基于自適應(yīng)粒子群算法的塑料片材機(jī)能耗優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種塑料片材機(jī)的能耗優(yōu)化方法，具體是一種基于自適應(yīng)粒子群算法 的塑料片材機(jī)能耗優(yōu)化方法。
【背景技術(shù)】
[0002] 塑料片材機(jī)是一種生產(chǎn)新型熱固性模壓塑料的一種生產(chǎn)設(shè)備，塑料粒子經(jīng)過(guò)片材 機(jī)上的螺桿機(jī)筒加熱進(jìn)行塑化。目前，塑料片材機(jī)的運(yùn)行主要是靠工作人員的經(jīng)驗(yàn)，存在 片材機(jī)產(chǎn)生的熱量不易控制，電能的消耗高，產(chǎn)量低，能效比低，設(shè)備使用效果差等缺點(diǎn)。
[0003] 塑料片材機(jī)的優(yōu)化運(yùn)行是控制能耗和滿足產(chǎn)品工藝要求的重要技術(shù)手段，其目標(biāo) 是在一定生產(chǎn)條件和不同的目標(biāo)情況下，通過(guò)調(diào)整運(yùn)行參數(shù)而獲得塑料片材機(jī)的最優(yōu)的加 熱狀態(tài)，使塑料片材機(jī)的能耗和加熱速度能夠滿足既定的目標(biāo)產(chǎn)量，實(shí)現(xiàn)優(yōu)化運(yùn)行的目的。 塑料片材機(jī)的螺桿電機(jī)頻率和電流大小等運(yùn)行參數(shù)對(duì)能耗有直接的影響。對(duì)于一定的生產(chǎn) 條件和產(chǎn)品需求，存在一種最優(yōu)的螺桿電機(jī)頻率和電流大小等參數(shù)配置方案，能夠使相應(yīng) 加熱速度滿足生產(chǎn)需求，同時(shí)使能耗相對(duì)較低。但是，這個(gè)過(guò)程中還涉及到塑料粒子材料的 特性，及塑料粒子進(jìn)料量及擠出產(chǎn)品量間的關(guān)系，因此整個(gè)優(yōu)化過(guò)程存在著復(fù)雜的耦合關(guān) 系，要找到最優(yōu)的參數(shù)配置并不容易。
[0004] 實(shí)際生產(chǎn)中塑料片材機(jī)的運(yùn)行主要是靠工作人員經(jīng)驗(yàn)，其目標(biāo)也只是維持生產(chǎn)正 常進(jìn)行，并沒(méi)有優(yōu)化的概念，因此其生產(chǎn)過(guò)程中的加熱狀態(tài)還有很大的提升空間。
[0005] 通過(guò)數(shù)據(jù)挖掘，在大量不同的生產(chǎn)運(yùn)行參數(shù)及生產(chǎn)材料熱特性組合中，應(yīng)用機(jī)器 學(xué)習(xí)的方法，挖掘出運(yùn)行的螺桿電機(jī)頻率、電流大小、進(jìn)料速度、進(jìn)料溫度、出產(chǎn)品速度、出 產(chǎn)品溫度、生產(chǎn)材料熱特性與加熱速度、加熱終溫及能耗關(guān)系，構(gòu)建一個(gè)多輸出的廣義神經(jīng) 網(wǎng)絡(luò)模型，再結(jié)合粒子群優(yōu)化算法。如何使該方法真正達(dá)到塑料片材機(jī)生產(chǎn)實(shí)際的要求，是 該技術(shù)的關(guān)鍵。主要難題包括，如何提高模型的預(yù)測(cè)、泛化和自學(xué)習(xí)能力。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是針對(duì)塑料片材機(jī)能耗問(wèn)題，提出一種能耗優(yōu)化方法，優(yōu)化內(nèi)容兼 顧了各塑料片材機(jī)的運(yùn)行參數(shù)、進(jìn)料情況、出產(chǎn)品情況、加熱速度、加熱終溫和能耗等指標(biāo)。
[0007] 本發(fā)明所述的基于自適應(yīng)粒子群算法的塑料片材機(jī)能耗優(yōu)化方法包括以下步 驟：
[0008] 步驟1、采集塑料片材機(jī)生產(chǎn)過(guò)程中的運(yùn)行參數(shù)數(shù)據(jù)和運(yùn)行特征數(shù)據(jù)，建立實(shí)時(shí)數(shù) 據(jù)庫(kù)，所述運(yùn)行參數(shù)數(shù)據(jù)包括：螺桿電機(jī)頻率Y、電流大小1、進(jìn)料速度Vi、出產(chǎn)品速度％、進(jìn) 料溫度Ti、出產(chǎn)品溫度I；、生產(chǎn)材料熱特性參數(shù)T，所述運(yùn)行特征數(shù)據(jù)包括：加熱速度vk、能 耗E;
[0009] 步驟2、采用多輸出的廣義回歸神經(jīng)網(wǎng)絡(luò)建模，建立加熱速度vk、能耗E與螺桿電 機(jī)頻率Y、電流大小1、進(jìn)料速度Vi、出產(chǎn)品速度V(l、進(jìn)料溫度Tp出產(chǎn)品溫度I；、生產(chǎn)材料熱 特性參數(shù)t間的模型；具體建模方法如下：
[0010] 用于建模樣本的輸入?yún)?shù)及輸出參數(shù)表示為沐.，其中Xi表示第i組作為輸入 數(shù)據(jù)的塑料片材機(jī)運(yùn)行參數(shù)向量{y，l，Vi，T};yi表示第i組作為輸出參數(shù) 向量的塑料片材機(jī)運(yùn)行特征向量ivk，E} ;N為樣本數(shù)量，以實(shí)際運(yùn)行數(shù)據(jù)為基礎(chǔ)建立塑料片 材機(jī)運(yùn)行參數(shù)及運(yùn)行特征間的模型；
[0011] 采用多輸出的廣義回歸神經(jīng)網(wǎng)絡(luò)建模，對(duì)于n個(gè)隱節(jié)點(diǎn)的3層廣義回歸神經(jīng)
【主權(quán)項(xiàng)】
1.基于自適應(yīng)粒子群算法的塑料片材機(jī)能耗優(yōu)化方法，其特征是，包括以下步驟： 步驟1、采集塑料片材機(jī)生產(chǎn)過(guò)程中的運(yùn)行參數(shù)數(shù)據(jù)和運(yùn)行特征數(shù)據(jù)，建立實(shí)時(shí)數(shù)據(jù) 庫(kù)，所述運(yùn)行參數(shù)數(shù)據(jù)包括：螺桿電機(jī)頻率Y、電流大小1、進(jìn)料速度Vi、出產(chǎn)品速度V(l、進(jìn)料 溫度出產(chǎn)品溫度I；、生產(chǎn)材料熱特性參數(shù)t，所述運(yùn)行特征數(shù)據(jù)包括：加熱速度Vk、能耗 E； 步驟2、采用多輸出的廣義回歸神經(jīng)網(wǎng)絡(luò)建模，建立加熱速度vk、能耗E與螺桿電機(jī)頻 率Y、電流大小1、進(jìn)料速度Vi、出產(chǎn)品速度V(l、進(jìn)料溫度1\、出產(chǎn)品溫度I；、生產(chǎn)材料熱特性 參數(shù)t間的模型；具體建模方法如下： 用于建模樣本的輸入?yún)?shù)及輸出參數(shù)表示為{七，其中Xi表示第i組作為輸入數(shù) 據(jù)的塑料片材機(jī)運(yùn)行參數(shù)向量{Y，l，Vi，T};yi表示第i組作為輸出參數(shù)向 量的塑料片材機(jī)運(yùn)行特征向量lvk，E} ;N為樣本數(shù)量，以實(shí)際運(yùn)行數(shù)據(jù)為基礎(chǔ)建立塑料片材 機(jī)運(yùn)行參數(shù)及運(yùn)行特征間的模型； 采用多輸出的廣義回歸神經(jīng)網(wǎng)絡(luò)建模，對(duì)于n個(gè)隱節(jié)點(diǎn)的3層廣義回歸神經(jīng)網(wǎng)絡(luò) 采用徑向基影射函數(shù)，其輸出向量為：
，％為權(quán)重系數(shù)向量、 x為m維輸入向量、q為第i個(gè)基函數(shù)的中心向量、Pi為函數(shù)的基寬度參數(shù)向量；采 用粒子群優(yōu)化算法迭代訓(xùn)練廣義回歸神經(jīng)網(wǎng)絡(luò)，定義初始群體Z向量的各維分量，分 別為：隱節(jié)點(diǎn)個(gè)數(shù)、徑向基函數(shù)的參數(shù)向量Ci、Pi和權(quán)重系數(shù)向量《i，目標(biāo)函數(shù)為：
，其中;；和;；分別為第i個(gè)樣本輸出向量的第一個(gè)分量 fil fil 和第二個(gè)分量的多輸出廣義回歸神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值，yil和yi2分別為第i個(gè)樣本輸出向 量的第一個(gè)分量和第二個(gè)分量的實(shí)際值；當(dāng)K達(dá)到了最小、達(dá)到設(shè)定值或完成迭代次數(shù)時(shí)， 訓(xùn)練完成，獲得隱節(jié)點(diǎn)個(gè)數(shù)、徑向基函數(shù)的參數(shù)向量和權(quán)重系數(shù)向量，從而獲得多輸出廣義 回歸神經(jīng)網(wǎng)絡(luò)模型； 步驟3、利用自適應(yīng)粒子群優(yōu)化算法結(jié)合步驟2所建模型，針對(duì)不同的生產(chǎn)工藝要求進(jìn) 行各運(yùn)行參數(shù)配置的優(yōu)化，具體步驟如下： a. 定義粒子群位置向量Xi的各維分量分別為：Y，1，v^V(l，1\，I；，t;i= 1，2,. . .，NP，NP是粒子個(gè)數(shù)； b. 設(shè)定粒子群的搜索目標(biāo)和迭代次數(shù)； c. 根據(jù)實(shí)際塑料片材機(jī)的設(shè)計(jì)和運(yùn)行要求設(shè)定各可調(diào)運(yùn)行參數(shù)的尋優(yōu)范圍；初始化 位置向量七=t}，然后根據(jù)上一步設(shè)定的搜索目標(biāo)，用粒子群算法按 照公式（1)和公式（2)進(jìn)行迭代運(yùn)算，搜索粒子群在參數(shù)向量空間內(nèi)的最優(yōu)位置；同時(shí)，按 照公式（3)根據(jù)當(dāng)前群體的多樣性，自適應(yīng)的調(diào)整慣性權(quán)重wi; Vi(t+1) =WiVi(t) +0^!(Pi(t)-Xi(t)) +c2r2 (Pg (t)-Xi(t)) (1) Xi(t+1) =xi(t)+Vi(t+l) (2)
其中，\是第i個(gè)粒子的速度，t是迭代次數(shù)，P,是第i個(gè)粒子的歷史最優(yōu)位置，P8是 群體最優(yōu)位置，Ci=c2= 2,ri和;r2是（0, 1)上均勾分布的隨機(jī)數(shù)，Ranki是第i個(gè)粒子按 照能耗值E排序的名次，《_和wmin分別定義為0. 9和0. 4 ; d.當(dāng)粒子群算法完成迭代次數(shù)或找到設(shè)定要求的最優(yōu)時(shí)，停止計(jì)算獲得相應(yīng)最優(yōu)的位 置向量，即獲得最優(yōu)的各可調(diào)運(yùn)行參數(shù)組合，實(shí)現(xiàn)了塑料片材機(jī)的能耗優(yōu)化。
2.如權(quán)利要求1所述的基于自適應(yīng)粒子群算法的塑料片材機(jī)能耗優(yōu)化方法，其特征 是，步驟3中設(shè)定粒子群的搜索目標(biāo)根據(jù)實(shí)際生產(chǎn)狀況確定，為復(fù)合目標(biāo)或單一目標(biāo)，所述 復(fù)合目標(biāo)包括：在不低于給定的出產(chǎn)品速度和出產(chǎn)品溫度的約束下，實(shí)現(xiàn)最優(yōu)的經(jīng)濟(jì)折中 方案；所述單一目標(biāo)為能耗最低。
【專利摘要】本發(fā)明公開(kāi)了一種基于自適應(yīng)粒子群算法的塑料片材機(jī)能耗優(yōu)化方法，該方法通過(guò)塑料片材機(jī)主體工藝的數(shù)據(jù)采集，針對(duì)塑料片材機(jī)螺桿電機(jī)頻率、電流大小、進(jìn)料速度、進(jìn)料溫度、出產(chǎn)品速度、出產(chǎn)品溫度、生產(chǎn)材料熱特性等參數(shù)與加熱速度、加熱終溫、能耗間的互相影響關(guān)系，建立多輸入，多輸出的廣義人工神經(jīng)網(wǎng)絡(luò)模型，并應(yīng)用粒子群優(yōu)化算法訓(xùn)練模型的關(guān)系權(quán)重，確立了塑料片材機(jī)的能耗優(yōu)化方法，利用該方法可有效提高加熱效率和降低能耗。
【IPC分類】B29C47-92
【公開(kāi)號(hào)】CN104552887
【申請(qǐng)?zhí)枴緾N201510051405
【發(fā)明人】紀(jì)志成, 高春能, 田娜, 吳定會(huì), 嚴(yán)大虎
【申請(qǐng)人】江南大學(xué)
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年1月30日