一种玻璃光纤拉丝设备优化生产方法

摘要

本发明涉及一种玻璃光纤拉丝设备优化生产方法。本发明是通过各台同轴电缆护套机生产效率与产品品质和与之相对应的生产操作参数数据采集，对每台同轴电缆护套机的生产操作参数与产品品质，建立基于数据挖掘技术的模型，并结合并行的优化算法等手段，确立了一种多台同轴电缆护套机生产优化分配生产任务的方法，利用该方法可有效的在总生产任务一定的情况，通过优化分配各台护套机的生产任务，提高生产效率和产品品质。

主权项

1.一种玻璃光纤拉丝机优化生产方法，其特征在于该方法的步骤包括：步骤(1)针对给定的玻璃光纤拉丝设备及光纤直径的要求，设定分为N级拉伸最终达到光纤产品的直径要求,每一级的拉出光纤直径为d_i∈(d_imin,d_imax),i=1,2…N,N≥1，其中d_imin为第i级拉出光纤直径允许最小值,d_imax为第i级拉出光纤直径允许最大值；根据生产工艺要求设定产品光纤拉丝速度允许的范围：V∈(V_min,V_max)，其中V为光纤拉丝速度，V_min为允许光纤拉丝最小速度,V_max为允许光纤拉丝最大速度；设定加热炉加热温度的允许范围T∈(T_min,T_max)及预制棒的馈送速度允许范围V_y∈(V_ymin,V_ymax)，其中T为加热炉加热温度，T_min为允许加热炉最低加热温度,T_max为允许加热炉最高加热温度，V_y为光纤预制棒馈送速度，V_ymin为允许光纤预制棒最小馈送速度,V_ymax为允许光纤预制棒最大馈送速度；以上所述：光纤拉伸级数(N),每级对应的光纤拉出直径(di)，光纤拉丝速度(V)，加热炉加热温度(T)及光纤预制棒馈送速度(Vy)为玻璃光纤生产操作参数；在参数允许速度范围内，将各参数的允许范围均匀分为M个区间,M≥1，各参数允许范围内每个区间取一个数据作为代表，做不同拉丝速度、不同加热炉的加热温度和不同预制棒的馈送速度的组合试验，并记录相应参数组合下光纤产品品质，所述光纤产品品质指标包括：芯包比(α)、同心率(β)、折射率分布(γ)、直径比(δ)；将以上试验数据采集入试验数据库中备用；步骤(2)采集玻璃光纤拉丝设备生产操作参数及相关的表征光纤产品品质的指标，建立生产实时数据库；具体的玻璃光纤拉丝设备生产操作参数和产品品质指标，通过玻璃光纤拉丝设备运行数控系统获取，或直接通过仪器测量采集，将以上生产实时数据采集入实时数据库中备用；步骤(3)建模数据选择，针对给定的玻璃光纤拉丝设备，选取试验数据库中全部数据，另外，再在实时数据库中选取试验数据库中数据量的2倍到5倍的数据作为建模数据，数据要包括步骤(1)和步骤(2)中所述的生产操作参数及光纤产品品质指标的情况；步骤(4)采用多目标支持向量机方法针对建模数据建模，建立玻璃光纤的产品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输出参数表示为其中x_i表示第i组作为输入数据向量的玻璃光纤拉丝设备生产操作参数，y_i表示第i组作为输出参数向量的玻璃光纤产品品质的指标，N为样本数量，以建模数据为基础，建立各玻璃光纤拉丝设备的产品品质指标与各生产操作参数间的关系模型；采用支持向量机方法建模，支持向量机核函数选为径向基函数$K(x_i,x_j)=\phi \left(x_i\right)·\phi \left(x_j\right)=\exp \left|\left(\frac{{\left|\right|x_i-x_j\left|\right|}^2}{2{\sigma }^2}\right)\right|$其中，参数“σ”为径向基函数的宽度，φ(x)为映射函数，设所求的目标函数为：f(x_i)＝w·φ(x_i)+b，f(x_i)为模型输出的向量值，w为权重系数向量，b为截距向量；引入松弛因子ξ^*_i≥0和ξ_i≥0和允许拟合误差ε，模型可以通过在约束：$\left\{\begin{array}{c}{y}_i-w·\phi \left(x_i\right)-b\le ϵ+{\xi }_i\\ w·\phi \left(x_i\right)+b-y_i\le ϵ+{\xi }_i^{*}\\ {\xi }_i\ge 0\\ {\xi }_i^{*}\ge 0\end{array}\right.i=1,...,N,$条件下，最小化：$\min R(w,\xi ,{\xi }^{*})=\frac{1}{2}w·w+C\underset{i=1}{\overset{k}{\Sigma }}\xi +{\xi }^{*}$获得，其中常数C>0为惩罚系数，k为预测超出允许拟合误差点的数量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：$\begin{array}{c}L(w,b,\xi ,{\xi }^{*},\alpha ,{\alpha }^{*},\gamma ,{\gamma }^{*})=\frac{1}{2}w·w+C\underset{i=1}{\overset{N}{\Sigma }}(\xi +{\xi }^{*})-\underset{i=1}{\overset{N}{\Sigma }}{\alpha }_i[y_i-({\xi }_i+ϵ+f\left(x_i\right))]\\ -\underset{i=1}{\overset{N}{\Sigma }}{\alpha }_i^{*}[{\xi }_i^{*}+ϵ+f\left(x_i\right)-y_i]-\underset{i=1}{\overset{N}{\Sigma }}({\gamma }_i{\xi }_i+{\gamma }_i^{*}{\xi }_i^{*})\end{array}$其中：为拉格朗日乘数；在鞍点处，函数L是关于w,b,ξ_i,ξ_i^*的极小点，也是极大点，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w,b,ξ_i,ξ_i^*极小点，得：$\left\{\begin{array}{c}\frac{\partial }{\partial w}L=0\to w=\underset{i=1}{\overset{N}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})\phi \left(x_i\right)\\ \frac{\partial }{\partial b}L=0\to \underset{i=1}{\overset{N}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})=0\\ \frac{\partial }{\partial {\xi }_i}L=0\to C-{\alpha }_i-{\gamma }_i=0\\ \frac{\partial }{\partial {\xi }_i^{*}}L=0\to C-{\alpha }_i^{*}-{\gamma }_i^{*}=0\end{array}\right.$可得拉格朗日函数的对偶函数：此时，$w=\underset{i=1}{\overset{N}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})\phi \left(x_i\right)$$f\left(x\right)=\underset{i=1}{\overset{N}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})K(x,x_i)+b$按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：$\left\{\begin{array}{c}{\alpha }_i[ϵ+{\xi }_i-y_i+f\left(x_i\right)]=0\\ {\alpha }_i^{*}[ϵ+{\xi }_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}{\xi }_i{\gamma }_i=0\\ {\xi }_i^{*}{\gamma }_i^{*}=0\end{array}\right.i=1,...,N$从上式可求出向量b，获得模型；步骤(5)利用粒子群优化算法，结合以上步骤(4)所建各玻璃光纤拉丝设备的产品品质指标与各生产操作参数间的关系模型，进行各生产任务的优化，具体步骤如下：a.定义粒子群算法初始群体x向量的各维分量，分别为各玻璃光纤拉丝设备的生产操作参数；b.设定粒子群算法的搜索目标和迭代次数，搜索目标为各玻璃光纤产品品质指标的设定值；c.初始化群体向量x，其中各生产操作参数的优化范围均为相应允许范围；结合步骤(4)所建模型，根据初始群体中各生产操作参数的初始化值，获得各光纤产品品质指标的优化目标初始值，然后根据上一步设定的搜索目标，用粒子群算法进行迭代计算，搜索最优生产生产操作参数配置情况；d.当粒子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群体向量，即获得最优的各玻璃光纤生产设备的生产操作参数及最优的光纤产品品质指标；依据该优化结果可以指导实际生产，获得最优的产品品质。