專利名稱：一種橡膠門尼粘度的在線自動測量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及橡膠輪胎制造領(lǐng)域的質(zhì)量實時監(jiān)控方法，特別涉及一種橡膠門尼粘度的在線自動測量方法。
背景技術(shù)：
橡膠行業(yè)是國民經(jīng)濟的重要基礎(chǔ)產(chǎn)業(yè)之一。它不僅為人們提供日常生活不可或缺的日用、醫(yī)用等輕工橡膠產(chǎn)品，而且向采掘、交通、建筑、機械、電子等重工業(yè)和新興產(chǎn)業(yè)提供各種橡膠制生產(chǎn)設(shè)備或橡膠部件。隨著生產(chǎn)技術(shù)水平的不斷提高，以市場為導(dǎo)向的經(jīng)營方式對橡膠產(chǎn)品的質(zhì)量提出了更高的要求。橡膠混煉是用煉膠機將生膠或塑煉生膠與配合劑煉成橡膠的工藝，是橡膠加工最重要的生產(chǎn)工藝。本質(zhì)來說是配合劑在生膠中均勻分散的過程，粒狀配合劑呈分散相，生膠呈連續(xù)相。加入配合劑后的橡膠料的質(zhì)量，對半成品的工藝性能和成品質(zhì)量均具有決定性影響。這一點在橡膠輪胎的生產(chǎn)過程中顯得尤為重要。所以保證橡膠的質(zhì)量是橡膠加工過程中的最基本要求。橡膠混煉過程具有較強的時變性、非線性，是典型的工業(yè)間歇生產(chǎn)過程。因此，獲得實時、可靠的橡膠產(chǎn)品質(zhì)量數(shù)據(jù)是是保證生產(chǎn)連續(xù)性的關(guān)鍵。門尼粘度是衡量橡膠加工性能好壞的重要指標，它反映了膠料的粘度特性、可加工特性和壓延特性等多方面性能。當前國內(nèi)橡膠輪胎生產(chǎn)過程中，橡膠門尼粘度的檢測主要依靠質(zhì)檢人員手動采樣、制樣并使用相關(guān)儀器測量，主要經(jīng)過以下步驟1、膠料通過密煉、擠出、壓延、開煉等工序后，經(jīng)過隔離劑，風機冷卻，風冷后疊片并記錄相關(guān)車次信息；2、疊好的橡膠需停放一定時間G 8小時)，使其物料特性穩(wěn)定，然后由質(zhì)檢人員取樣送檢；3、在快檢室手動沖樣，制備出合適的樣品；4、采用門尼粘度儀測量樣品的門尼粘度并記錄?？梢?，由此得到的膠料質(zhì)量指標——門尼粘度明顯滯后于實際生產(chǎn)，使得生產(chǎn)過程的連續(xù)性大大降低。每車次橡膠至少需停放4小時以上，待檢測合格方可進行后續(xù)加工，而每車次膠料混煉僅需2 3分鐘，技術(shù)水平的限制，使得橡膠門尼粘度的檢測率通常不到20%，如此嚴重的滯后效應(yīng)導(dǎo)致生產(chǎn)效率大幅降低，嚴重制約著各種先進控制技術(shù)的普及應(yīng)用和產(chǎn)品質(zhì)量的進一步提高，使橡膠輪胎的生產(chǎn)商面臨著巨大的經(jīng)濟風險。此外，由于測量過程中，裁片、取樣、沖樣等工作均由人工完成，增加了測量數(shù)據(jù)的不確定性，進一步影響著橡膠的質(zhì)量，加工性能也得不到保證。并且這種檢測方法需要專門的工作人員，配備多臺門尼檢測儀器，增加了各種人力、財力、物力成本，降低了企業(yè)生產(chǎn)效益。因此，門尼粘度值檢測的滯后性和不確定性，長期以來嚴重制約著橡膠混煉過程的發(fā)展，是橡膠輪胎生產(chǎn)工藝改進的瓶頸問題。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題在于提供一種橡膠門尼粘度的在線自動測量方法，該方法可以實現(xiàn)實時的測量門尼粘度，測量結(jié)果準確和成產(chǎn)成本低等優(yōu)點，詳見下文描述一種橡膠門尼粘度的在線自動測量方法，所述方法包括以下步驟(1)將質(zhì)檢系統(tǒng)獲得的終煉膠流變參數(shù)輸入門尼粘度在線預(yù)測模型，自動輸出門尼粘度值；(2)將所述門尼粘度值反饋給所述質(zhì)檢系統(tǒng)，所述質(zhì)檢系統(tǒng)判斷所述門尼粘度值是否在門尼粘度預(yù)設(shè)范圍值內(nèi)，如果是，繼續(xù)生產(chǎn)，更新所述門尼粘度在線預(yù)測模型；如果否，發(fā)出警報，由操作人員檢查生產(chǎn)流程并予以校正，舍棄超出范圍的門尼粘度值
^new ‘(3)重復(fù)執(zhí)行步驟(1)-步驟( ，直至不再有所述終煉膠流變參數(shù)輸入時，流程結(jié)
束ο所述門尼粘度在線預(yù)測模型具體為1)首先采集所述終煉膠流變參數(shù)，建立原始樣本集X。ld，對所述原始樣本集Xold進行多項式改造得到Xraitea，組成Xnew= [XoldXextra]；2)通過偏最小二乘算法(PLS)，提取Xnew的潛變量u和Y的潛變量t ；w = XtXY/(YtXY)；w = w/sqrt(wTXw)；t = XXw q = YTXt/(tTXt)；u = YXq/(qTXq)；其中，Y表示正常范圍的門尼粘度值，w表示X的權(quán)重，q為Y的負載向量；3)利用高斯過程建立所述潛變量u和所述潛變量t的回歸關(guān)系；4)計算數(shù)據(jù)矩陣Xnrat的殘差E和Y的殘差F，返回至第2、步，再次提取第二對潛變量u和t ；5)重復(fù)步驟幻和步驟4)，直至預(yù)測殘差平方和的增量小于收斂值，即為收斂，獲取所述門尼粘度在線預(yù)測模型。本發(fā)明提供的一種橡膠門尼粘度的在線自動測量方法，與現(xiàn)有技術(shù)相比具有如下的優(yōu)點根據(jù)橡膠混煉過程中檢測率為100%的流變參數(shù)來預(yù)測門尼粘度，在不增加采樣負擔的前提下，最大限度地減少橡膠停放時間，在一定程度上保證生產(chǎn)的連續(xù)性；利用門尼粘度在線預(yù)測模型計算出門尼粘度的實時預(yù)測值；同時保證模型的可靠性，即不斷更新門尼粘度在線預(yù)測模型，對橡膠混煉過程進行實時監(jiān)控，能夠?qū)崟r反映并跟蹤生產(chǎn)狀況，使得門尼粘度在線預(yù)測模型更能體現(xiàn)現(xiàn)有生產(chǎn)特征。


圖1為本發(fā)明提供的門尼粘度在線測量模型的示意圖；圖2為本發(fā)明提供的一種橡膠門尼粘度的在線自動測量方法的流程圖。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。流變儀檢測的各項指標是橡膠質(zhì)量體系的重要組成部分，通常檢測時間較短，僅需2分鐘左右，且不需停放后檢測。調(diào)查研究表明，流變指標與門尼粘度之間存在緊密聯(lián)系。所以，通過流變參數(shù)來估算或預(yù)測門尼粘度值是解決門尼粘度檢測問題的有效途徑。流變儀檢測得到的各參數(shù)在一定程度上反映了膠料質(zhì)量及加工性能是橡膠質(zhì)量體系的重要組成部分。主要包括最低扭矩、最高扭矩和硫化時間參數(shù)。流變參數(shù)的檢測率是100%，每次僅需2分鐘，且不需停放后檢測。調(diào)查研究表明，流變指標與門尼粘度之間存在緊密聯(lián)系。所以采用數(shù)據(jù)驅(qū)動的方法，即通過流變參數(shù)來估算或預(yù)測門尼粘度值是解決門尼粘度檢測問題的有效途徑。隨著計算機技術(shù)和工業(yè)自動化的發(fā)展，基于數(shù)據(jù)驅(qū)動的方法已經(jīng)在很多領(lǐng)域都得到了廣泛應(yīng)用，包括過程工業(yè)、商業(yè)和金融業(yè)等。通常，這些方法根據(jù)歷史數(shù)據(jù)，借助統(tǒng)計手段，分析并提取相關(guān)信息，以應(yīng)對當前或未來的決策需要。不過，很多時候，歷史數(shù)據(jù)雖然較多，但包含的信息卻相對缺乏，這在一定程度上也推動了統(tǒng)計方法的發(fā)展，促使人們尋求更有效、更可靠的數(shù)學工具來解決相關(guān)問題。多年來，科學家們提出了許多基于統(tǒng)計的數(shù)學方法，如 PCA (Principal Component Analysis,主成分分析)、PLS (Partial Least Squares,部分最小二乘)、ANN(Artificial Neural Networks，人工神經(jīng)網(wǎng)絡(luò))、SVM(Support VectorMachine，支持向量機)和GP(GauSSian ftOcess，高斯過程)等等。其中，較早的線性方法如PCA、PLS，由于其易于理解，方便可靠，至今仍在廣泛使用。它們通過提取潛在變量，并克服變量之間的相關(guān)性來減少變量的維數(shù)，提高計算效率，不僅適用于小樣本數(shù)據(jù)集，也適合大樣本數(shù)據(jù)集。然而，這些方法在面對復(fù)雜過程變化時，就不足以解釋數(shù)據(jù)信息及數(shù)據(jù)之間的相互關(guān)系了。很多時候，復(fù)雜的工業(yè)過程表現(xiàn)出來的非線性較強。如產(chǎn)品的質(zhì)量指標或是某一特定需求指標與各種可測變量之間，由于受復(fù)雜外在環(huán)境影響，或是其本身的性質(zhì)變化，呈現(xiàn)復(fù)雜的非線性關(guān)系。這時就需要比較好的非線性方法來解決相應(yīng)的問題。GP是最近十年來由科學研究人員提出的一種新的非線性算法，其在非線性，小樣本數(shù)據(jù)集上表現(xiàn)優(yōu)秀。是一種概率意義的核學習的機器學習算法，它采用迭代的方法優(yōu)化學習參數(shù)。但是，GP在建立數(shù)學模型時，在某些方面也會遇到困難。比如，當輸入變量維數(shù)比較高的時候，需要更多的時間來優(yōu)化參數(shù)，大幅增加了計算成本。一種有效的工具是PCA，來降低輸入變量的維數(shù)。使用PLS或許更有效，因為它考慮了輸入和輸出之間的相互影響，而PCA并未考慮這一點。因為許多數(shù)據(jù)驅(qū)動的方法其前提假設(shè)就是樣本服從高斯分布。事實上，對于橡膠混煉過程，由于各種儀器噪聲或是測量噪聲的影響，測量結(jié)果在GP分布這一點假設(shè)上是滿足的。所以，結(jié)合PLS和GP的優(yōu)勢，可以得到更有效的數(shù)學模型，來描述數(shù)據(jù)關(guān)系。由于PLS是線性的，為了獲得更好的模型精度，科學研究人員們開發(fā)了一些非線性的 PLS 算法，如 Kernel PLS(KPLS)， Neural Network PLS(NNPLS)， GeneralizedPLS(GPLS)，其中，GPLS是一種采用多項式對輸入數(shù)據(jù)轉(zhuǎn)換的PLS方法，定義原始輸入數(shù)據(jù)矩陣為 X，X = (X1, χ2,... , X1V，那么新輸入變量為 Xnew = (X1, X2,... ,X1,... , x1+s)。也就
其中s = 1+(1-1) + (1-2)+. · · +1，人1(1是原始輸入變量乂4吣 是附加的改造變量，Xextra 的每個變量分別為 XijXik, XijXik, Xim，其中(i = 1，2. . .，Π ； j，k，Hl = 1，2，. . .，1)。其他步驟與普通的PLS相同。近年來，高斯過程作為一種有效的建模工具，吸引了許多研究人員的注意，它不僅可以解決回歸問題，也可以解決分類問題，許多研究工作表明，它比ANN和SVM在部分情況下更有效。它基于貝葉斯理論，是一種概率核學習機。通常情況下，認為高斯過程是隨機變量的集合，任何有限的隨機變量的組合服從聯(lián)合高斯分布。高斯過程可以由一個均值函數(shù)和一個協(xié)方差函數(shù)完全確定，一般情況下，取0作為其均值函數(shù)。f(x) GP(0，C)其中C是N階協(xié)方差矩陣，如下的協(xié)方差函數(shù)形式，已被證明在大多數(shù)情況下適用且表現(xiàn)不錯
Γ 1 ti2 d C (x2 ,Xj) = v0 exp^--^^ (xn - x3l) \ +χηχβ + VlSlj
L ^ /=1J/=1其中Xi是第 i個變量，且當 i = j 時 δ。= 1，θ = log(Vq，Vi，Wi，···， ， ， )是模型的超參數(shù)對于一個新的待測點來說，其輸出分布仍然是高斯的，其均值和方差分別為y{x) = kT{x)K-lyσ》(jc*) = C{x\x)-kT [x)Klk[x)其中，k(χ) = (C(x*，xi)，···，C(x*，xn))T，Kij = C(Xi，Xj)。在上面幾個式子中*號表示新樣本。通過如下的似然函數(shù)，使用最大后驗估計或者是馬爾科夫鏈蒙特卡羅的方法，可以求出模型的最優(yōu)超參數(shù)，
1\ηZ =--log det C ~-tTC'lt --log 2π下面按具體實施過程詳細描述本發(fā)明實施例提供的一種橡膠門尼粘度的在線自動測量方法。101 將質(zhì)檢系統(tǒng)獲得的終煉膠流變參數(shù)輸入門尼粘度在線預(yù)測模型，自動輸出門尼粘度值；其中，該步驟具體為當前車次混煉過程結(jié)束后，將質(zhì)檢系統(tǒng)檢測獲得的終煉膠流變參數(shù)信息輸入門尼粘度在線預(yù)測模型，自動輸出門尼粘度值ynOT。其中，該門尼粘度在線預(yù)測模型的建立過程為根據(jù)橡膠的兩個主要質(zhì)量指標一一門尼粘度和流變參數(shù)之間的相互聯(lián)系，結(jié)合改進的偏最小二乘回歸方法GPLS和高斯過程GP根據(jù)流變參數(shù)建立門尼粘度在線預(yù)測模型GPLS-GP，獲得最終的預(yù)測值作為門尼粘度參考值。本發(fā)明實施例基于機理分析及大量實驗驗證，由此建立門尼粘度在線預(yù)測模型GPLS-GP,利用流變參數(shù)預(yù)測出門尼粘度值，模型描述如下根據(jù)已有歷史生產(chǎn)數(shù)據(jù)建立初始模型，初始模型樣本數(shù)為30個。生產(chǎn)正常時，每獲得一車次橡膠流變參數(shù)與對應(yīng)門尼粘度值則替代一個原始模型中的樣本，保證模型中樣本總數(shù)不少于30個。
1)首先采集終煉膠流變參數(shù)，建立原始樣本集X。ld，對原始樣本集X。ld進行多項式改&子導(dǎo)至丨J Xextra' Slj^ Xnew = [X0IdXextrJ ；其中，原始樣本集X。ld中的樣本點數(shù)目超過30則更新原始樣本集X。ld，將原始樣本數(shù)據(jù)矩陣X經(jīng)改造獲得新的數(shù)據(jù)矩陣XnOT，從而保證模型的非線性，此為GPLS條件。2)通過偏最小二乘算法(PLS)，提取Xnev的潛變量u和Y的潛變量t ；w = XtXY/(YtXY)；w = w/sqrt(wTXw)；t = XXw ；q = YTXt/(tTXt)；u = YXq/(qTXq)；其中，Y表示正常范圍的門尼粘度值，建模前為歷史經(jīng)驗數(shù)據(jù)，建模后則以正常預(yù)測值替代，w表示X的權(quán)重，q為Y的負載向量。3)利用高斯過程建立u和t的回歸關(guān)系；4)計算數(shù)據(jù)矩陣Xnrat的殘差E和Y的殘差F，返回至第2、步，再次提取第二對潛變量u和t ；5)重復(fù)步驟幻和步驟4)，預(yù)測殘差平方和的增量小于收斂值，即為收斂，獲取門尼粘度在線預(yù)測模型。至此，門尼粘度在線預(yù)測模型建立完畢。其中，以PRESSao表示第k次提取后η個樣本的預(yù)測殘差平方和，即
ηPRESSfk) = Yj (yt - yt f
i=l如果PRESSao-PRESS(H) < ε，其中，收斂值ε根據(jù)實際應(yīng)用中的需要進行設(shè)定，例如收斂值為一般取略大于0的正數(shù)，如10_6。102 將門尼粘度值yMW反饋給質(zhì)檢系統(tǒng)，質(zhì)檢系統(tǒng)判斷門尼粘度值ynOT是否在門尼粘度預(yù)設(shè)范圍值內(nèi)，如果是，繼續(xù)生產(chǎn)，更新門尼粘度在線預(yù)測模型；如果否，發(fā)出警報，由操作人員檢查生產(chǎn)流程并予以校正，并舍棄超出范圍的門尼粘度值ynOT;其中，根據(jù)實際情況，在進行生產(chǎn)校正時，通常需要調(diào)整橡膠擠出參數(shù)，壓延參數(shù)，膠料配比等。其中，門尼粘度預(yù)設(shè)范圍值根據(jù)實際應(yīng)用中的需要進行設(shè)定，具體實現(xiàn)時，本發(fā)明實施例對此不做限制。103 重復(fù)執(zhí)行步驟101-102，直至不再有終煉膠流變參數(shù)輸入時，流程結(jié)束。綜上所述，本發(fā)明實施例提供了一種橡膠門尼粘度的在線自動測量方法，本發(fā)明實施例依據(jù)用橡膠的流變參數(shù)預(yù)測出門尼粘度值，大大減少測量的滯后性，實現(xiàn)門尼粘度在線檢測，以便實時控制混煉膠的質(zhì)量，為進一步保證橡膠制品的質(zhì)量打下基礎(chǔ)，而且高質(zhì)量橡膠的生產(chǎn)也為廠商帶來了更高的經(jīng)濟利益；降低廠商的生產(chǎn)成本節(jié)省了購買和維護門尼儀的大量費用；避免了傳統(tǒng)測量門尼儀方法所需的大量人力物力所消耗的成本，可大大降低廠商的成本投入，提高工廠利益；該方法充分的考慮了變量之間的非線性關(guān)系，使得建立的門尼粘度在線預(yù)測模型更能反映參數(shù)之間的關(guān)系，預(yù)測數(shù)據(jù)更加準確可靠。同時，由于門尼粘度在線預(yù)測模型的適時更新，所以它能夠?qū)崟r反映并跟蹤生產(chǎn)狀況，使得門尼粘度在線預(yù)測模型更能體現(xiàn)現(xiàn)有生產(chǎn)特征。該方法的提出，是先進控制策略的一項成功應(yīng)用，為橡膠生產(chǎn)的智能控制的發(fā)展做出了巨大的貢獻，提高生產(chǎn)自動化水平，更為企業(yè)的發(fā)展提供了巨大的幫助，節(jié)約大量成本，創(chuàng)造更多的利潤。本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實施例的示意圖，上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種橡膠門尼粘度的在線自動測量方法，其特征在于，所述方法包括以下步驟(1)將質(zhì)檢系統(tǒng)獲得的終煉膠流變參數(shù)輸入門尼粘度在線預(yù)測模型，自動輸出門尼粘度值；(2)將所述門尼粘度值ynOT反饋給所述質(zhì)檢系統(tǒng)，所述質(zhì)檢系統(tǒng)判斷所述門尼粘度值Ynew是否在門尼粘度預(yù)設(shè)范圍值內(nèi)，如果是，繼續(xù)生產(chǎn)，更新所述門尼粘度在線預(yù)測模型；如果否，發(fā)出警報，由操作人員檢查生產(chǎn)流程并予以校正，舍棄超出范圍的門尼粘度值ynOT;(3)重復(fù)執(zhí)行步驟(1)-步驟O)，直到不再有所述終煉膠流變參數(shù)輸入時，流程結(jié)束。
2.根據(jù)權(quán)利要求1所述的一種橡膠門尼粘度的在線自動測量方法，其特征在于，所述門尼粘度在線預(yù)測模型具體為1)首先采集所述終煉膠流變參數(shù)，建立原始樣本集X。ld，對所述原始樣本集Xold進行多項式改造得到Xrartra，組成Xnew= [XoldXextra]；2)通過偏最小二乘算法，提取Xnrat的潛變量u和Y的潛變量t；w = XtXY/ (YtXY)；w = w/sqrt (wT X w)；t = XXw ；q = YTXt/(tTXt)；u = YXq/(qTXq)；其中，Y表示正常范圍的門尼粘度值，w表示X的權(quán)重，q為Y的負載向量；3)利用高斯過程建立所述潛變量u和所述潛變量t的回歸關(guān)系；4)計算數(shù)據(jù)矩陣Xnev的殘差E和Y的殘差F，返回至第2、步，再次提取第二對潛變量u和t ；5)重復(fù)步驟幻和步驟4)，直至預(yù)測殘差平方和的增量小于收斂值，獲取所述門尼粘度在線預(yù)測模型。
全文摘要
本發(fā)明公開了一種橡膠門尼粘度的在線自動測量方法，所述方法包括以下步驟將質(zhì)檢系統(tǒng)獲得的終煉膠流變參數(shù)輸入門尼粘度在線預(yù)測模型，自動輸出門尼粘度值ynew；將所述門尼粘度值ynew反饋給所述質(zhì)檢系統(tǒng)，所述質(zhì)檢系統(tǒng)判斷所述門尼粘度值ynew是否在門尼粘度預(yù)設(shè)范圍值內(nèi)，如果是，繼續(xù)生產(chǎn)，更新所述門尼粘度在線預(yù)測模型；如果否，發(fā)出警報，由操作人員檢查生產(chǎn)流程并予以校正，舍棄超出范圍的門尼粘度值ynew；重復(fù)執(zhí)行，直至不再有所述終煉膠流變參數(shù)輸入時，流程結(jié)束。在不增加采樣負擔的前提下，最大限度地減少橡膠停放時間，在一定程度上保證生產(chǎn)的連續(xù)性；利用門尼粘度在線預(yù)測模型計算出門尼粘度的實時預(yù)測值；同時保證模型的可靠性。
文檔編號B29B7/28GK102390096SQ20111025101
公開日2012年3月28日 申請日期2011年8月29日 優(yōu)先權(quán)日2011年8月29日
發(fā)明者宋凱, 童拓鵬 申請人:天津大學