基于LS-SVM棉针织物前处理工艺指标软测量.pdfVIP

第∞卷第4期 杭州电子科技大学学报 Vd．30．}b．4 加lo年∞月 Journal 《弛哪咖Ⅸ鲫dUl如嘶 ^I罨．2010 基于LS—SVM棉针织物前处理工艺指标软测量 刘佳，金福江 (华侨大学信息科学与工程学院，福建采州362021) 摘要：该文针对棉针织物前处理过程工艺指标吸水性和白度难以实现在线连续检测，且与前处理 过程温度、时间、液碱浓度、双氧水浓度等影响因素具有较强非线性，难以建立精确数学模型。在 分析了棉针织物前处理过程质量指标相关影响因素的基础上，采用最小二乘支持向量机建立了前 处理过程工艺技术指标软测量模型，并通过实验验证了软测量模型的有效性。 关键词：前处理；工艺技术指标；最小二乘支持向量机；软测量 中图分类号：1S190 文献标识码：A 文章编号：1001—9146{2010)04一(X322—04 O引言 棉针织物前处理过程是染整生产过程中基础工序，其加工目的是使织物获得良好的吸水性与白度， 增加对染料的吸收性能，稳定提高后道工序的产品质量。由于前处理过程工艺机理复杂，影响因素多， 质量指标与影响因素之间具有较强非线性，难以建立精确数学模型，且难以在线连续测量。因此，如果 能够对织物吸水性和白度在线实时测量和估计，对于提高产品质量、实现工艺技术指标优化控制具有十 分重要的作用和意义。软测量技术是解决复杂工业过程变量难以在线检测的一种有效方法，是根据某 种最优准则，选择一组既与主导变量密切相关，又容易测量的辅助变量，通过构造软测量模型，实现对主 导变量的估计。基于统计学习理论的最小二乘支持向量(LS—S、M)是一种新的机器学习技术，利用核 技术和结构风险最小化原则提高了学习机的泛化能力，所建模型的输出为全局最优解，避免了神经网络 方法…1中的局部极小及过学习等问题，收敛速度快，因而更适合在线软测量建模研究。以福建晋江某纺 织厂棉针织物前处理过程为研究对象，深入分析了影响工艺技术指标的主要因素，采用最小二乘支持向 量机建立了工艺技术指标吸水性和白度的软测量模型，并通过实验证明了该软测量模型的有效性。 1棉针织物前处理过程 棉针织物前处理过程主要通过煮练、漂白两步去除织物上的杂质(如：果胶质、棉蜡、无机物、蛋白 质、棉籽壳等)，因此，液碱和双氧水用量的控制是前处理过程工艺控制的关键。其中，在高温碱性条件 下，双氧水进行漂白时会形成氧化性很强的H02-，H02-离子是参与反应的主要成分。而液碱在前处理 过程中不但起到煮练的作用，同时也是双氧水的激活剂，如碱量不足将影响毛效，碱量过高则影响白度， 甚至使织物强力下降【2J2。此外，温度、时间都是碱氧一浴前处理的工艺要素。在化学反应中，温度和时 间是相关联的，温度是化学反应的主要因素，一定条件下，双氧水的分解率随温度的升高而增加，因此， 前处理过程对于温度的控制是保证半成品质量的一个重要方面。综上所述，确定试验主要因素为：温 度、时间、液碱浓度、双氧水浓度4个因素。 收稿日期：2010—03—31 基金项目：福建省科技计划重点资助项目(2009啪∞3) 作者简介：刘佳(1986一)，女，江西吉安人，在读研究生，复杂生产过程的建模与仿真． 第4期 刘佳等：基于IS—SVM棉针织物前处理工艺指标软测量 23 2最小二乘支持向量机 最／J、-乘支持向量机(岱一sVM)的基本思想是通过非线性变换将输人空间变换为高维空间【31。在 高维空间中求取最优线性分类超平面，而这个非线性变换是通过内积核函数实现的。 议·)把样本从原空间Rn映射到特征空间9(x1)，在这个高维特征空间中构造最优决策函数y(茗)= 项为优化目标函数，故优化问题为： 1 1 miIl，(埘，f)=寺ww+罐曙 (1) s．I． i=1，2，…，l