CN103020447A - 一种同轴电缆护套机优化运行的建模方法 - Google Patents

一种同轴电缆护套机优化运行的建模方法 Download PDF

Info

Publication number
CN103020447A
CN103020447A CN201210529854XA CN201210529854A CN103020447A CN 103020447 A CN103020447 A CN 103020447A CN 201210529854X A CN201210529854X A CN 201210529854XA CN 201210529854 A CN201210529854 A CN 201210529854A CN 103020447 A CN103020447 A CN 103020447A
Authority
CN
China
Prior art keywords
sheath
production
vector
modeling
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201210529854XA
Other languages
English (en)
Other versions
CN103020447B (zh
Inventor
王春林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HANGZHOU FUTONG ELECTRIC WIRE & CABLE CO., LTD.
Original Assignee
Futong Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Futong Group Co Ltd filed Critical Futong Group Co Ltd
Priority to CN201210529854.XA priority Critical patent/CN103020447B/zh
Publication of CN103020447A publication Critical patent/CN103020447A/zh
Application granted granted Critical
Publication of CN103020447B publication Critical patent/CN103020447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • General Factory Administration (AREA)

Abstract

本发明涉及一种同轴电缆护套机优化运行的建模方法。现有方法主要是靠工作人员经验。本发明方法是根据护套的生产材料进行分类，对其采用学习能力和函数逼近能力强的径向基神经网络建模方法。建模前对建模数据进行预处理，最终应用时根据实际所用材料选择相对应的模型进行优化。本发明方法通过护套生产材料分类的数据采集、建模，数据样本的选择和预处理、建立不同生产材料对应的不同类的模型，并根据实际生产种生产材料情况选则相应类的模型进行优化。本发明方法克服了现有依靠操作人员经验判断的不足，通过数据选择和预处理保证了模型的预测精度和泛化能力，利用该方法可有效提高护套机生产操作参数与品质指标间关系的准确性。

Description

一种同轴电缆护套机优化运行的建模方法
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的建模方法。
背景技术
同轴电缆护套机优化运行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。虽然科学技术不断进步，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，针对具体的护套机和生产材料情况，通过既有的经验来进行生产操作参数配置，几乎谈不到优化。因此通过此种方法得到的生产操作参数配置还存在较大的提升空间，另外，该方法不能实现实时在线的优化。如果能通过数据挖掘的优势，在大量实际运行数据中挖掘出生产操作参数与品质指标间的关系模型，并将此模型应用于护套机的运行优化，将会使护套机的生产效果大大提高。
发明内容
本发明的目的是针对同轴电缆护套机优化运行中的难题，提出一种兼顾模型预测能力与泛化能力的建模方法，采用此建模方法所建模型保证了同轴电缆护套机的生产操作参数与品质指标间关系的准确性，是进行同轴电缆护套生产优化的有利工具。
本发明方法具体是根据护套的生产材料进行分类，将每种生产材料类为一类，对其采用学习能力和函数逼近能力强的径向基神经网络建模方法。在建模前对建模数据进行预处理，以保证模型的预测能力和泛化能力，最终应用时根据实际所用材料选择相对应的一类模型进行优化。该方法克服了实际生产中，依靠操作人员经验来判断生产操作参数与品质指标间关系中不确定及误差大的不足，通过数据选择和预处理保证了模型的预测精度和泛化能力。
本发明的技术方案是通过护套生产材料分类的数据采集、建模，数据样本的选择和预处理、建立不同生产材料对应的不同类的模型，并根据实际生产种生产材料情况选则相应类的模型进行优化等手段，确立了一种同轴电缆护套机优化运行的建模方法，利用该方法可有效提高护套机生产操作参数与品质指标间关系的准确性。
本发明方法的具体步骤是：
步骤(1).根据给定护套机进行所有可能采用的护套生产材料分类，每一种材料为一类，并针对每一类护套的生产材料的采集同轴电缆护套机生产操作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；具体的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，其获得的方法均为成熟技术；
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给料速度                                               
Figure 201210529854X100002DEST_PATH_IMAGE002
、芯线穿过护套机速度
Figure 201210529854X100002DEST_PATH_IMAGE004
和生产温度
Figure 201210529854X100002DEST_PATH_IMAGE006
；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和抗磨性能指标
Figure 201210529854X100002DEST_PATH_IMAGE012
；
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(2).对各分类数据库中的数据进行选择和预处理，针对给定的护套机和护套生产材料，选择50～200组数据作为建模数据，包括：给料速度、芯线穿过护套机速度
Figure 580406DEST_PATH_IMAGE004
、生产温度
Figure 297826DEST_PATH_IMAGE006
及护套的抗老化指标
Figure 630718DEST_PATH_IMAGE008
、单位长度平均气泡数量
Figure 445091DEST_PATH_IMAGE010
和抗磨性能指标的情况；对作为模型输入量的生产操作参数(给料速度
Figure 409953DEST_PATH_IMAGE002
，芯线穿过护套机速度，生产温度
Figure 215415DEST_PATH_IMAGE006
)，通过单位的变换或乘系数的方法，使各输入量的数据处于相同的数量级，并进行归一化处理；
步骤(3).采用多输入多输出的径向基神经网络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：
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可以表示为
Figure 201210529854X100002DEST_PATH_IMAGE014
，其中
Figure 201210529854X100002DEST_PATH_IMAGE016
表示第
Figure 201210529854X100002DEST_PATH_IMAGE018
组作为输入数据的护套生产操作参数向量，表示第
Figure 84145DEST_PATH_IMAGE018
组作为输出参数的表征护套生产品质的向量，
Figure 201210529854X100002DEST_PATH_IMAGE022
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；对于
Figure 201210529854X100002DEST_PATH_IMAGE024
个隐节点的径向基神经网络其输出为：
Figure 201210529854X100002DEST_PATH_IMAGE026
，
其中
Figure 201210529854X100002DEST_PATH_IMAGE028
为权重系数向量， 
Figure 201210529854X100002DEST_PATH_IMAGE030
为
Figure 201210529854X100002DEST_PATH_IMAGE032
维输入向量，
Figure DEST_PATH_IMAGE034
为第
Figure 482151DEST_PATH_IMAGE018
个基函数的中心向量，
Figure DEST_PATH_IMAGE036
为函数的基宽度参数向量；建立径向机神经网络模型的关键在于确定基函数的中心向量
Figure 156846DEST_PATH_IMAGE034
，基宽度向量
Figure 680231DEST_PATH_IMAGE036
及权重系数向量
Figure 47758DEST_PATH_IMAGE028
；
采用遗传算法迭代训练径向基神经网络，定义遗传算法初始群体
Figure DEST_PATH_IMAGE038
向量的各维分量，分别为隐节点个、数基函数中心、函数的基宽度和权重系数，目标函数为： ，其中为第
Figure 164750DEST_PATH_IMAGE018
个样本的神经网络输出值向量，
Figure 377557DEST_PATH_IMAGE020
为第
Figure 958711DEST_PATH_IMAGE018
个样本的实际值向量；当
Figure DEST_PATH_IMAGE044
达到了最小、达到设定值或完成迭代次数时，训练完成，获得隐节点个数、基函数中心向量、函数的基宽度向量和权重系数向量，从而获得多输入多输出的径向基神经网络模型；
步骤(4).将同一护套机所有可能的不同类别的模型组合为一个整体的模型，作为建模结果，具体方法是：
将不同护套生产材料对应的各类模型组合为一个整体模型，预测优化时根据实际生产材料所对应的类，选取相应类别的子模型进行预测和优化，不同类别的模型相互补充组成一个有机的整体。
本发明提出的建模方法可以有效的提高同轴电缆生产优化模型的预测精度和泛化能力，克服了实际生产中，依靠操作人员经验来判断生产操作参数与品质指标间关系中不确定及误差大的不足，满足了同轴电缆护套生产优化的实际要求，保证了同轴电缆生产优化的准确性和可行性。
具体实施方式
下面对本发明的实施作具体说明。
一种同轴电缆护套机优化运行的建模方法，具体是以下步骤：
(1).根据给定护套机进行所有可能采用的护套生产材料分类，每一种材料为一类，分为类，并针对每一类护套的生产材料的采集同轴电缆护套机生产操作参数及相关的表征同轴电缆护套生产品质的指标，建立数据库。作为示例此处取为2类：
Figure DEST_PATH_IMAGE048
PE(聚乙烯)，
Figure DEST_PATH_IMAGE050
PVC(聚氯乙烯)。
具体的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。
所述的同轴电缆护套机生产操作参数数据包括：同轴电缆护套的生产给料速度，芯线穿过护套机速度
Figure 835848DEST_PATH_IMAGE004
，生产温度
Figure 914663DEST_PATH_IMAGE006
；所述的表征同轴电缆护套生产品质的指标的数据包括：护套的抗老化指标
Figure 350323DEST_PATH_IMAGE008
、单位长度平均气泡数量
Figure 59653DEST_PATH_IMAGE010
和抗磨性能指标；
(2).对各分类数据库中的数据进行选择和预处理，针对给定的护套机和护套生产材料，选择50-200组数据作为建模数据，此处作为示例选择60组数据作为建模数据，包括：给料速度
Figure 830480DEST_PATH_IMAGE002
，芯线穿过护套机速度
Figure 182964DEST_PATH_IMAGE004
，生产温度
Figure 63195DEST_PATH_IMAGE006
及护套的抗老化指标
Figure 501130DEST_PATH_IMAGE008
、单位长度平均气泡数量
Figure 859430DEST_PATH_IMAGE010
和抗磨性能指标
Figure 269683DEST_PATH_IMAGE012
的情况；对作为模型输入量的生产操作参数(给料速度，芯线穿过护套机速度
Figure 240187DEST_PATH_IMAGE004
，生产温度
Figure 464495DEST_PATH_IMAGE006
)，通过单位的变换或乘系数的方法，使各输入量的数据处于相同的数量级，并进行归一化处理。
(3).采用多输入多输出的径向基神经网络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：
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可以表示为
Figure 463675DEST_PATH_IMAGE014
，其中表示第
Figure 98235DEST_PATH_IMAGE018
组作为输入数据的护套生产操作参数向量，
Figure 63917DEST_PATH_IMAGE020
表示第组作为输出参数的表征护套生产品质的向量，
Figure 372856DEST_PATH_IMAGE022
为样本数量(在本例中为60)，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；对于
Figure 210362DEST_PATH_IMAGE024
个隐节点的径向基神经网络其输出为：
Figure 776473DEST_PATH_IMAGE026
，为权重系数向量， 
Figure 376398DEST_PATH_IMAGE030
为
Figure 701200DEST_PATH_IMAGE032
维输入向量，
Figure 8685DEST_PATH_IMAGE034
为第
Figure 836964DEST_PATH_IMAGE018
个基函数的中心向量，
Figure 634018DEST_PATH_IMAGE036
为函数的基宽度参数向量。建立径向机神经网络模型的关键在于确定基函数的中心向量
Figure 180537DEST_PATH_IMAGE034
，基宽度向量及权重系数向量
Figure 240077DEST_PATH_IMAGE028
。采用遗传算法迭代训练径向基神经网络，定义遗传算法初始群体
Figure 145716DEST_PATH_IMAGE038
向量的各维分量，分别为隐节点个、数基函数中心、函数的基宽度和权重系数，目标函数为： 
Figure 179531DEST_PATH_IMAGE040
，其中
Figure 891135DEST_PATH_IMAGE042
为第
Figure 694006DEST_PATH_IMAGE018
个样本的神经网络输出值向量，
Figure 764687DEST_PATH_IMAGE020
为第个样本的实际值向量。当
Figure 473197DEST_PATH_IMAGE044
达到了最小、达到设定值或完成迭代次数时，训练完成，获得隐节点个数、基函数中心向量、函数的基宽度向量和权重系数向量，从而获得多输入多输出的径向基神经网络模型。
(4).将同一护套机所有可能的不同类别的模型组合为一个整体的模型，作为建模结果，具体方法是：
将不同护套生产材料对应的各类模型组合为一个整体模型，预测优化时根据实际生产材料所对应的类，选取相应类别的子模型进行预测和优化，不同类别的模型相互补充组成一个有机的整体。

Claims (1)

1. 一种同轴电缆护套机优化运行的建模方法，其特征在于该方法的具体步骤是：
步骤(1).根据给定护套机进行护套生产材料分类，每一种材料为一类，并针对每一类护套的生产材料采集同轴电缆护套机生产操作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；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；
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给料速度、芯线穿过护套机速度和生产温度；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和抗磨性能指标；
步骤(2).对各分类数据库中的数据进行选择和预处理，针对给定的护套机和护套生产材料，选择50～200组数据作为建模数据，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的情况；对作为模型输入量的生产操作参数，通过单位的变换或乘系数的方法，使各输入量的数据处于相同的数量级，并进行归一化处理；
步骤(3).采用多输入多输出的径向基神经网络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：
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                                               
Figure 201210529854X100001DEST_PATH_IMAGE002
，其中
Figure 201210529854X100001DEST_PATH_IMAGE004
表示第组作为输入数据的护套生产操作参数向量，
Figure 201210529854X100001DEST_PATH_IMAGE008
表示第组作为输出参数的表征护套生产品质的向量，
Figure 201210529854X100001DEST_PATH_IMAGE010
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；对于
Figure 201210529854X100001DEST_PATH_IMAGE012
个隐节点的径向基神经网络其输出为：
Figure 201210529854X100001DEST_PATH_IMAGE014
，
其中
Figure DEST_PATH_IMAGE016
为权重系数向量， 
Figure DEST_PATH_IMAGE018
为
Figure DEST_PATH_IMAGE020
维输入向量，
Figure DEST_PATH_IMAGE022
为第
Figure 429179DEST_PATH_IMAGE006
个基函数的中心向量，
Figure DEST_PATH_IMAGE024
为函数的基宽度参数向量；建立径向机神经网络模型的关键在于确定基函数的中心向量
Figure 437587DEST_PATH_IMAGE022
，基宽度向量及权重系数向量
Figure 268456DEST_PATH_IMAGE016
；
采用遗传算法迭代训练径向基神经网络，定义遗传算法初始群体
Figure DEST_PATH_IMAGE026
向量的各维分量，分别为隐节点个、数基函数中心、函数的基宽度和权重系数，目标函数为： 
Figure DEST_PATH_IMAGE028
，其中
Figure DEST_PATH_IMAGE030
为第
Figure 624483DEST_PATH_IMAGE006
个样本的神经网络输出值向量，
Figure 854607DEST_PATH_IMAGE008
为第
Figure 649387DEST_PATH_IMAGE006
个样本的实际值向量；当
Figure DEST_PATH_IMAGE032
达到了最小、达到设定值或完成迭代次数时，训练完成，获得隐节点个数、基函数中心向量、函数的基宽度向量和权重系数向量，从而获得多输入多输出的径向基神经网络模型；
步骤(4).将同一护套机所有可能的不同类别的模型组合为一个整体的模型，作为建模结果，具体方法是：
将不同护套生产材料对应的各类模型组合为一个整体模型，预测优化时根据实际生产材料所对应的类，选取相应类别的子模型进行预测和优化，不同类别的模型相互补充组成一个有机的整体。
CN201210529854.XA 2012-12-11 2012-12-11 一种同轴电缆护套机优化运行的建模方法 Active CN103020447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210529854.XA CN103020447B (zh) 2012-12-11 2012-12-11 一种同轴电缆护套机优化运行的建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210529854.XA CN103020447B (zh) 2012-12-11 2012-12-11 一种同轴电缆护套机优化运行的建模方法

Publications (2)

Publication Number Publication Date
CN103020447A true CN103020447A (zh) 2013-04-03
CN103020447B CN103020447B (zh) 2015-10-28

Family

ID=47969045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210529854.XA Active CN103020447B (zh) 2012-12-11 2012-12-11 一种同轴电缆护套机优化运行的建模方法

Country Status (1)

Country Link
CN (1) CN103020447B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445103A (zh) * 2020-02-25 2020-07-24 国网河南省电力公司电力科学研究院 一种基于工业互联网的输电线缆生产质量管理反馈系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1739582A1 (en) * 2005-06-29 2007-01-03 Siemens Aktiengesellschaft Probabilistic design tool for optimizing a technical system
CN102750424A (zh) * 2012-07-16 2012-10-24 杭州电子科技大学 一种生物质炉燃烧优化的方法
CN102799788A (zh) * 2012-07-26 2012-11-28 上海海事大学 用于光电复合海底电缆的由光纤温度求解铜芯温度的方法
CN102799778A (zh) * 2012-07-16 2012-11-28 杭州电子科技大学 一种优化锅炉负荷分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1739582A1 (en) * 2005-06-29 2007-01-03 Siemens Aktiengesellschaft Probabilistic design tool for optimizing a technical system
CN102750424A (zh) * 2012-07-16 2012-10-24 杭州电子科技大学 一种生物质炉燃烧优化的方法
CN102799778A (zh) * 2012-07-16 2012-11-28 杭州电子科技大学 一种优化锅炉负荷分配方法
CN102799788A (zh) * 2012-07-26 2012-11-28 上海海事大学 用于光电复合海底电缆的由光纤温度求解铜芯温度的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王峰军 等: "基于能量优化的电缆几何建模", 《系统仿真学报》, vol. 20, 23 September 2008 (2008-09-23) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445103A (zh) * 2020-02-25 2020-07-24 国网河南省电力公司电力科学研究院 一种基于工业互联网的输电线缆生产质量管理反馈系统
CN111445103B (zh) * 2020-02-25 2023-01-31 国网河南省电力公司电力科学研究院 一种基于工业互联网的输电线缆生产质量管理反馈系统

Also Published As

Publication number Publication date
CN103020447B (zh) 2015-10-28

Similar Documents

Publication Publication Date Title
CN111353656B (zh) 一种基于生产计划的钢铁企业氧气负荷预测方法
CN104992244A (zh) 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法
CN102831489B (zh) 电力配网建设物资需求预测方法及装置
CN110210648B (zh) 基于灰色长短期记忆网络的管制空域战略流量预测方法
CN108074004A (zh) 一种基于网格法的地理信息系统短期负荷预测方法
CN108471353B (zh) 一种基于深度神经网络算法的网元容量分析与预测的方法
CN111178621A (zh) 一种电采暖负荷预测支持向量回归机模型的参数优化方法
CN104134097A (zh) 一种基于gann-bim模型的严寒地区办公建筑形态节能设计方法
CN108204944A (zh) 基于apso优化的lssvm的埋地管道腐蚀速率预测方法
CN105243461A (zh) 一种基于人工神经网络改进训练策略的短期负荷预测方法
CN109787821B (zh) 一种大规模移动客户流量消费智能预测方法
CN104699890A (zh) 一种城网配变重过载短期预警模型的建模方法
CN110991734A (zh) 一种基于多目标优化和svr的地铁客流预测方法
CN108595803A (zh) 基于递归神经网络的页岩气井生产压力预测方法
CN113535515A (zh) 一种基于Zabbix监控系统的高效动态采集方法
Yin et al. Dynamic real–time abnormal energy consumption detection and energy efficiency optimization analysis considering uncertainty
CN109447336B (zh) 一种上游水库与其反调节水库坝间水位优化控制方法
CN114936742A (zh) 一种供水系统调度代理决策方法
CN109214610A (zh) 一种基于长短期记忆神经网络的饱和电力负荷预测方法
CN110033126A (zh) 基于注意力机制与逻辑回归的长短期记忆网络预测方法
CN102981409B (zh) 一种同轴电缆护套机优化运行方法
CN103020455B (zh) 一种同轴电缆护套机优化运行的多目标模型更新方法
CN103020447A (zh) 一种同轴电缆护套机优化运行的建模方法
CN109886316B (zh) 基于云系相似度权重分配的变压器状态参量组合预测方法
CN116542001B (zh) 基于改进谱聚类及遗传算法的供水管网独立计量分区方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20180509

Address after: 311400 Zhejiang Hangzhou Fuyang District golden autumn Avenue Fortis Technology

Patentee after: HANGZHOU FUTONG ELECTRIC WIRE & CABLE CO., LTD.

Address before: 311499 Fuchun street, Fuyang, Hangzhou, Zhejiang, 18

Patentee before: Futong Group Co., Ltd.

TR01 Transfer of patent right