CN103020447B - 一种同轴电缆护套机优化运行的建模方法 - Google Patents

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                                               、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；

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、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(给料速度，芯线穿过护套机速度，生产温度)，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，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向量，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；对于个隐节点的径向基神经网络其输出为：

，

其中为权重系数向量， 为维输入向量，为第个基函数的中心向量，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，基宽度向量及权重系数向量；

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： ，其中为第个样本的神经网络输出值向量，为第个样本的实际值向量；当达到了最小、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：PE(聚乙烯)，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，生产温度；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、单位长度平均气泡数量和抗磨性能指标；

(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，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(给料速度，芯线穿过护套机速度，生产温度)，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，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向量，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；对于个隐节点的径向基神经网络其输出为：

，为权重系数向量， 为维输入向量，为第个基函数的中心向量，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，基宽度向量及权重系数向量。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： ，其中为第个样本的神经网络输出值向量，为第个样本的实际值向量。当达到了最小、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向量，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；对于n个隐节点的径向基神经网络其输出为：

$y=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i\exp (-\frac{{\left|\right|x-c_i\left|\right|}^2}{2{\mathrm{\ρ}}_i^2}),$

其中w_i为权重系数向量，x为m维输入向量，c_i为第i个基函数的中心向量，ρ_i为函数的基宽度向量；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c_i，基宽度向量ρ_i及权重系数向量w_i；

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Z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i个样本的神经网络输出值向量，y_i为第i个样本的实际值向量；当J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。