基于特征空间变换的纺纱过程多关联参数质量波动异常检测

纺纱过程参数众多且相互关联，模糊了过程参数与纱线质量指标间的重要信息，针对纺纱过程参数强耦合带来的纺纱过程质量波动难以检测与控制的问题，提出一种基于特征空间变换的纺纱过程多关联参数质量波动异常检测方法。首先，分析纺纱过程参数间的关联关系，采用偏最小二乘法(PLS)消除参数之间的相关性，获得具有正交性的特征空间。然后，利用新的特征空间数据计算局部离群因子(LOF)统计量，判定纺纱过程是否稳定，定位异常波动区域。最后将相关性分析后的异常波动数据作为深度置信网络(DBN)模型的输入，识别纺纱过程异常波动类型。通过算例进行验证，结果显示所提模型将纺纱过程多关联参数异常检测精度提高到98.2%。     

基于混合遗传蚁群算法的多目标FJSP问题研究北大核心

针对多目标柔性作业车间调度问题求解过程中未综合考虑解集多样性与求解效率的问题,提出了一种混合遗传蚁群算法来求解。首先,通过改进的NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)获取问题的较优解,以此来确定蚁群算法的初始信息素分布;其次,根据提出的自适应伪随机比例规则和改进的信息素更新规则来优化蚂蚁的遍历过程;最后,通过邻域搜索,扩大蚂蚁的搜索空间,从而提高解集的多样性。通过Kacem和BRdata算例进行实验验证,证明混合遗传蚁群算法具有更高的求解效率和更好解集多样性。     

基于窗口波动模式识别的纺纱过程质量波动异常预警

纺纱过程受到多因素的影响，其质量波动呈现复杂性。文章针对纺纱过程质量波动异常难以及时预警的问题，提出一种基于窗口波动模式识别的纺纱过程质量波动异常预警方法。首先对纺纱过程参数时序集进行窗口分解，定义异常波动率对窗口序列的波动程度进行表征；然后根据窗口是否存在异常预期信号对模式进行判别，并构建参数优化的随机森林模型对窗口波动模式进行识别，据此构建纺纱过程质量波动异常预警策略。通过细纱过程数据集进行验证，结果显示所提方法在实现对纺纱质量异常波动进行预警的同时还能够准确追溯异常波动源头，为纺纱生产质量稳定提供保证。