论文部分内容阅读
在泡菜工业生产中,过程优化是以提升产品品质为优化设计目标。产品品质预测模型是求解过程优化的主要瓶颈。实际中常用的工艺参数改进方法仅依靠在加工过程中不断积累的经验,或进行有限的正交实验,或是基于现有历史数据及某种假设条件下的函数模型进行过程建模、寻优。但从整个加工过程来看,加工过程是各个物理、生化过程的相互耦合的过程,其过程复杂,加工成本高,相应好的样本稀少,样本空间也常为离散。在此背景下,针对如何能够准确建立加工品质预测模型并实现工艺精准的优化的问题,本文从下面三个方面展开研究:(1)加工过程数据的组织和整合方法。本章主要研究了基于数据驱动的预处理方法。首先分析了加工过程中数据的质量及可能存在的缺陷,并针对其特点引入数据挖掘流程中的预处理流程,在对异常样本的检测分析上,引入聚类的方法,最后以实际泡菜加工过程的数据为对象,对算法进行的检验。(2)泡菜加工品质预测模型研究。针对泡菜加工过程的高度非线性、高耦合、少样本,样本空间离散等特点,本文提出基于合理模型扩充样本集和SAE-SVR(堆叠自编码-支持向量回归)的过程建模方法。该方法利用常见模型合理的扩充样本空间,在此基础上,利用SAE(堆叠自编码)对抽象特征有很好的提取能力,结合SVR(支持向量回归)的好的非线性模拟能力提出SAE-SVR算法对过程建模,使用扩充样本集作为预训练集,实际数据作为微调使用。在实际泡菜加工过程样本数据的测试结果显示:本文的模型的预测精度比常用的几种模型都有很大的提升。(3)泡菜加工过程工艺优化。针对工艺优化过程中优化对象众多,目标为多目标优化的特点,参考粒子群算法优秀的多目标优化能力。通过引入粒子群算法的多目标优化思想,来建立需求品质指标-工艺参数的优化方法,从而实现由指标到工艺的最优化。(4)加工品质预测建模与工艺优化软件设计与实现。本软件以泡菜加工过程作为对象,建立基于B/S结构,结合matlab实现建模方法与优化算法的优化分析软件。并将设计成果进行了可视化展示,最后利用泡菜加工数据进行了软件的各项功能测试,结果显示本系统符合要求,有着很高的实用价值。