公开(公告)号：CN106446315A

公开(公告)日：2017-02-22

申请号：CN201610312568.6

申请日：2016-05-12

Applicant: 东华大学

Inventor： 丁永生 ,  赵润喆 ,  周明 ,  陈磊 ,  蔡欣 ,  任立红 ,  郝矿荣

IPC: G06F17/50

Abstract: 本发明涉及一种涤纶纤维纺丝过程中性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS-SVM)的涤纶纤维纺丝过程中性能指标的预测方法，发明包括以下步骤：选择涤纶纤维纺丝过程的生产参数：纺丝速度、纺丝温度、吹风温度、吹风速度，作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响涤纶纤维质量的主要性能指标，包括半倍伸长率、半倍伸长率的不匀率、断裂强度和伸长能力，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS-SVM模型，采用高斯径向基函数(RBF)作为LS-SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。

公开(公告)号：CN106446495B

公开(公告)日：2018-08-21

申请号：CN201610312557.8

申请日：2016-05-12

Applicant: 东华大学

Inventor： 丁永生 ,  赵润喆 ,  任立红 ,  郝矿荣 ,  陈磊 ,  蔡欣

IPC: G06Q10/04

Abstract: 本发明涉及一种碳纤维原丝生产过程中牵伸环节性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS‑SVM)的碳纤维原丝生产过程中牵伸环节性能指标的预测方法，发明包括以下步骤：选择碳纤维原丝生产过程中牵伸环节的六级牵伸比作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响碳纤维质量的主要性能指标，即线密度、原丝强度和断裂伸长率，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS‑SVM模型，采用高斯径向基函数(RBF)作为LS‑SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。

公开(公告)号：CN106447065A

公开(公告)日：2017-02-22

申请号：CN201610312473.4

申请日：2016-05-12

Applicant: 东华大学

Inventor： 任立红 ,  赵润喆 ,  丁永生 ,  徐楠 ,  陈磊 ,  郝矿荣

IPC: G06Q10/04 ,  G06Q50/04

CPC classification number: Y02P90/30 ,  G06Q10/04 ,  G06Q50/04

Abstract: 本发明涉及一种碳纤维原丝生产过程中凝固浴环节性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS-SVM)的碳纤维原丝生产过程中凝固浴环节性能指标的预测方法，发明包括以下步骤：选择碳纤维原丝生产过程中凝固浴环节的纤维初始半径、凝固浴有效长度、初始速度和牵出速度作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响碳纤维质量的主要性能指标，即纤维最终半径、凝固层厚度，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS-SVM模型，采用高斯径向基函数(RBF)作为LS-SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。

公开(公告)号：CN106447065B

公开(公告)日：2021-08-06

申请号：CN201610312473.4

申请日：2016-05-12

Applicant: 东华大学

Inventor： 任立红 ,  赵润喆 ,  丁永生 ,  徐楠 ,  陈磊 ,  郝矿荣

IPC: G06Q10/04 ,  G06Q50/04

Abstract: 本发明涉及一种碳纤维原丝生产过程中凝固浴环节性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS‑SVM)的碳纤维原丝生产过程中凝固浴环节性能指标的预测方法，发明包括以下步骤：选择碳纤维原丝生产过程中凝固浴环节的纤维初始半径、凝固浴有效长度、初始速度和牵出速度作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响碳纤维质量的主要性能指标，即纤维最终半径、凝固层厚度，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS‑SVM模型，采用高斯径向基函数(RBF)作为LS‑SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。

公开(公告)号：CN106446495A

公开(公告)日：2017-02-22

申请号：CN201610312557.8

申请日：2016-05-12

Applicant: 东华大学

Inventor： 丁永生 ,  赵润喆 ,  任立红 ,  郝矿荣 ,  陈磊 ,  蔡欣

IPC: G06F19/00 ,  G06Q10/04

CPC classification number: G06F19/00 ,  G06Q10/04

Abstract: 本发明涉及一种碳纤维原丝生产过程中牵伸环节性能指标的预测方法，尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS-SVM)的碳纤维原丝生产过程中牵伸环节性能指标的预测方法，发明包括以下步骤：选择碳纤维原丝生产过程中牵伸环节的六级牵伸比作为特征信息，进行线性函数归一化后建立输入样本数据集；确定影响碳纤维质量的主要性能指标，即线密度、原丝强度和断裂伸长率，进行对数函数归一化后建立输出样本数据集；根据输入—输出样本数据集建立LS-SVM模型，采用高斯径向基函数(RBF)作为LS-SVM的核函数，并使用PSO优化选取最佳惩罚因子C和核函数参数σ；根据幂律法则对PSO寻优过程进行改进，可以大大提升寻优速度，并实现精准预测。