域，涉及一種基于局部可塑性回聲狀態網絡的聚酯紡絲工藝控制方法。

背景技術

聚酯纖維(Polyester Fibre，俗稱滌綸)因其具有延展性好和抗皺性能佳等優點已經成為了合成纖維領域最具代表性的品種，并被廣泛應用在服裝和基建等領域。我國作為聚酯纖維的第一大生產國，年產聚酯纖維約3千萬噸以上，占到了全球聚酯纖維總產量的70％以上，且市場需求仍在逐年持續增長。

熔融紡絲法是目前聚酯纖維生產的常用方法，由于聚酯纖維的生產制備過程工藝復雜且環節眾多，因而對其生產過程中紡絲工藝參數的預測相對較難。聚酯纖維生產過程主要包括聚合、紡絲和后加工三部分，其中原絲的質量是制約聚酯纖維性能提高的直接因素，聚酯纖維原絲質量易受紡絲溫度和紡絲速度等生產工藝參數的影響。此外，在聚酯熔體冷卻形成原絲的過程中，聚酯纖維原絲質量還易受吹風區的溫度和速度影響。因此，對這些工藝參數的預測精度要求很高。目前，能夠實現的聚酯纖維的原絲性能與理論上能夠達到的性能有很大的差距，因此，對聚酯纖維的生產工藝及其控制系統的研究還有著艱巨的任務。

近年來，神經網絡是處理預測問題的常用方法。鑒于紡絲工藝過程的時序性，相較于傳統的前饋神經網絡，遞歸神經網絡(Recurrent Neural Networks,RNN)在處理時序問題上具有更豐富的動力學記憶特性，然而，傳統的RNN算法在實際應用中存在著網絡結構設計過于復雜、計算量大、容易陷入局部最優和收斂速度慢等問題。回聲狀態網絡(EchoState Networks,ESN)算法和流體狀態機(Liquid State Machines,LSMs)算法在一定程度上彌補了傳統RNN算法在應用中的不足。雖然它們提出的角度不同，但其本質都是對傳統的RNN算法的改進，統稱為儲備池計算(Reservoir Computing,RC)。由于LSM的計算能力并沒有在解決復雜問題中得到展現，因此，對于RC的研究工作大都是基于ESN展開的，然而ESN的提出雖然簡化了網絡的訓練過程并克服記憶漸消等問題。然而儲備池的不可擴展性直接影響了網絡的性能，因而，儲備池的優化問題有著一定的研究意義。

神經科學的研究表明，大腦皮層中的信息處理過程主要通過大量的神經元及與之連接的突觸組成的神經網絡完成。目前，神經科學領域的學習和記憶大都是通過儲存記憶的突觸強度的調整來實現的，突觸強度的變化由生物神經系統的突觸可塑性機制進行控制，其中，可塑性是大腦皮質回路多功能性和魯棒性的重要基礎，它使大腦能夠學習感觀輸入的規律性，記得過去，并在損傷后恢復功能。