基于增量學(xué)習(xí)的上漿率在線軟測量方法研究.pdf

1、漿紗過程提升了經(jīng)紗的織造性能，改善了織物的風(fēng)格和手感。上漿率是檢驗漿紗過程質(zhì)量好壞的重要指標(biāo)之一，如果上漿率過小，則會出現(xiàn)欠漿以及強(qiáng)度下降等情況，導(dǎo)致紗線斷頭增加，影響漿紗質(zhì)量。反之，上漿率過大會影響漿紗的彈性，還會造成漿液及能源的浪費(fèi)。為了實時在線檢測上漿率，本文從以下幾個方面進(jìn)行了研究。
　　對上漿過程進(jìn)行機(jī)理分析，得出影響上漿率的主要因素。目前，紡織廠常用的是雙浸雙壓式上漿方法，通過分析此過程中紗線的特性、上漿裝置、漿液性質(zhì)

2、以及烘燥裝置得出影響上漿率的八個主要因素:紗線張力、紗線覆蓋系數(shù)、壓輥壓力、紗機(jī)速度、漿液濃度、漿液粘度、漿液溫度和烘燥溫度。
　　建立基于ELM極限學(xué)習(xí)機(jī)和基于AdaBoost.RT集成算法的上漿率軟測量模型。其中，軟測量模型的輔助變量為影響上漿率的八個因素，主導(dǎo)變量為上漿率。通過仿真實驗可以看出，基于ELM的軟測量模型的預(yù)測曲線與上漿率真實數(shù)值曲線基本擬合，但存在少數(shù)誤差較大的點。基于AdaBoost.RT的軟測量模型的預(yù)測曲

3、線擬合度比ELM模型擬合度稍高，誤差較大的點的個數(shù)要少。但兩種模型均無法實現(xiàn)對上漿率的在線測量，測量精度也打不到實際生產(chǎn)要求。
　　以ELM算法為子學(xué)習(xí)機(jī)，提出ILMELM集成算法用于實現(xiàn)對上漿率的在線測量。該算法分為兩部分集成，小集成引入誤差判斷系數(shù)，篩選出符合精度要求的ELM子學(xué)習(xí)機(jī)用于集成子模型，而大集成則基于增量學(xué)習(xí)的思想，當(dāng)新數(shù)據(jù)進(jìn)入模型并形成新的子模型后，無需重新學(xué)習(xí)舊數(shù)據(jù)，直接將新舊模型進(jìn)行集成，完成對模型的更新。實

4、驗證明ILMELM上漿率模型使用數(shù)據(jù)集中任意一組數(shù)據(jù)作為測試都有較高的精度，泛化性能較好，而且能夠?qū)崿F(xiàn)模型的在線更新。
　　為了提升上漿率軟測量模型的抗噪性能和實現(xiàn)上漿率的在線測量，提出了基于動態(tài)數(shù)據(jù)的在線增量算法。該算法分為冗余數(shù)據(jù)篩選、噪聲數(shù)據(jù)篩選以及軟測量建模三個部分。冗余數(shù)據(jù)篩選使用增量學(xué)習(xí)方式，對于已經(jīng)訓(xùn)練好的數(shù)據(jù)不再進(jìn)行學(xué)習(xí)，提高了學(xué)習(xí)的效率。噪聲數(shù)據(jù)篩選使用改進(jìn)式山峰算法完成對噪聲數(shù)據(jù)的剔除，提高算法精度。軟測量建模