【技术实现步骤摘要】
一种基于卷积去噪自编码器的碳纤维原丝监测数据预处理方法
本专利技术涉及碳纤维生产技术，尤其涉及一种基于卷积去噪自编码器的碳纤维原丝监测数据预处理方法。
技术介绍
碳纤维是一种含碳量在90％以上的高强度和高模量的新型纤维材料，其质量比铝轻，强度却高于钢铁，具有耐腐蚀、耐疲劳的特性。同时，又兼备纺织纤维的柔软可加工性，在国防军工和民用方面都是重要材料。聚丙烯腈基碳纤维因其工艺简单、成本较低和优良的性能成为了目前市场占有率最高的一种碳纤维。我国碳纤维研究与生产起步较慢，目前国内高性能碳纤维产品由于受到工艺技术的限制，未能实现全面的工业化生产，导致我国80％以上的高性能碳纤维依赖进口。碳纤维原丝质量是制约碳纤维提高的“瓶颈”。为了提高原丝质量，保证生产的稳定性，对碳纤维原丝生产过程进行实时监测是十分必要的。近年来，碳纤维生产过程的监测问题越来越得到工业界的重视。随着智能制造及大数据的发展，越来越多的监测设备和传感器被部署到碳纤维生产过程中，由此获得得了海量的生产过程监测数据。但是由于网络传输问题、传感器故障及其他人为...
【技术保护点】
1.一种基于卷积去噪自编码器的碳纤维原丝监测数据预处理方法，其特征在于，包括以下步骤：/n1)采集碳纤维原丝生产监测数据，并将数据按照时间顺序和工艺顺序整理成数据集；/n2)选取数据集中无缺失的样本，作为目标数据集；对目标数据集进行随机缺失操作，获得训练数据集；/n3)建立卷积去噪自编码器模型，并利用步骤2)中保存的训练数据集和目标数据集对模型进行训练；/n所述卷积去噪自编码器模型如下：/n卷积去噪自编码器共10层，包括全连接层、2D卷积层、最大池化层、上采样层和反卷积层，/n其中，第1层为全连接层，第2、4层为2D卷积层，第3、5层为最大池化层，第6、8层为上采样层，第7...
【技术特征摘要】
1.一种基于卷积去噪自编码器的碳纤维原丝监测数据预处理方法，其特征在于，包括以下步骤：
1)采集碳纤维原丝生产监测数据，并将数据按照时间顺序和工艺顺序整理成数据集；
2)选取数据集中无缺失的样本，作为目标数据集；对目标数据集进行随机缺失操作，获得训练数据集；
3)建立卷积去噪自编码器模型，并利用步骤2)中保存的训练数据集和目标数据集对模型进行训练；
所述卷积去噪自编码器模型如下：
卷积去噪自编码器共10层，包括全连接层、2D卷积层、最大池化层、上采样层和反卷积层，
其中，第1层为全连接层，第2、4层为2D卷积层，第3、5层为最大池化层，第6、8层为上采样层，第7、9层为反卷积层，第10层为输出层，输出层为全连接层；
4)利用步骤3)训练好的卷积去噪自编码器模型对待处理的原丝监测数据进行预处理。
2.根据权利要求1所述的碳纤维原丝监测数据预处理方法，其特征在于，所述步骤1)中将数据按照时间顺序和工艺顺序整理成数据集，具体如下：
1.1)采集碳纤维原丝生产过程的实时监测数据，以时间为采集序列，根据温度、压力、流量的数据类型生成数据集X＝Xi，其中，系统每一时刻的运行数据值作为该矩阵的一行，其中1≤i≤n，n为数据变量的数目，监测数据包含原丝生产的各个时间段，针对各种数据类型生成数据集表示为：
X＝[X1，X2，X3，…，Xi…，Xn]
1.2)对数据集的特征按照如下原则重新排序，所述原则为：
将数据集的特征按照碳纤维原丝生产的工艺顺序排列；
同一工序内的相同类型的监测数据相邻；
1.3)将整理好的数据集上传至云平台。
3.根据权利要求1所述的碳纤维原丝监测数据预处理方法，其特征在于，所述步骤2)中获得训练数据集的具体步骤如下：
2.1)在步骤1)整理好的数据集中选取无缺失的数据子集X；
2.2)对数据集X进行归一化处理，作为目标数据集D_output，归一化的方法如下：
其中，x为选取的无缺失数据集X中的数据，x′是归一化后的数据集X的数据；
2.3)使用随机置零法，对数据集进行随机缺失操作，缺失比例根据碳纤维原丝监测数据的缺失情况按需设置，由此得到损坏数据集D_corruption；
2.4)对损坏数据集D_corruption进行归一化，得到输入数据集D_input。
4.根据权利要求3所述的碳纤维原丝监测数据预处理方法，其特征在于，所述步骤2.3)中对使用随...
【专利技术属性】
技术研发人员：严俊伟，高根源，娄平，刘泉，周祖德，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。