[发明专利]一种同轴电缆护套机优化运行的多目标模型更新方法

权利要求书

1. 一种同轴电缆护套机优化运行的多目标模型更新方法，其特征在于该方法的具体步骤是：

步骤(1).给定的同轴电缆护套机需采用新的生产材料时，针对新的生产材料，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的指标，与原模型一致，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；

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、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、抗磨性能指标；

当给定的同轴电缆护套机由于原模型对某种生产材料的生产过程中的产品品质指标预测超出允许误差范围时，则从步骤(5)进行更新；

步骤(2).对新护套生产材料数据库中的数据进行选择和预处理：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，建立新材料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：，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、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).将新护套生产材料的多目标模型与原模型组合为一个整体的模型，实现模型更新；

步骤(5).当给定的同轴电缆护套机由于原模型对某种生产材料的生产过程中的产品品质指标预测超出允许误差范围时，建立原有模型的预测错误数据库；根据具体生产情况和对模型预测精度的要求，设定模型的各目标的允许预测误差限、和，其中为护套的抗老化指标的允许预测误差限、为单位长度平均气泡数量允许预测误差限、为抗磨性能指标允许预测误差限；在采集数据时，判断模型预测值与实际运行值之间的误差与允许预测误差限的大小，如果某护套品质指标预测误差大于，表示某护套品质指标、和之一，即，其中为某护套品质指标模型预测值，为某护套品质指标实测值，则将超限数据存入预测错误数据库中，以备模型更新之用；

步骤(6).建立新模型：原模型需要更新时，选取预测错误数据库中的数据作为训练样本，用多目标径向基神经网络建模，建立生产操作参数与护套的生产品质指标间的模型，建模过程与步骤(3)相同，获得多目标的径向基神经网络模型；

步骤(7).确定新模型和已有模型的比例：采集新的护套机相同生产材料情况下，不同运行状态下的数据作为检验样本，应用原有模型预测与新模型加权平均的预测方法，对检验数据进行预测，即，其中为第组检验样本工况的目标预测值向量、为新模型预测值向量、为原有模型预测值向量、为新模型预测值权重系数、为原有模型的预测权重系数，且；与的确定采用粒子群算法迭代寻优确定，初始化粒子群位置向量的各维分量，分别为新模型权重和原有模型权重，目标函数为：，其中为第组检验工况实测多目标值与结合模型预测值的误差，为护套的抗老化指标的结合模型预测值与实测值的误差平方，为单位长度平均气泡数量的结合模型预测值与实测值的误差平方，为抗磨性能指标的结合模型预测值与实测值的误差平方，当取得了最小、达到设定值或完成迭代次数时，寻优完成，分别获得新模型和已有模型的比例系数与；清空预测错误数据库，以备下一次更新采集数据之用；

步骤(8).将原有模型与新模型按最优的比例系数相结合，构成新的组合模型，即，其中E为更新后的组合模型，从而实现同轴电缆护套机原模型预测误差超出允许误差范围情况下的模型更新。