基于增量學(xué)習(xí)的上漿率在線(xiàn)軟測(cè)量方法研究.pdf

1、漿紗過(guò)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(yàn)漿紗過(guò)程質(zhì)量好壞的重要指標(biāo)之一，如果上漿率過(guò)小，則會(huì)出現(xiàn)欠漿以及強(qiáng)度下降等情況，導(dǎo)致紗線(xiàn)斷頭增加，影響漿紗質(zhì)量。反之，上漿率過(guò)大會(huì)影響漿紗的彈性，還會(huì)造成漿液及能源的浪費(fèi)。為了實(shí)時(shí)在線(xiàn)檢測(cè)上漿率，本文從以下幾個(gè)方面進(jìn)行了研究。
　　對(duì)上漿過(guò)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(chǎng)常用的是雙浸雙壓式上漿方法，通過(guò)分析此過(guò)程中紗線(xiàn)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(gè)主要因素:紗線(xiàn)張力、紗線(xiàn)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(cè)量模型。其中，軟測(cè)量模型的輔助變量為影響上漿率的八個(gè)因素，主導(dǎo)變量為上漿率。通過(guò)仿真實(shí)驗(yàn)可以看出，基于ELM的軟測(cè)量模型的預(yù)測(cè)曲線(xiàn)與上漿率真實(shí)數(shù)值曲線(xiàn)基本擬合，但存在少數(shù)誤差較大的點(diǎn)?；贏daBoost.RT的軟測(cè)量模型的預(yù)測(cè)曲

3、線(xiàn)擬合度比ELM模型擬合度稍高，誤差較大的點(diǎn)的個(gè)數(shù)要少。但兩種模型均無(wú)法實(shí)現(xiàn)對(duì)上漿率的在線(xiàn)測(cè)量，測(cè)量精度也打不到實(shí)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(shí)現(xiàn)對(duì)上漿率的在線(xiàn)測(cè)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(wú)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(duì)模型的更新。實(shí)

4、驗(yàn)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(cè)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(xiàn)更新。
　　為了提升上漿率軟測(cè)量模型的抗噪性能和實(shí)現(xiàn)上漿率的在線(xiàn)測(cè)量，提出了基于動(dòng)態(tài)數(shù)據(jù)的在線(xiàn)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(cè)量建模三個(gè)部分。冗余數(shù)據(jù)篩選使用增量學(xué)習(xí)方式，對(duì)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(duì)噪聲數(shù)據(jù)的剔除，提高算法精度。軟測(cè)量建模