论文部分内容阅读
轮胎是汽车的一个重要组成部份,轮胎的质量直接影响到汽车行驶的性能。随着汽车工业的迅猛发展,轮胎工业也面临着极大的挑战。胎面是轮胎中最重要的组成部份,胎面的质量直接影响到轮胎的质量。胎面的几何尺寸是衡量胎面质量的最重要指标。现在轮胎工业生产过程中,极大多数工厂是采用工人手工测量,极少数工厂是采用激光测量设备。但是由于工人手工测量容易受到主观因素的影响,测量误差十分大,而且也不能保证实时性;而激光测量设备使用成本太高,在线测量的精度也不能满足生产需求,而软测量是解决上述问题的最佳途径。
基于以上原因,同时考虑到挤出胎面生产过程中的实际情况,本文决定采用基于数据驱动的方法建立软测量模型,实现对胎面尺寸的精确测量。在通过对挤出胎面产生形变的情况进行研究后,采集了挤出机的温度、压力、转速、联动线一线速度、粘度等影响因素作为软测量模型输入自变量。经过对这些数据的分析发现,这些影响因素与胎面尺寸之间存在着复杂的非线性关系。核函数具有把低维空间的非线性关系转变为高维空间的线性关系能力。不同的核函数有不同的特性,为了要得到精确的预测精度而又有较好的泛化能力,经过分析比较最终决定采用高斯核函数与多项式核函数的混合核函数加偏最小二乘法(PLS)来建立挤出胎面软测量模型。与之前的一些研究结果对比表明混合核函数PLS建立的模型具有较好的预测效果。
由于工业过程的时变性和非线性特点,静态软测量模型在训练样本附近的预测效果不错,但是远离训练样本的预测效果还是不理想,也就是模型的泛化能力受到影响。为此,本文采用限定记忆法对原模型进行在线动态校正,建立了动态的软测量模型,有效考虑了工业过程的动态特性,提高了模型的泛化能力,更接近实际情况。
最后本文还对将模型应用与挤出联动线智能控制的问题进行了初步的探讨。