CN102981409B - 一种同轴电缆护套机优化运行方法 - Google Patents

Abstract

本发明涉及一种同轴电缆护套机优化运行方法。目前同轴电缆护套机运行主要是靠工作人员经验运行。本发明方法首先采集同轴电缆护套机生产运行参数及相关的表征同轴电缆护套生产品质指标，建立数据库；然后针对给定的同轴电缆护套机和相应的护套生产材料，选择数据作为建模数据；采用支持向量机方法针对建模数据建模，将不同的护套品质融合为一个综合品质指标，并作为模型输出，建立生同轴电缆护套生产的综合品质指标与各生产运行参数间的模型，再利用蚁群优化算法结合所建模型，针对模型对应的同轴电缆护套产品的品质，进行护套机生产运行参数配置的优化。本发明方法可有效提高护套机生产的效率和产品品质，可实施离线优化也可进行在线实时优化。

Description

一种同轴电缆护套机优化运行方法

技术领域

本发明属于信息与控制技术领域，涉及一种同轴电缆护套机优化运行方法。

背景技术

同轴电缆护套机优化运行方法是保证同轴电缆护套品质的重要技术手段，其目标是在一定的生产材料(护套材料)条件下，通过调整给料速度，芯线速度，过程中的温度等生产操作参数而获得高效、高品质的运行状态。同轴电缆护套机所用护套材料、生产过程中的温度及芯线通过护套机的速度等生产操作参数的搭配，对同轴电缆护套的品质有直接的影响，不同的护套材料、生产过程中温度及芯线穿过护套机速度等生产操作参数的配置，会直接导致不同的电缆护套的老化性能指标、抗磨性能指标甚至是有无气泡(或气泡多少)等情况。对于给定的护套材料，在给定的护套机上生产，针对不同的规格要求，存在一种最优的运行方案，能够使相应护套品质指标最优化，但是，生产操作参数与品质指标间有着复杂的关系，要找到最优的生产运行方案并不容易。随着科学技术的不断进步，自动化程度也在不断提高，但是同轴电缆护套机优化运行问题还没有很好的得到解决。

实际中同轴电缆护套机运行主要是靠工作人员经验运行，而且不能实现实时在线的优化，因此实际运行中的参数配置存在较大的优化空间。

发明内容

本发明的目的是针对同轴电缆护套机优化运行的难题，提出一种具有自学习能力的优化运行方法，优化内容保证了电缆护套的品质指标。

本发明方法通过机器学习，在大量不同的生产操作参数组合中，挖掘出生产操作参数与电缆护套的品质指标间的关系模型，再结合优化算法进行电缆护套的生产运行优化是非常有潜力的方法。如何使该方法真正达到电缆护套生产实际的要求，是困扰工程技术人员的难题，主要难题包括，如何提高模型的预测和泛化能力，如何提高模型的增量学习能力，如何丰富电缆护套优化的目标，使之达到兼顾各项指标的更全面的优化的目的等。

本发明方法的具体步骤是：

步骤(1).根据护套的生产材料的物理特性(熔融和凝结特性)和生产工艺要求确定生产的温度范围                                               ；

步骤(2).采集同轴电缆护套机生产操作参数及表征同轴电缆护套生产品质指标，建立数据库；同轴电缆护套机生产操作参数通过同轴电缆护套机运行数控系统获取，或直接通过仪器测量采集,不同的护套生产材料要分开采集数据，以便有针对性的分别建模；其获得的方法为成熟技术；

所述的同轴电缆护套机生产操作参数的数据包括：同轴电缆护套的生产材料、给料速度、芯线穿过护套机速度、生产温度；所述的表征同轴电缆护套生产品质指标的数据包括：护套的抗老化指标、单位长度平均气泡数量、抗磨性能指标；

这个过程是积累数据的阶段，为后边的数据挖掘建模做准备；

步骤(3).建模数据选择，针对给定的护套机和护套生产材料，选择30～50组数据作为建模数据，数据要针对同一种生产材料包括：给料速度、芯线穿过护套机速度、生产温度及护套的抗老化指标、单位长度平均气泡数量和抗磨性能指标；

步骤(4).采用支持向量机方法针对建模数据建模，建立护套的品质指标与生产操作参数间的模型；具体建模方法如下：

首先将表征同轴电缆护套生产品质指标根据生产质量的要求和侧重，融合为一个综合的护套生产品质性能指标：；其中，为抗老化指标比重系数、为单位长度平均气泡数量比重系数、为抗磨性指标比重系数，，，；各指标系数的确定依据实际生产用的护套材料及设备状况和对产品质量需求的侧重确定或调整；

用于建模样本的输入参数及表征护套生产品质性能的综合指标的输出参数表示为，其中表示第组作为输入数据的护套生产操作参数向量，表示第组作为输出参数的表征护套生产品质的综合指标的参数，为样本数量，以实际运行数据为基础建立生产操作参数与护套的生产品质指标间的模型；

采用支持向量机算法建模，支持向量机核函数选为径向基函数：

为径向基函数的宽度，该表示形式为标准形式；为映射函数，设所求的目标函数为：，为模型输出的燃烧状态的特征指标预测值，为权重系数向量，为截距；引入松弛因子ξ^* _i和ξ_i以及允许拟合误差ε，ξ^* _i≥0、ξ_i≥0，模型通过在约束：

，条件下，最小化：

其中常数为惩罚系数，；为样本中利用所建模预测超出允许拟合误差ε的样本的数量，；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：

其中、、、为拉格朗日乘数，≥0、≥0、≥0、≥0；

在鞍点处，函数L是关于w、d、ξ_i、ξ_i ^*的极小点，也是、、、的极大点，最小化问题转化为求其对偶问题的最大化问题；

拉格朗日函数L在鞍点处是关于极小点，得：

可得拉格朗日函数的对偶函数：

此时，

按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：

由上式可见，α _i ·α _i ^* =0,α _i 和α _i ^* 都不会同时为非零，可得：

  

从上式求出d，获得模型；

步骤(5).利用蚁群优化算法结合所建模型，针对模型对应的护套机、护套生产材料，进行护套生产的操作参数配置的优化，具体步骤如下：

a.定蚁群算法初始群向量的各维分量，分别为护套机生产操作参数，包括：给料速度，芯线穿过护套机速度，生产温度；

b.设定蚁群算法的搜索目标和迭代次数，搜索目标为综合的护套生产品质指标最优，综合的护套生产品质指标由上文所建的相应模型预测获得；

c.根据实际护套机的设备情况和生产运行要求设定各参数的寻优范围，其中，生产温度的范围为步骤1确定的范围，初始化初始群体向量，然后根据上一步设定的搜索目标，用蚁群算法进行迭代计算，搜索蚁群在参数向量空间内的最优位置；

d.当蚁群算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的位置向量，即获得最优的护套机生产操作参数组合，根据所获得的最优生产操作参数组合对护套机实际生产进行调整，达到生产优化的目的。

本发明方法具体是采集护套机生产的实时数据并利用支持向量机算法，针对护套机生产的护套品质综合指标性进行建模，结合寻优算法对生护套机的运行进行优化，以达到提高生产效率和产品品质的目标。本发明方法既可以在线优化也可以离线优化。

本发明方法通过同轴电缆的护套机生产的数据采集，针对同轴电缆的综合品质指标，建立基于支持向量机算法的模型，应用并行的优化算法寻优等手段，确立了一种同轴电缆护套生产的优化的方法，利用该方法可有效提高同轴电缆护套的生产效率和产品品质，既可以实施离线优化也可以进行在线实时优化。

具体实施方式

一种同轴电缆护套机优化运行方法，具体是以下步骤：

步骤(1).根据护套的生产材料的物理特性(熔融和凝结特性)和生产工艺要求确定生产的温度范围；

步骤(2).采集同轴电缆护套机生产操作参数及表征同轴电缆护套生产品质指标，建立数据库；同轴电缆护套机生产操作参数通过同轴电缆护套机运行数控系统获取，或直接通过仪器测量采集,不同的护套生产材料要分开采集数据，以便有针对性的分别建模；其获得的方法为成熟技术；

所述的同轴电缆护套机生产操作参数的数据包括：同轴电缆护套的生产材料、给料速度、芯线穿过护套机速度、生产温度；所述的表征同轴电缆护套生产品质指标的数据包括：护套的抗老化指标、单位长度平均气泡数量、抗磨性能指标；

这个过程是积累数据的阶段，为后边的数据挖掘建模做准备；

步骤(3).建模数据选择，针对给定的护套机和护套生产材料，选择30～50组数据作为建模数据，数据要针对同一种生产材料包括：给料速度、芯线穿过护套机速度、生产温度及护套的抗老化指标、单位长度平均气泡数量和抗磨性能指标；

步骤(4).采用支持向量机方法针对建模数据建模，建立护套的品质指标与生产操作参数间的模型；具体建模方法如下：

首先将表征同轴电缆护套生产品质指标根据生产质量的要求和侧重，融合为一个综合的护套生产品质性能指标：；其中，为抗老化指标比重系数、为单位长度平均气泡数量比重系数、为抗磨性指标比重系数，，，；各指标系数的确定依据实际生产用的护套材料及设备状况和对产品质量需求的侧重确定或调整；

用于建模样本的输入参数及表征护套生产品质性能的综合指标的输出参数表示为，其中表示第组作为输入数据的护套生产操作参数向量，表示第组作为输出参数的表征护套生产品质的综合指标的参数，为样本数量，以实际运行数据为基础建立生产操作参数与护套的生产品质指标间的模型；

采用支持向量机算法建模，支持向量机核函数选为径向基函数：

为径向基函数的宽度，该表示形式为标准形式；为映射函数，设所求的目标函数为：，为模型输出的燃烧状态的特征指标预测值，为权重系数向量，为截距；引入松弛因子ξ^* _i和ξ_i以及允许拟合误差ε，ξ^* _i≥0、ξ_i≥0，模型通过在约束：

，条件下，最小化：

其中常数为惩罚系数，；为样本中利用所建模预测超出允许拟合误差ε的样本的数量，；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：

其中、、、为拉格朗日乘数，≥0、≥0、≥0、≥0；

在鞍点处，函数L是关于w、d、ξ_i、ξ_i ^*的极小点，也是、、、的极大点，最小化问题转化为求其对偶问题的最大化问题；

拉格朗日函数L在鞍点处是关于极小点，得：

可得拉格朗日函数的对偶函数：

此时，

按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：

由上式可见，α _i ·α _i ^* =0,α _i 和α _i ^* 都不会同时为非零，可得：

  

从上式求出d，获得模型；

步骤(5).利用蚁群优化算法结合所建模型，针对模型对应的护套机、护套生产材料，进行护套生产的操作参数配置的优化，具体步骤如下：

a.定蚁群算法初始群向量的各维分量，分别为护套机生产操作参数，包括：给料速度，芯线穿过护套机速度，生产温度；

b.设定蚁群算法的搜索目标和迭代次数，搜索目标为综合的护套生产品质指标最优，综合的护套生产品质指标由上文所建的相应模型预测获得；

c.根据实际护套机的设备情况和生产运行要求设定各参数的寻优范围，其中，生产温度的范围为步骤1确定的范围，初始化初始群体向量，然后根据上一步设定的搜索目标，用蚁群算法进行迭代计算，搜索蚁群在参数向量空间内的最优位置；

d.当蚁群算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的位置向量，即获得最优的护套机生产操作参数组合，根据所获得的最优生产操作参数组合对护套机实际生产进行调整，达到生产优化的目的。

Claims (1)

1.一种同轴电缆护套机优化运行方法，其特征在于，该方法的具体步骤是：

步骤(1).根据护套的生产材料的熔融和凝结特性以及生产工艺要求确定生产的温度范围[T₁,T₂]；

步骤(2).采集同轴电缆护套机生产操作参数及表征同轴电缆护套生产品质指标，建立数据库；同轴电缆护套机生产操作参数通过同轴电缆护套机运行数控系统获取，或直接通过仪器测量采集,不同的护套生产材料要分开采集数据；

所述的同轴电缆护套机生产操作参数的数据包括：同轴电缆护套的生产材料、给料速度(α)、芯线穿过护套机速度(V)、生产温度(t)；所述的表征同轴电缆护套生产品质指标的数据包括：护套的抗老化指标(β)、单位长度平均气泡数量(n)、抗磨性能指标(γ)；

步骤(3).建模数据选择，针对给定的护套机和护套生产材料，选择30～50组数据作为建模数据，数据要针对同一种生产材料包括：给料速度、芯线穿过护套机速度、生产温度及护套的抗老化指标、单位长度平均气泡数量和抗磨性能指标；

步骤(4).采用支持向量机方法针对建模数据建模，建立护套的品质指标与生产操作参数间的模型；具体建模方法如下：

首先将表征同轴电缆护套生产品质指标根据生产质量的要求和侧重，融合为一个综合的护套生产品质性能指标：其中，a为抗老化指标比重系数、b为单位长度平均气泡数量比重系数、c为抗磨性指标比重系数，0≤a≤1，0≤b≤1，0≤c≤1；各指标系数的确定依据实际生产用的护套材料及设备状况和对产品质量需求的侧重确定或调整；

用于建模样本的输入参数及表征护套生产品质性能的综合指标的输出参数表示为其中x_i表示第i组作为输入数据的护套生产操作参数向量，y_i表示第i组作为输出参数的表征护套生产品质的综合指标的参数，N为样本数量，以实际运行数据为基础建立生产操作参数与护套的生产品质指标间的模型；

采用支持向量机算法建模，支持向量机核函数选为径向基函数：

$K(x_i,x_j)=\mathrm{\φ}\left(x_i\right)\·\mathrm{\φ}\left(x_j\right)=\exp \left|\frac{{\left|\right|x_i-x_j\left|\right|}^2}{{2\mathrm{\σ}}^2}\right|$

σ为径向基函数的宽度，该表示形式为标准形式；φ(x)为映射函数，设所求的目标函数为：f(x_i)＝w·φ(x_i)+d，f(x_i)为模型输出的燃烧状态的特征指标预测值，w为权重系数向量，d为截距；引入松弛因子ξ^* _i和ξ_i以及允许拟合误差ε，ξ^* _i≥0、ξ_i≥0，模型通过在约束：

$\left\{\begin{array}{c}{y}_i-w\·\mathrm{\φ}\left(x_i\right)-d\≤\mathrm{\ϵ}+{\mathrm{\ξ}}_i\\ w\·\mathrm{\φ}\left(x_i\right)+d-y_i\≤\mathrm{\ϵ}+{\mathrm{\ξ}}_i^{*}\\ {\mathrm{\ξ}}_i\≥0\\ {\mathrm{\ξ}}_i^{*}\≥0\end{array}\right.i=1,...,N,$ 条件下，最小化：

$\min R(w,\mathrm{\ξ},{\mathrm{\ξ}}^{*})=\frac{1}{2}w\·w+C\underset{i=1}{\overset{k}{\mathrm{\Σ}}}\mathrm{\ξ}+{\mathrm{\ξ}}^{*}$

其中常数C为惩罚系数，C＞0；k为样本中利用所建模预测超出允许拟合误差ε的样本的数量，0≤k≤N；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：

$\begin{array}{c}L(w,b,\mathrm{\ξ},{\mathrm{\ξ}}^{*},\mathrm{\α},{\mathrm{\α}}^{*},\mathrm{\γ},{\mathrm{\γ}}^{*})=\frac{1}{2}w\·w+C\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(\mathrm{\ξ}+{\mathrm{\ξ}}^{*})-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i[y_i-({\mathrm{\ξ}}_i+\mathrm{\ϵ}+f\left(x_i\right))]\\ -\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i^{*}[{\mathrm{\ξ}}_i^{*}+\mathrm{\ϵ}+f\left(x_i\right)-y_i]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\γ}}_i{\mathrm{\ξ}}_i+{\mathrm{\γ}}_i^{*}{\mathrm{\ξ}}_i^{*})\end{array}$

其中α_i、γ_i、为拉格朗日乘数，α_i≥0、γ_i≥0、

在鞍点处，函数L是关于w、d、ξ_i、ξ_i ^*的极小点，也是α_i、γ_i、的极大点，最小化问题转化为求其对偶问题的最大化问题；

拉格朗日函数L在鞍点处是关于极小点，得：

$\left\{\begin{array}{c}\frac{\∂}{\∂w}L=0\→w=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})\mathrm{\φ}\left(x_i\right)\\ \frac{\∂}{\∂b}L=0\→\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})=0\\ \frac{\∂}{{\∂\mathrm{\ξ}}_i}L=0\→C-{\mathrm{\α}}_i-{\mathrm{\γ}}_i=0\\ \frac{\∂}{{\∂\mathrm{\ξ}}_i^{*}}L=0\→C-{\mathrm{\α}}_i^{*}-{\mathrm{\γ}}_i^{*}=0\end{array}\right.$

可得拉格朗日函数的对偶函数：

此时，

$w=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})\mathrm{\φ}\left(x_i\right)$

$f\left(x\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})K(x,x_i)+d$

按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：

$\left\{\begin{array}{c}{\mathrm{\α}}_i[\mathrm{\ϵ}+{\mathrm{\ξ}}_i-y_i+f\left(x_i\right)]=0\\ {\mathrm{\α}}_i^{*}[\mathrm{\ϵ}+{\mathrm{\ξ}}_i+y_i-f\left(x_i\right)]=0\end{array}\right.i=1,...,N$

由上式可见，α_i和都不会同时为非零，可得：

$\left\{\begin{array}{c}{\mathrm{\ξ}}_i{\mathrm{\γ}}_i=0\\ {\mathrm{\ξ}}_i^{*}{\mathrm{\γ}}_i^{*}=0\end{array}\right.i=1,...,N$

从上式求出d，获得模型；

步骤(5).利用蚁群优化算法结合所建模型，针对模型对应的护套机、护套生产材料，进行护套生产的操作参数配置的优化，具体步骤如下：

a.设定蚁群算法初始群向量x的各维分量，分别为护套机生产操作参数，包括：给料速度(α)，芯线穿过护套机速度(V)，生产温度(t)；

b.设定蚁群算法的搜索目标和迭代次数，搜索目标为综合的护套生产品质指标最优，综合的护套生产品质指标由上文所建的相应模型预测获得；

c.根据实际护套机的设备情况和生产运行要求设定各参数的寻优范围，其中，生产温度的范围为步骤(1)确定的范围[T₁,T₂]，初始化初始群向量x，然后根据上一步设定的搜索目标，用蚁群算法进行迭代计算，搜索蚁群在参数向量空间内的最优位置；

d.当蚁群算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的位置向量，即获得最优的护套机生产操作参数组合，根据所获得的最优生产操作参数组合对护套机实际生产进行调整。