碳纖維牽伸過程的雙向智能優(yōu)化模型.pdf

1、碳纖維作為一種新型高分子材料，以其高模量，低密度、高比性能，無蠕變等優(yōu)異的特性廣泛應(yīng)用于軍工民用等方面，因此世界各國都在廣泛發(fā)展碳纖維產(chǎn)品。然而，生產(chǎn)碳纖維的設(shè)備繁多，制備工藝復(fù)雜，生產(chǎn)環(huán)節(jié)多樣，且產(chǎn)品精度要求高，制備過程要求苛刻。一旦研制新產(chǎn)品，即使是經(jīng)驗(yàn)豐富的老員工，也需要大量時(shí)間不斷嘗試反復(fù)修改，所以急需一種方式揭示碳纖維原絲生產(chǎn)過程中的工藝參數(shù)和碳纖維產(chǎn)品性能之間錯(cuò)綜復(fù)雜的聯(lián)系。因此，本論文基于機(jī)器學(xué)習(xí)和智能算法建立了碳纖維原絲

2、生產(chǎn)過程中牽伸環(huán)節(jié)生產(chǎn)工藝和產(chǎn)品性能指標(biāo)之間的雙向智能優(yōu)化模型解決該問題。
　　本論文的主要貢獻(xiàn)如下：
　　（1）通過查閱大量的中英文文獻(xiàn)，選定本論文所需的生產(chǎn)工藝參數(shù)分別為：空氣牽伸比r1，凝固浴牽伸比r2，熱水牽伸比r3，沸水牽伸比r4，干熱牽伸比r5和蒸汽牽伸比r6，產(chǎn)品性能指標(biāo)分別為：線密度ρL(i)，原絲強(qiáng)度Tg(i)和斷裂伸長率EL(i)。并介紹了數(shù)據(jù)來源，數(shù)據(jù)預(yù)處理的目的及過程。
　?。?）基于最小二乘支

3、持向量機(jī)（LS-SVM）算法建立了正向預(yù)測(cè)數(shù)據(jù)模型，并使用粒子群優(yōu)化（PSO）算法對(duì)LS-SVM的兩個(gè)參數(shù)C和σ進(jìn)行優(yōu)化。由于PSO算法的優(yōu)化過程比較耗時(shí)，因此提出了依據(jù)冪律法則對(duì)PSO算法進(jìn)行優(yōu)化，在PSO算法產(chǎn)生子代粒子過程中，改進(jìn)部分子代的產(chǎn)生方式。所提算法加快了優(yōu)化速度，節(jié)省了時(shí)間。
　?。?）在正向預(yù)測(cè)模型的基礎(chǔ)上，基于帶精英策略的非支配排序遺傳算法（NSGA-II）建立了逆向優(yōu)化模型，旨在生產(chǎn)新的碳纖維產(chǎn)品時(shí)提供指導(dǎo)型

4、生產(chǎn)參數(shù)。由于NSGA-II算法變異時(shí)具有不確定性，為了得到解的多樣性并減小優(yōu)化目標(biāo)的誤差，因此，選取全局最優(yōu)算子作為變異引導(dǎo)算子引導(dǎo)變異過程。采用K-means聚類算法和反比例分布選取全局最優(yōu)算子。并在種群初始化過程中引入平均粒距，間接控制種群的初始化分布。算法不僅提高了解的多樣性，降低了解的優(yōu)化目標(biāo)誤差。
　?。?）針對(duì)所設(shè)計(jì)的正向預(yù)測(cè)模型和逆向優(yōu)化模型，基于MATLAB GUI建立了雙向優(yōu)化可視化平臺(tái)，用戶可以根據(jù)需要自行選