58、纺织过程多目标优化与生产控制挑战应对

纺织过程多目标优化与生产控制挑战应对

纺织过程多目标优化

在纺织过程中，多目标自优化是提高生产效率和产品质量的关键。整个优化过程分为多个步骤：
1. 参数设定 ：用户需要设定参数空间，确保算法在可行范围内运行。其中，经停装置和每分钟转数是可变的参数。
2. 测试过程 ：织布机设置每个测试点，并记录描述目标函数的传感器数据，这些数据对应着各自的参数设置。
3. 回归模型计算 ：利用获取的数据计算三个回归模型，每个目标函数对应一个模型，以描述目标函数与设置参数之间的关系。
4. 优化设置计算 ：基于预定义的质量标准，通过应用期望函数和数值优化算法，计算织布机的优化设置。在执行优化程序之前，用户可以通过目标权重整合对目标函数（经纱张力、能耗和织物质量）的偏好，每个目标函数的偏好尺度分为低、中、高三个部分。

期望函数在多目标优化中起着重要作用，其应用起源于Derringer和Suich。期望函数的目的是将需要优化的目标函数汇总为一个共同的函数，即总期望dtot。总期望的计算公式为：
[dtot = (w_1, w_2, \ldots, w_n)^{\frac{1}{n}}]
其中，(w_1, w_2, \ldots, w_n) 是 (n) 个目标函数的期望。总期望反映了各个目标函数的期望与最优范围的接近程度，其取值范围在 [0; 1] 之间。当所有目标函数都处于最优范围时，总期望达到 1；若只有一个目标函数的值无效，总期望则为 0。使总期望最大化的过程参数组合，即为纺织过程的最优操作点。