一种浆纱上浆率智能软测量方法
【专利摘要】一种浆纱上浆率智能软测量方法，属于自动化测量【技术领域】。根据对上浆机理及浆纱机的组成分析，确定浆纱上浆率软测量辅助变量为：浆纱机车速、浆纱机低压上浆辊压力、浆纱机高压上浆辊压力、浆纱机浆槽中浆液浓度和浆纱机浆槽中浆液温度；采集浆纱机历史运行数据建立样本数据集；建立浆纱上浆率软测量模型，得到辅助变量与浆纱上浆之间的关系；浆纱上浆率的在线计算。本发明方法能够在线准确的计算浆纱上浆率，计算速度快、精度高，能实现在线检测，降低浆纱生产过程中能耗物耗；适用范围广，对数据源进行适当修改后可以对其他质量指标如回潮率、伸长率等进行在线软测量；能够方便的与棉纺织生产的其他环节共享信息，为其他环节的操作提供参考。
【专利说明】一种浆纱上浆率智能软测量方法
【技术领域】
[0001]本发明属于自动化测量【技术领域】，涉及纺织浆纱生产检测【技术领域】，特别涉及一种浆纱上浆率智能软测量方法。
【背景技术】
[0002]浆纱过程是纺织生产中的关键工序，上浆质量的好坏直接关系到经纱强度、毛羽率和耐磨性，进而影响到织机效率。浆纱生产过程工艺复杂，原料、能源的消耗巨大，因此在行业内被形象地称为“老虎口”。浆纱过程用于衡量经纱上浆效果的指标主要包括上浆率、回潮率、伸长率、浸透率、被覆率、浆膜完整率等，其中上浆率是浆纱生产过程的关键质量指标。
[0003]现有的浆纱上浆率在线检测方法主要包括:物质平衡法、测湿结合浆液浓度法、近红外光谱法。物质平衡法是通过测定一段时间内浆液的消耗量以及相应的经纱通过量，按照上浆率的定义进行计算来检测经纱的平均上浆率。物质平衡法测定浆纱上浆率具有装置简单、价格低廉的优点，其缺点是该方法得到的是上浆工艺过程中一段时间内的平均上浆率，在实时监控系统中使用时对上浆率的控制与调节具有滞后性。测湿结合浆液浓度法是指采用相关传感器对浆纱压出回潮率及浆液浓度进行测定，利用二者与上浆率之间的数学关系得到浆纱的上浆率指标。该方法采用微波检测浆纱压出回潮率，采用射光仪检测出浆液含固率，二者输入计算机中，利用相关公式进行上浆率计算。测湿结合浆液浓度法测试效果较准确，调节迅速，适用范围广，其缺点是传感器检测技术复杂、设备价格昂贵，同时所采用的浆纱回潮率、浆液含固率二者与上浆率之间的数学关系式多属于近似式。近红外光谱法是利用近红外光谱分析技术，由傅立叶变换近红外光谱仪的分光元件产生的近红外光线照射在浆纱纱片上，由检测器对反射回来的光线进行检测，得到浆纱近红外光谱数据，结合化学计量软件建立上浆率校正模型，实现对浆纱上浆在线检测。近红外光谱检测浆纱上浆率具有检测快速、无损等优点，其缺点是受环境影响较大，特别是浆纱生产现场水蒸汽对检测结果影响较大。上述三种检测方法虽能实现上浆率的检测，但由于各自存在的不足，难以满足当今纺织行业产品质量和生产效率激烈竞争的要求。
【发明内容】
[0004]针对现有技术存在的不足，本发明提出一种提供一种检测精度高、实时性强的浆纱上浆率智能软测量方法，通过已有检测仪器和监控系统提供的辅助变量参数，建立上浆率智能软测量模型，实现浆纱上浆率的在线计算，为浆纱生产过程控制提供关键质量指标。
[0005]本发明的技术方案是这样实现的:一种浆纱上浆率智能软测量方法，包括以下步骤:
[0006]步骤1:根据对上浆机理及浆纱机的组成分析，确定浆纱上浆率软测量辅助变量为:浆纱机车速X1、浆纱机低压上浆辊压力X2、浆纱机高压上浆辊压力X3、浆纱机浆槽中浆液浓度X4、浆纱机浆槽中浆液温度X5;[0007]步骤2:采集浆纱机历史运行数据并根据浆纱机历史运行数据建立样本数据集X=(X1, X2? X3? X4? xj，衆纱机历史运行数据中包括多组衆纱机车速Xl、低压上衆棍压力x2、高压上浆辊压力X3、浆液浓度X4、浆液温度X5运行数据且定期进行数据更新；
[0008]对浆纱机历史运行数据进行预处理:将超过工艺要求阈值的数据视为无效数据，予以剔除；
[0009]步骤3:采用样本数据集建立浆纱上浆率软测量模型，得到辅助变量即浆纱机车速X1、低压上浆辊压力X2、高压上浆辊压力X3、浆液浓度X4、浆液温度X5与浆纱上浆之间的关系;
[0010]具体步骤如下:
[0011]步骤3.1:采用自适应神经模糊推理系统建立浆纱上浆率软测量模型，所述自适应神经模糊推理系统由五层结构构成，其各层结构如下:
[0012]第一层:将输入数据进行模糊化，公式如下:
【权利要求】
1.一种浆纱上浆率智能软测量方法，其特征在于:包括如下步骤: 步骤1:根据对上浆机理及浆纱机的组成进行分析，确定浆纱上浆率软测量模型的辅助变量为:浆纱机车速X1、浆纱机低压上浆辊压力X2、浆纱机高压上浆辊压力X3、浆纱机浆槽中浆液浓度X4、浆纱机浆槽中浆液温度X5 ； 步骤2:采集浆纱机历史运行数据并根据浆纱机历史运行数据建立样本数据集X ={Xl，X2, X3, X4, %}，浆纱机历史运行数据中包括多组浆纱机车速X1、低压上浆辊压力X2、高压上浆辊压力X3、浆液浓度X4、浆液温度X5运行数据； 对样本数据集进行预处理:将超过工艺要求阈值的数据视为无效数据，予以剔除； 步骤3:采用样本数据集建立浆纱上浆率软测量模型，得到辅助变量即浆纱机车速Xl、低压上浆辊压力X2、高压上浆辊压力X3、浆液浓度X4、浆液温度X5与浆纱上浆之间的关系；步骤4:采集当前时刻的浆纱机运行数据信息，通过浆纱上浆率智能软测量模型计算当前时刻浆纱上浆率，并计算当前浆纱上浆率软测量模型误差，若当前浆纱回潮率软测量模型误差大于5 %，则利用实时采集的前一周的浆纱机运行数据替换早期历史运行数据，建立新的样本数据集，返回步骤3，否则输出浆纱上浆率结果； 步骤5:将采集的实时数据，替换现在的历史数据，建立新的样本数据集，返回步骤3。
2.根据权利要求1所述的浆纱上浆率智能软测量方法，其特征在于:步骤3所述的浆纱上浆率智能软测量模型，是采用自适应神经模糊推理系统建立的，包括如下步骤: 步骤3.1:采用自适应神经模糊推理系统建立浆纱上浆率软测量模型，确定自适应神经模糊推理系统的具体结构: 第一层:将输入数据进行模糊化，公式如下:
3.根据权利要求2所述的浆纱上浆率智能软测量方法，其特征在于:所述步骤3.2中的隶属度函数的中心的确定，是采用基于非欧氏距离的聚类方法，具体步骤如下: 步骤3.2.1:输入衆纱机运行样本数 据集
4.根据权利要求2所述的浆纱上浆率智能软测量方法，其特征在于:所述步骤3.3中自适应神经模糊推理系统的前件参数和后件参数确定，是采用混合学习算法，具体步骤如下: 步骤3.3.1:设定误差指标e和最大训练次数T ； 步骤3.3.2:在固定前件参数Ci，Si的条件下，采用最小二乘算法优化线性后件参数Sg，，...，&k ; 步骤3.3.3:固定后件参数，采用反向传播算法训练前件参数，公式如下:
【文档编号】G06F19/00GK103559417SQ201310578845
【公开日】2014年2月5日 申请日期:2013年11月16日 优先权日:2013年11月16日
【发明者】张宇献, 董晓, 李勇, 胡庆, 李松, 钱小毅 申请人:沈阳工业大学