[发明专利]一种数据驱动的碳纤维原液温度控制参数优化方法

说明书

本发明公开了一种数据驱动的碳纤维原液温度控制参数优化方法，所述包括以下步骤：(1)从碳纤维生产线获取相关工艺参数进行处理，并对喷丝头进行分组；(2)使用处理后的工艺参数数据建立多个多元线性回归预测模型，用于对每组喷丝头的原液温度平均值进行预测；(3)将相关控制参数作为决策变量，设置每组喷丝头原液温度最优值，将每个多元线性回归模型预测值与相应原液温度最优值之差的绝对值作为目标函数，利用NSGA‑II算法进行多目标优化，得到使喷丝头原液温度最优的工艺参数。本发明解决了传统方法难以对碳纤维原液温度的工艺参数进行优化设置的难题，避免了机理模型构建困难且计算复杂等问题，能够快速准确的完成工艺参数的优化调整。

技术领域

本发明属于碳纤维生产技术领域，尤其属于一种数据驱动的碳纤维原液温度控制参数优化方法。

背景技术

原丝的凝固成形是碳纤维生产中最重要的工序之一。而原液温度会在很大程度上影响喷丝时生成原丝的质量。原液温度过低时会出现吐丝困难，断丝增多的问题，导致可纺性降低；原液温度过高则容易发生毛细破坏。只有在适当的温度条件下，才可能进行连续纺丝而获得性能优良的纤维。若该阶段形成的原丝存在一定的缺陷，结构的遗传性会使得最终的碳纤维结构不完善、性能降低。

传统的原液温度控制参数主要依靠操作人员的经验来设置，具有很大的不确定性，有时参数设置不合理会影响原液形成的原丝质量，不利于企业降低生产成本及提高生产效率。若通过一些方法对原液维温度进行控制，避免人为经验设置造成的不确定性，则能够很好的提高企业生产效率，降低生产风险。

文献[1]中提出一种碳纤维纺前原液温度控制装置及方法，对纺丝前的管道原液温度通过装置进行控制，但是此方法仅实现了对管道原液温度的精确控制，无法用于确定使多个喷丝头原液温度最优的工艺参数。文献[2]在铝电解方面提出了一种数据驱动的工艺参数预测方法，通过数据驱动避免了机理模型的构建，在保证准确性的前提下降低了计算的复杂性。但此方法仅对工艺参数间的输入输出关系构建数据模型进行了预测，没有涉及工艺参数的优化。文献[3]在注塑工艺参数方面提出了一种优化方法，先通过BP神经网络建立数据驱动的模型，再结合模型通过遗传算法进行极值寻优，解决了优化过程中目标函数表达式难以获得的问题，但此方法仅是对单目标的优化。

因此，有必要提供一种数据驱动的碳纤维原液温度控制参数优化方法来解决目前存在的问题。

上述提到的相关文献：

[1]王斐.一种碳纤维原丝纺前原液温度控制的装置及其方法:中国,201710490839.1[P].2017-10-24.

[2]张振兵,曾北平.基于数据驱动的氧化铝浓度预测[J].世界有色金属.2020(11):224-226.

[3]刘强,廖嘉华,梅端.基于正交试验和BPNN-GA混合算法的注塑工艺参数优化[J].南开大学学报(自然科学版).2020(04):57-62.

发明内容

本发明的目的是提供一种为碳纤维原液温度的调整提供最优的控制参数，使喷丝头原液在最适宜的温度下形成原丝的数据驱动的碳纤维原液温度控制参数优化方法，以克服现有技术的不足。

为实现上述目的，本发明所采用的技术方案是：

一种数据驱动的碳纤维原液温度控制参数优化方法，包括以下步骤：

(1)从碳纤维生产线获取相关工艺参数进行处理，并对喷丝头进行分组；

(2)使用处理后的工艺参数数据建立多个多元线性回归预测模型，用于对每组喷丝头的原液温度平均值进行预测；

(3)将相关控制参数作为决策变量，设置每组喷丝头原液温度最优值，将每个多元线性回归模型预测值与相应原液温度最优值之差的绝对值作为目标函数，利用NSGA-II算法进行多目标优化，得到使喷丝头原液温度最优的工艺参数。