System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,屬于復(fù)雜流程工藝參數(shù)優(yōu)化。
技術(shù)介紹
1、不同于離散制造,流程制造主要通過功能不同的工藝參數(shù)協(xié)同運(yùn)行實(shí)現(xiàn)連續(xù)生產(chǎn),所以,流程工藝整體優(yōu)化的關(guān)鍵在于如何實(shí)現(xiàn)工藝參數(shù)的聯(lián)合優(yōu)化,即在發(fā)生質(zhì)量波動時(shí)通過調(diào)整工藝參數(shù)快速實(shí)現(xiàn)對產(chǎn)品質(zhì)量的控制和優(yōu)化。此外,復(fù)雜流程制造具有工藝過程復(fù)雜、工藝參數(shù)間質(zhì)能耦合嚴(yán)重、工藝數(shù)據(jù)時(shí)序性強(qiáng)等特點(diǎn),這使得難以通過統(tǒng)計(jì)分析的方法優(yōu)化流程工藝參數(shù),因此,如何實(shí)現(xiàn)復(fù)雜流程工藝建模預(yù)測,進(jìn)而快速高效地對工藝參數(shù)進(jìn)行優(yōu)化調(diào)控是實(shí)現(xiàn)流程車間智能優(yōu)化決策的核心問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供了一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,以用于解決流程制造中工藝參數(shù)繁多的優(yōu)化技術(shù)問題。
2、本專利技術(shù)的技術(shù)方案是:
3、根據(jù)本專利技術(shù)的第一方面,提供了一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,包括以下步驟:
4、s1、對流程工藝數(shù)據(jù)進(jìn)行預(yù)處理,獲得預(yù)處理后的流程工藝數(shù)據(jù)集;預(yù)處理后的流程工藝數(shù)據(jù)集由工藝參數(shù)和質(zhì)量指標(biāo)組成,表示為d={xmn,yn},其中xmn代表第n個(gè)樣本的第m個(gè)工藝參數(shù),yn代表第n個(gè)樣本的質(zhì)量指標(biāo);
5、s2、對m個(gè)工藝參數(shù)逐個(gè)分析其與質(zhì)量指標(biāo)之間的相關(guān)性,以確定每個(gè)工藝參數(shù)對質(zhì)量指標(biāo)的重要程度;
6、s3、依據(jù)工藝參數(shù)對質(zhì)量指標(biāo)的重要程度進(jìn)行降序排序,獲得以重要程度排序后的工藝參數(shù);
7、s4、依據(jù)排序后的
8、s5、對于第1層-第c層工藝參數(shù)組合,按照從第c層工藝參數(shù)組合至第1層工藝參數(shù)組合的順序依次進(jìn)行建模尋優(yōu),獲得第1層工藝參數(shù)組合最優(yōu)解~第c層工藝參數(shù)組合最優(yōu)解。
9、進(jìn)一步地,所述s4,包括:
10、s4.1、構(gòu)建分層模型;
11、s4.2、將以重要程度排序后的工藝參數(shù)作為待分層工藝參數(shù);依據(jù)分層模型對待分層工藝參數(shù)進(jìn)行分層,每次分層后將第q次分層的分界點(diǎn)及分界點(diǎn)之前的待分層工藝參數(shù)作為第q層工藝參數(shù)組合,將第q層工藝參數(shù)組合從待分層工藝參數(shù)中刪除以更新待分層工藝參數(shù),直至達(dá)到終止條件,獲得多層級的工藝參數(shù)組合。
12、進(jìn)一步地,所述s4.2中,依據(jù)分層模型對待分層工藝參數(shù)進(jìn)行分層,具體為:
13、選取待分層工藝參數(shù)中相關(guān)性最大的工藝參數(shù)作為第q次分層的初始工藝參數(shù);依據(jù)初始工藝參數(shù)和質(zhì)量指標(biāo)構(gòu)建第q數(shù)據(jù)集qq1;
14、將數(shù)據(jù)集qq1作為分層模型第1次訓(xùn)練的輸入,通過分層模型進(jìn)行迭代訓(xùn)練,以獲得擬合優(yōu)度;對于第p次迭代訓(xùn)練過程中,在數(shù)據(jù)集qqp-1的基礎(chǔ)上增加一個(gè)工藝參數(shù)構(gòu)建數(shù)據(jù)集qqp,將數(shù)據(jù)集qqp作為第p次訓(xùn)練的分層模型的輸入,以獲得擬合優(yōu)度;以此類推,直至待分層工藝參數(shù)中所有工藝參數(shù)均參與迭代,獲得待分層工藝參數(shù)中所有工藝參數(shù)的擬合優(yōu)度;
15、依據(jù)所有待分層工藝參數(shù)的擬合優(yōu)度,計(jì)算穩(wěn)定性指標(biāo);依據(jù)穩(wěn)定性指標(biāo),從所有待分層工藝參數(shù)中確定第q次分層的分界點(diǎn);將待分層工藝參數(shù)中第q次分層的分界點(diǎn)及分界點(diǎn)之前的工藝參數(shù)作為第q層工藝參數(shù)組合,將第q層工藝參數(shù)組合從待分層工藝參數(shù)中刪除以更新待分層工藝參數(shù)以用于第q+1次分層。
16、進(jìn)一步地,所述終止條件為:待分層工藝參數(shù)中排序在第一位的工藝參數(shù)所對應(yīng)的相關(guān)性小于0.5。
17、進(jìn)一步地,所述穩(wěn)定性指標(biāo)ci的計(jì)算具體為:
18、ci=si·mi
19、其中,si表示當(dāng)前待分層工藝參數(shù)中排序號i的工藝參數(shù)的斜率變化率,i=1,2,3,....,i-3,i表示當(dāng)前待分層工藝參數(shù)中工藝參數(shù)總數(shù);mi表示當(dāng)前待分層工藝參數(shù)中排序號i的工藝參數(shù)的突變程度。
20、進(jìn)一步地,所述斜率變化率,表達(dá)式為:
21、
22、其中,ei表示當(dāng)前待分層工藝參數(shù)中排序號1~排序號i的工藝參數(shù)與質(zhì)量指標(biāo)構(gòu)建數(shù)據(jù)集進(jìn)行訓(xùn)練和驗(yàn)證獲得的擬合優(yōu)度值。
23、進(jìn)一步地,所述突變程度,表達(dá)式為:
24、
25、其中,ei表示當(dāng)前待分層工藝參數(shù)中排序號1~排序號i的工藝參數(shù)與質(zhì)量指標(biāo)構(gòu)建數(shù)據(jù)集進(jìn)行訓(xùn)練和驗(yàn)證獲得的擬合優(yōu)度值。
26、進(jìn)一步地,所述建模尋優(yōu)具體為:對于第1次尋優(yōu):依據(jù)隨機(jī)森林回歸模型建立第c層工藝參數(shù)組合與質(zhì)量指標(biāo)之間的非線性映射模型,并調(diào)用改進(jìn)粒子群算法進(jìn)行全局優(yōu)化,獲得第c層工藝參數(shù)組合的最優(yōu)解;對于第2次尋優(yōu):依據(jù)隨機(jī)森林回歸模型建立第c-1層工藝參數(shù)組合+第c層工藝參數(shù)組合的最優(yōu)解與質(zhì)量指標(biāo)之間的非線性映射模型,并調(diào)用改進(jìn)粒子群算法進(jìn)行全局優(yōu)化,獲得第c-1層工藝參數(shù)組合最優(yōu)解;以此類推,直至獲得第1層工藝參數(shù)組合最優(yōu)解,即經(jīng)過c次建模尋優(yōu)獲得第1層工藝參數(shù)組合最優(yōu)解~第c層工藝參數(shù)組合最優(yōu)解。
27、根據(jù)本專利技術(shù)的第二方面,提供了一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化系統(tǒng),包括用于執(zhí)行如上述中任一項(xiàng)所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法的模塊。
28、根據(jù)本專利技術(shù)的第三方面,提供了一種終端設(shè)備,包括存儲器、處理器以及存儲在所述存儲器上并可被所述處理器運(yùn)行的程序,所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述中任意一項(xiàng)所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法。
29、本專利技術(shù)的有益效果是:本專利技術(shù)首先基于分層遞進(jìn)理念,將工藝參數(shù)按照相對質(zhì)量指標(biāo)的重要性進(jìn)行分層劃分;在此基礎(chǔ)上,進(jìn)行建模尋優(yōu),獲取最優(yōu)工藝參數(shù)組合;建模尋優(yōu)過程中,每次優(yōu)化所得的最優(yōu)參數(shù)組合作為常數(shù)輸入至下一次建模尋優(yōu),從而實(shí)現(xiàn)工藝參數(shù)的多層級遞進(jìn)優(yōu)化。通過本專利技術(shù)有效地解決了復(fù)雜流程制造建模預(yù)測精度不高和工藝參數(shù)繁多導(dǎo)致的優(yōu)化困難問題,這對于流程制造企業(yè)保障工藝質(zhì)量、提高加工效率具有重要意義。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,包括以下步驟:
2.根據(jù)權(quán)利要求1所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述S4,包括:
3.根據(jù)權(quán)利要求2所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述S4.2中,依據(jù)分層模型對待分層工藝參數(shù)進(jìn)行分層,具體為:
4.根據(jù)權(quán)利要求2所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述終止條件為:待分層工藝參數(shù)中排序在第一位的工藝參數(shù)所對應(yīng)的相關(guān)性小于0.5。
5.根據(jù)權(quán)利要求3所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述穩(wěn)定性指標(biāo)Ci的計(jì)算具體為:
6.根據(jù)權(quán)利要求5所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述斜率變化率,表達(dá)式為:
7.根據(jù)權(quán)利要求5所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述突變程度,表達(dá)式為:
8.根據(jù)權(quán)利要求1所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述建模尋優(yōu)具體為:對于第1次尋優(yōu)
9.一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化系統(tǒng),其特征在于,包括用于執(zhí)行如權(quán)利要求1-8中任一項(xiàng)所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法的模塊。
10.一種終端設(shè)備,其特征在于:包括存儲器、處理器以及存儲在所述存儲器上并可被所述處理器運(yùn)行的程序,所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-8中任意一項(xiàng)所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法。
...【技術(shù)特征摘要】
1.一種面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,包括以下步驟:
2.根據(jù)權(quán)利要求1所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述s4,包括:
3.根據(jù)權(quán)利要求2所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述s4.2中,依據(jù)分層模型對待分層工藝參數(shù)進(jìn)行分層,具體為:
4.根據(jù)權(quán)利要求2所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述終止條件為:待分層工藝參數(shù)中排序在第一位的工藝參數(shù)所對應(yīng)的相關(guān)性小于0.5。
5.根據(jù)權(quán)利要求3所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述穩(wěn)定性指標(biāo)ci的計(jì)算具體為:
6.根據(jù)權(quán)利要求5所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述斜率變化率,表達(dá)式為:
7.根據(jù)權(quán)利要求5所述的面向復(fù)雜流程工業(yè)的多層級遞進(jìn)參數(shù)優(yōu)化方法,其特征在于,所述突變程度,表達(dá)式為:
8.根據(jù)權(quán)利要求1所述的面向復(fù)雜...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:范瀚博,劉孝保,王瑯,王玲,張浩杰,
申請(專利權(quán))人:昆明理工大學(xué),
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。