[发明专利]一种基于数据驱动的差别化纤维纺丝工艺交互式设计方法

说明书

技术领域

本发明属于纤维生产领域，特别是涉及一种针对差别化纤维的基于数据驱动的纺丝工艺交互式智能优化设计方法。

背景技术

纤维生产(包括天然纤维、聚合物纤维等)是一个具有多生产环节和复杂生产条件的大规模生产系统，其生产过程监测与控制的实现，需要结合对生产设备和生产技术的认识与建模，以及对生产线控制系统的设计与优化来进行。对纤维生产模拟技术而言，其核心是对成形机理、设备状况以及工程状况的准确描述与计算。在纤维成形机理方面，从20世纪60年代开始，Ziabicki、Gagon & Denn、Geoge等人对纺丝加工过程做了大量的基础理论研究工作，确立了纺丝的基本过程和基本模型。如Kase & Matsuo定量分析了熔纺过程，得出了一些重要的参量表达式，如传热系数h、比热C_p、拉伸粘度η_e等。Hamana、Yasuda、Shimizu和Kikutani等人拓展了上述研究，将纺丝数学模型应用到中空纤维和高速纺丝过程中，并研究了其中存在的应力一致性关系。还有文献采用有限元方法研究了中空纤维的纺丝过程，得到了纺丝过程中空度的变化规律，并研究了工艺条件对中空度的影响。Kikutani等则研究了扁平、中空及皮芯复合纺丝的数学模型，运用熔融纺丝理论对其纺丝过程进行了初步模拟。然而上述内容仅是对纺丝过程进行的理论研究，没有将研究成果与实际工程推广相结合。

从数值与建模的角度看，当把纺丝生产线上的各工艺环节作为一个系统考虑时，纺丝过程的工艺优化就可以看作求解一个函数的最优解，可以采用数值计算或智能算法进行求解。传统上，对一个需要进行优化计算的实际问题，可将其进行抽象后得到一个求约束下最优解的数学问题，可采用数值优化或遗传算法(GA)等方法进行求解。在许多设计问题中，GA的适应度函数是根据目标问题的模型，并参考用户的意见而确定的。由于目标问题模型未必都能显式得到，因此人们又提出了交互式遗传算法(InteractiveGenetic Algorithm，IGA)，并已成功地应用于优化领域。IGA相对于GA的差别是适应度评价函数不同，能够根据用户对模型效果的不断反馈动态地调整适应度函数。在某些情况下，用户的主观评价甚至成为确定适应度函数的唯一依据。但IGA的局限性限制了其应用与推广，其不足之处：一是收敛速度过慢，二是需要专家的过多参与。

当前针对纤维纺丝成形的工艺设计，一方面局限于生产线局部的工艺、设备改进和依经验进行的生产参数微调，若期望明确地得到某个性能指标的较优值，相应的工艺参数设计是一个难题。另一方面，对于纺丝工艺设计应用效果的评价，通常依赖于生产组织者和设备操作者的主观意见。正是由于这些因素所带来的模糊性和随机性，使得对特定的纤维进行优化的生产工艺设计，同时确定优化的生产指标和工艺参数成为非常困难的任务。但是，经验丰富的工艺设计师或工程师，可以针对特定纤维的生产过程提供优良的设计方案，并能达到预期的性能指标。因此，如何综合利用工艺专家的经验知识，结合数值优化和智能优化的可行方法，在生产实践以及相应生产运行数据支持的基础上进行特定纤维纺丝工艺设计及优化，实现差别化纤维的设计，是一个具有挑战性的课题。

发明内容

本发明的目的是提供一种智能化、集成化、具有交互性的方法，来解决差别化纤维纺丝生产工艺的优化设计问题。

为了达到上述目的，本发明的技术方案是提供了一种基于数据驱动的差别化纤维纺丝工艺交互式设计方法，该方法是在对生产线运行过程和产品质量的学习和总结的基础上，在利用数据驱动的思想而建立的工艺优化模型的基础上实现的，其具体过程为：

步骤1、初始化：对生产过程的约束条件进行分析，得到生产工艺设计方案所处的问题域，该问题域是一个多维空间，多维空间的维数与约束条件的规模相关，在该问题域中通过随机的方式或工艺设计师的初步设计方案生成至少5个的备选工艺设计方案，每个备选工艺设计方案相当于多维空间中的一个向量，即一个抗体，所有抗体的集合形成抗体种群A，而所期望的纤维性能指标作为抗原；

步骤2、通过免疫进化算子对抗体种群A进化以实现对抗原最大可能的匹配，并在此过程中通过方案评价模块由工艺设计专家对于每一个设计方案给出性能优劣的评价值，或在给出评价值的同时针对方案中的不足之处提出改进建议；

步骤3、根据步骤2中工艺设计专家对备选方案的评价意见，结合专家系统中存储的优秀历史方案与当前备选方案的近似程度，判断进化是否结束，若是则退出，否则重新进行步骤2。