1.一种湿布热定型实时温度估算方法,其特征在于,包括:
1)确定热定型过程建模的输入输出变量
确立对定型过程有重大影响的变量,分别为:定型烘箱温度,定型时间,定型织物的克重以及织物含水率;
2)建立一套热定型温度实时监控装置
热定型温度实时监控装置,主要部件包括:恒温烘箱、电子电平、数据采集仪、测温用K型热电偶;监控流程如下:第一步,获取待检测干燥织物克重;选择需要实验的的织物,并将待检测织物按指定尺寸裁切,并有电子电平进行称重,得到干燥织物的克重;
第二步,进行浸液处理;即将织物放置在液体内,待织物完全浸润,浸液均匀后取出,再除去多余水分,采取物理挤压或者加热去除水分,加热去除水分必须回复到室温再进行称量,再利用电子电平测量后,达到合适含水率后,准备热定型,这里检测到潮湿织物的重量,并计算出织物的含水率;
第三步,热定型;将一定含水率的织物,固定好热电偶测温传感器,快速放入到恒温烘箱,开始热定型,待定型过程完成后取出织物,期间,计算机通过热电偶数据采集模型采集烘箱和织物的实时温度,采样时间间隔为500ms;
3)数据预处理
实时采集的数据存在噪声、数据长度不一致情况,在预处理过程中,剔除连续数据中突变的个别数据,用相邻两值的平均值加以替代;数据长度统一按最长的数据长度为参考,确定数据长度,再对数据进行归一化处理,所谓归一化,就是将数据映射到[0,1]或[-1,1]区间;
4)建立热定型过程织物温度预测的神经网络模型
a.确定神经网络的输入输出以及网络结构;其中,输入层包含四个节点,对应:烘箱温度,定型时间,定型织物的克重和含水率,输出层包含一个节点为织物的温度,中间隐含层分别为12,12,6;
b.确定损失函数
选用均方误差MSE作为损失函数,
c.激活函数
选取激活函数为tanh和log两种激活函数,其中从输入层到隐含层以及隐含层到隐含层选用tanh,隐含层到输出层选用log;
5)优化所建立的神经网络的模型
a.改进学习效率
为改善普通神经网络训练学习效率低,速度慢的不足,采用自适应时刻估计方法,调整公式为:mt=β1*mt-1+(1-β1)*gt (2)mt和vt是梯度的加权平均值和加权平方误差,最初是0向量,当衰减因子β1和β2接近1时,mt和vt趋向于0向量,所以mt和vt偏差校正:最终表示式为:
使用的参数,α=0.001,β1=0.92,β2=0.999and∈=1×10-8;
b.交叉验证
第一步,将样本分成3个独立的部分,即:训练样本、验证样本和测试样本,其中训练样本用来训练网络,验证样本用来确定网络结构和网络参数,而测试样本则检验最终训练好的网络的性能;
第二步,分离后假定有L个样本,将L个样本打乱,然后均匀分成K份,轮流选择其中K‐1份进行训练,剩余的一份做验证,共有K种取法,对于每一轮训练,当验证数据误差总和最小或者迭代次数达到设定值时停止训练;
6)训练和测试预测模型。