基于临港支持向量机的熔喷非织造布热性能预测模型.docxVIP

基于临港支持向量机的熔喷非织造布热性能预测模型 影响非织面布最终性能的许多工艺参数。在这项工作中，使用的实验数据主要包括三个参数：热态温度（以下简称“温度”）、接收距离（cdd）、传输量（由“定量”表示，以下简称“定量”）。因此，在这项工作中，我们重点研究了三个参数与过滤效率和通风量之间的关系。 1 基于目标函数的训练集 支持向量机用于解决回归问题的数学提法与分类问题相似, 不同之处在于目标变量的取值, 它的一般提法如下: 设给定的训练集T={ (x 支持向量机是利用结构风险最小化来求 (1) 式的函数拟合问题, 即最小化: 式中:λ为调节因子;| (x 引入松弛变量ζ= (ζ 2 psvm研究方法 文献[3]提出了用于分类的临近支持向量机 (proximal support vector machines, PSVM) , 其思想是将两类样本分别集中在两个平行超平面附近, 然后使这两个超平面的间隔达到最大.由于PSVM比SVM减少一个参数和1/2的问题变量, 大大降低了计算复杂度, 而且同样具有良好的泛化能力, 因此很多文献对其做了研究 约束条件为: 式中:w=A 令相应的偏导数为0, 解得: 常用核函数见文献[2], 这里用常用RBF核函数: 3 预测模型的建立 本文实验原料为聚乳酸 (PLA) 切片, 纺丝级, 熔融指数为12 g/10 min, 美国Natureworks公司生产;所用设备为北京赛博美隆公司制造的小型熔喷生产设备, 模头有效幅宽为20 cm.本课题所涉及的非织造布两大性能分别用其平均值来衡量, 因此把表1所示原始数据作为训练数据样本, 而把每组条件下两大性能的平均值作为检验样本. 在临近支持向量机中需要选择合适的参数C和σ, 到目前为止仍没有固定的算法, 很多文献 作为评价准则, 找到MSE最小值对应的C和σ的区域, 然后进一步细分网格, 最终找到合适的C和σ.经计算, 对于过滤效率预测模型, 选择参数为 (C MSE越小, R的值越接近1, 表明回归效果越好. 4 基于回归模型的工艺优化 预测结果见表2, 模型检验见表3. 由表2和表3可以看出, 不管是预测精度还是模型的回归效果, 临近支持向量对于过滤效率和透气量平均值的预测效果相当理想, 说明该方法对于该模型是非常适合的. 由于支持向量机不能直接确定最优的工艺参数, 即无法通过数学推导得到具体参数在什么范围可以达到最好的过滤效率和透气量, 因此本文用计算机模拟实验确定最优的工艺参数 5 最优工艺条件的确定 本文用临近支持向量回归机的方法建立了熔喷非织造布中工艺参数与性能的预测模型, 并得到了满意的结果, 在此基础上用计算机模拟实验条件并预测对应条件的性能, 从中找出最优工艺条件:过滤效率最优工艺条件为温度270℃、DCD 15～19 cm、定量100g/m 式中:ε为不敏感损失函数, ε取值大小影响支持向量的数目;C为正则化参数, 控制对超出误差样本的惩罚程度 (有些文献称为惩罚系数) .引入Lagrange函数可以得到支持向量回归机的对偶问题: 式中:α= (α