一种基于改进差分进化的BP神经网络密炼过程多目标优化方法

本发明属于子午线轮胎加工，具体涉及一种基于改进差分进化的bp神经网络密炼过程多目标优化方法。

背景技术：

1、在轮胎生产过程中，密炼是第一道工序，也是至关重要的步骤。密炼工艺通常涉及将橡胶原料与各种添加剂混合，以形成轮胎胶料。这个过程中工艺参数以及设备状态等因素对最终轮胎产品的质量、性能和生产效率都有着重要的影响。

2、密炼过程中的参数设置，如辊距、辊速、混炼时间、温度等，对轮胎的性能、质量和生产效率具有直接影响。然而，传统的密炼优化方法通常基于经验和试错，难以实现高效率和优质轮胎的生产。

3、bp神经网络以其强大的非线性建模能力和适应性，被广泛应用于复杂系统的建模与优化。与此同时，差分进化算法作为一种全局优化方法，能够有效地搜索多个优化目标的最优解，在工程优化领域取得了广泛成功。

4、将差分进化算法与bp神经网络相结合，用于轮胎密炼过程的多目标优化，可提高产品质量，但如何利用神经网络的模型拟合能力和差分进化算法的全局搜索能力是一大难题。

技术实现思路

1、本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，针对轮胎密炼过程的质量问题，使用基于改进差分进化的bp神经网络算法，实现工艺参数的优化调整，提高轮胎生产中密炼过程的产品质量，可以有效地调整密炼过程中的各项参数，以实现多个优化目标的最优平衡。

2、为实现上述技术目的，本发明采取的技术方案为：

3、一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，包括：

4、s1、确定密炼过程所需优化的质量指标，并进行综合加权评分，得到综合加权评分值；

5、s2、基于bp神经网络构建综合加权评分值与密炼过程工艺参数的非线性数学模型；

6、s3、基于所述非线性数学模型，以密炼过程工艺参数为变量，以综合加权评分值最大化为目标建立优化模型；

7、s4、采用改进差分进化算法求解所述优化模型，得到最优密炼过程工艺参数值，实现密炼过程工艺参数多目标优化。

8、为优化上述技术方案，采取的具体措施还包括：

9、上述的s1确定的密炼过程所需优化的质量指标包括门尼粘度、炭黑分散度、定伸应力、拉伸强度、撕裂强度；

10、上述的s1进行综合加权评分之前，先对质量指标值进行预处理，然后对预处理后的质量指标值进行加权求和，得到综合加权评分值，其中所述预处理包括：

11、将门尼粘度值进行取倒操作，然后将取倒后的门尼粘度和炭黑分散度、定伸应力、拉伸强度、撕裂强度的原始值采用sigmoid隶属度函数将质量指标映射到区间[0，1]上：

12、

13、其中，s(q)为归一化后的值，q为原始值；

14、上述的s2基于bp神经网络，将辊距、辊速、速比、辊筒温度、混炼时间五个工艺参数为输入，将综合加权评分值作为输出，构建综合加权评分值与密炼过程工艺参数的非线性数学模型f(x)，包括：

15、s2-1、确定bp神经网络隐含层的神经元个数：

16、

17、式中，s为隐含层神经元个数，h为输入神经元个数，n为输出神经元个数；

18、s2-2、对输入、输出变量数据进行归一化处理；

19、s2-3、采用归一化处理后的输入、输出变量数据训练bp神经网络，确定其结构、传递函数、以及隐含层和输出层神经元的权值矩阵和偏置矩阵，得到综合加权评分值与密炼过程工艺参数的非线性数学模型：

20、f(x)＝f2(ω2×f1(ω1×x+b1)+b2)

21、式中，ω1,ω2分别为隐含层和输出层的权值矩阵，b1,b2分别为隐含层和输出层的偏置矩阵，f1,f2分别为隐含层和输出层的传递函数，x为输入变量向量。

22、上述的s3建立的优化模型为：

23、find x＝[x1x2x3x4x5]t

24、ymax＝max(f(x))

25、s.t xkl≤xk≤xkm k＝1,2,3，4，5

26、式中，f(x)为综合加权评分值与密炼过程工艺参数的非线性数学模型，x为待优化的工艺参数向量，即输入变量向量，包括x1,x2,x3,x4,x5，x1,x2,x3,x4,x5分别为辊距、辊速、速比、辊筒温度和混炼时间，xkl,xkm分别为第k个工艺参数的约束上限和约束下限，t为转置符号。

27、上述的s4采用改进差分进化算法自适应调整缩放因子f和交叉概率cr，通过变异、交叉、选择操作，求解优化模型，得到最优密炼过程工艺参数值。

28、上述的改进差分进化算法在变异操作时，随机从种群内选取三个个体xp1j(t)、xp2j(t)、xp3j(t)，并且保证这三个个体互异，则变异方式为:

29、hij(t+1)＝xp1j(t)+f(xp2j(t)-xp3j(t))

30、式中，hij(t+1)为变异后的个体，xp2j(t)-xp3j(t)为差异化向量，f为缩放因子。

31、上述的改进差分进化算法在变异操作后采用对称映射法将越界个体转换成一个相对于边界对称的数值，具体如下：

32、

33、式中，为下界与上界，hij为种群内越界个体。

34、上述的自适应调整缩放因子f的公式为：

35、

36、式中，g为最大迭代数，m为当前迭代数，fmax、fmin分别为缩放因子最大、最小值。

37、上述的交叉概率cr的公式为：

38、

39、式中，g为最大迭代数，m为当前迭代数，fmax、fmin分别为缩放因子最大、最小值。

40、本发明具有以下有益效果：

41、1、本发明的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，通过结合差分进化算法的全局搜索能力和bp神经网络的非线性拟合能力，实现了对密炼过程中多个关键参数的同时优化，显著提高了优化效率。

42、2、本发明的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，能够有效地优化密炼过程中的各项参数，包括辊距、辊速、速比、辊筒温度、混炼时间，提高了轮胎的产品质量。

43、3、本发明的自适应缩放因子在迭代初期有利于全局搜索，维持种群个体多样性，在迭代后期，有利于局部搜索，提高搜索精度，本发明的交叉概率能自适应变化，在迭代前期有利于适应度好的个体进入下一代，在后期算法局部收敛前，加速新个体的生成，保持种群多样性。

技术特征：

1.一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述s1确定的密炼过程所需优化的质量指标包括门尼粘度、炭黑分散度、定伸应力、拉伸强度、撕裂强度。

3.根据权利要求1所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述s1进行综合加权评分之前，先对质量指标值进行预处理，然后对预处理后的质量指标值进行加权求和，得到综合加权评分值，其中所述预处理包括：

4.根据权利要求1所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述s2基于bp神经网络，将辊距、辊速、速比、辊筒温度、混炼时间五个工艺参数为输入，将综合加权评分值作为输出，构建综合加权评分值与密炼过程工艺参数的非线性数学模型f(x)，包括：

5.根据权利要求1所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述s3建立的优化模型为：

6.根据权利要求1所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述s4采用改进差分进化算法自适应调整缩放因子f和交叉概率cr，通过变异、交叉、选择操作，求解优化模型，得到最优密炼过程工艺参数值。

7.根据权利要求6所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述改进差分进化算法在变异操作时，随机从种群内选取三个个体xp1j(t)、xp2j(t)、xp3j(t)，并且保证这三个个体互异，则变异方式为:

8.根据权利要求6所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，所述改进差分进化算法在变异操作后采用对称映射法将越界个体转换成一个相对于边界对称的数值，具体如下：

9.根据权利要求6所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，自适应调整缩放因子f的公式为：

10.根据权利要求6所述的一种基于改进差分进化的bp神经网络密炼过程多目标优化方法，其特征在于，交叉概率cr的公式为：

技术总结本发明公开了一种基于改进差分进化的BP神经网络密炼过程多目标优化方法，包括：S1、确定密炼过程所需优化的质量指标，并进行综合加权评分，得到综合加权评分值；S2、基于BP神经网络构建综合加权评分值与密炼过程工艺参数的非线性数学模型；S3、基于所述非线性数学模型，以密炼过程工艺参数为变量，以综合加权评分值最大化为目标建立优化模型；S4、采用改进差分进化算法求解所述优化模型，得到最优密炼过程工艺参数值，实现密炼过程工艺参数多目标优化。本发明不仅能够有效优化密炼过程，提高生产效率和效果，而且具有优良的稳定性和可靠性，对于改善现有密炼过程中的多目标优化问题具有显著作用。技术研发人员：何文敏,张宁涛,李俊,薄翠梅受保护的技术使用者：南京工业大学技术研发日：技术公布日：2024/7/29