一种同轴电缆同心度在线补偿控制方法及系统技术方案

本发明专利技术公开了一种同轴电缆同心度在线补偿控制方法及系统。方法包括：（1）获取X光偏心检测仪的各径向检测方向的发泡层厚度；（2）获取热水槽水温、水流速度；（3）获取发泡材料挤出机各个压力出料口的电控压力值；（4）采用基于马尔科夫过程的无模型强化学习算法决策压力出料口的电控压力值。系统包括X射线测偏仪、水槽监测模块、出料口压力检测模块、决策控制模块、以及挤出机头电控模块。本发明专利技术结合工业物联网数据采集技术和基于马尔科夫过程的无模型强化学习算法，实现同轴电缆同心度在线补偿控制，针对硬件设备进行控制补偿，随着算法的不断迭代，不仅能将同轴电缆的同心度控制在合格标准之上，更是能稳定同心度在最佳机械状态。态。态。

【技术实现步骤摘要】
一种同轴电缆同心度在线补偿控制方法及系统


[0001]本专利技术属于同轴电缆加工领域，更具体地，涉及一种同轴电缆同心度在线补偿控制方法及系统。

技术介绍

[0002]射频同轴电缆是指有两个同心导体，而内导体与外导体又共用同一轴心的电缆，其基本结构包括内导体、绝缘层、外导体和外护套。同心度是指导体对各绝缘层的位置,有良好的同轴对称性，同轴电缆取绝缘层薄切片，使用投影仪对其厚度进行测量，通过计算得出绝缘同心度数值。
[0003]当电缆绝缘层的同心度超过设置指标或者波动过大以后，电缆的电气性能、阻抗、驻波等指标会明显恶化。
[0004]现有的绝缘同心度检测一般都是X射线测偏仪在线检测，工人根据数据对发泡材料挤出头出料口的压力做出调整，但是比较考验工人的技能熟练度，当工人经验不足时，有可能会导致调整后的同心度会更差，影响产品质量。而且当X射线测偏仪检测到同心度不合格时，无法补救产品的质量，只能报废处理。
[0005]同时，工况环境的改变，也会一定程度上影响同轴电缆发泡绝缘材料的成型过程，从而影响同心度，并且人为观察不易做出精准及时的调整，导致产品质量下降。

技术实现思路

[0006]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种同轴电缆同心度在线补偿控制方法及系统，其目的在于针对装配完成的同轴电缆生产线的发泡层挤出工艺，通过采用基于马尔科夫过程的无模型强化学习算法，进行迭代更新控制，从而实现同轴电缆同心度在线补偿控制，通过软件补偿弥补硬件设备、工况环境差异带来的同心度降低或波动，由此解决现有技术依靠人工手动控制挤出机头的出料口压力，不能实时适应工况环境差异带来的同心度降低或者波动的技术问题。
[0007]为实现上述目的，按照本专利技术的一个方面，提供了一种同轴电缆同心度在线补偿控制方法，其应用于具有X光偏心检测仪的同轴电缆生产线；所述同轴电缆生产线，在内的导体成形后，至少包括生产线方向依次设置的发泡材料挤出机、热水槽、以及基于X
‑
光测量的X射线测偏仪；所述发泡材料挤出机具有电控制的多个压力出料口，所述多个压力出料口在挤出机头圆周上周向均匀布置；在每个时隙，执行以下步骤：（1）获取X光偏心检测仪的各径向检测方向的发泡层厚度，组合成偏心状态，记作，其中为径向检测方向数量，为第径向检测方
向上测得的发泡层厚度，；（2）获取热水槽水温、水流速度，组合成热水槽状态，记作；（3）获取发泡材料挤出机各个压力出料口的电控压力值，组合成出料口状态，记作，其中为出料口数量，为第出料口的电控压力值，；（4）根据步骤（1）~（3）采集的偏心状态、热水槽状态，出料口状态，采用基于马尔科夫过程的无模型强化学习算法决策下一时隙的压力出料口电控信号；所述出料口电控信号，各个压力出料口的电控信号值组成，记作；（5）按照步骤（4）获得发泡材料挤出机的电控信号，调整多个压力出料口的电控压力值，并进入下一时隙。
[0008]优选地，所述同轴电缆同心度在线补偿控制方法，其步骤（4）基于马尔科夫过程的无模型强化学习算法，具体如下：状态定义为偏芯状态、热水槽状态、出料口状态集合，记作：；行动定义为压力出料口电控信号，记作；奖励函数定义为同心度、以及各出料口电控压力值变化率负值的加权和，计算方法如下：其中，为权重系数，为同心度，按照如下方法计算：其中，为各径向检测方向的发泡层厚度的最大值，为各径向检测方向的发泡层厚度的最小值。
[0009]优选地，所述同轴电缆同心度在线补偿控制方法，其步骤（4）采用DQN网络最大化决策效用。
[0010]优选地，所述同轴电缆同心度在线补偿控制方法，其策略是给定状态时，选择行动概率的函数，目标是最大化从时间开始以前预设时间段内累积的奖励值；在策略下定义行动值函数如下：其中，表示打折因子，为数学期望；最优的行动值满足如下等式：在学习算法中，本专利技术使用的表来估计最优的行动值函数，表的更新规则如下：其中，是学习率。
[0011]优选地，所述同轴电缆同心度在线补偿控制方法，其所述径向检测方向数量，所述出料口数量。
[0012]按照本专利技术的另一个方面，提供了一种同轴电缆同心度在线补偿控制系统，其包括：X射线测偏仪、水槽监测模块、出料口压力检测模块、决策控制模块、以及挤出机头电控模块；所述X射线测偏仪，用于监测获取X光偏心检测仪的各径向检测方向的发泡层厚度，组合成偏心状态并提交给所述决策控制模块，记作，其中为径向检测方向数量，为第径向检测方向上测得的发泡层厚度，；
所述水槽监测模块，用于监测获取热水槽水温、水流速度，组合成热水槽状态并提交给所述决策控制模块，记作；所述出料口压力检测模块，用于监测获取发泡材料挤出机各个压力出料口的电控压力值，组合成出料口状态并提交给所述决策控制模块，记作，其中为出料口数量，为第出料口的电控压力值，；所述决策控制模块，用于根据采集的偏心状态、热水槽状态，出料口状态，采用基于马尔科夫过程的无模型强化学习算法决策下一时隙的压力出料口电控信号并提交给挤出机头电控模块；所述出料口电控信号，各个压力出料口的电控信号值组成，记作；优选地，所述同轴电缆同心度在线补偿控制系统，其所述决策控制模块采用的基于马尔科夫过程的无模型强化学习算法，具体如下：状态定义为偏芯状态、热水槽状态、出料口状态集合，记作：；行动定义为压力出料口电控信号，记作；奖励函数定义为同心度、以及各出料口电控压力值变化率负值的加权和，计算方法如下：其中，为权重系数，为同心度，按照如下方法计算：其中，为各径向检测方向的发泡层厚度的最大值，为各径向检测方向的发泡层厚度的最小值。
[0013]优选地，所述同轴电缆同心度在线补偿控制系统，其所述决策控制模块采用DQN网络最大化决策效用。
[0014]优选地，所述同轴电缆同心度在线补偿控制系统，其策略是给定
状态时，选择行动概率的函数，目标是最大化从时间开始以前预设时间段内累积的奖励值；在策略下定义行动值函数如下：其中，表示打折因子，为数学期望；最优的行动值满足如下等式：在学习算法中，本专利技术使用的表来估计最优的行动值函数，表的更新规则如下：其中，是学习率。
[0015]优选地，所述同轴电缆同心度在线补偿控制系统，其所述径向检测方向数量，所述出料口数量。
[0016]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：本专利技术结合工业物联网数据采集技术和基于马尔科夫过程的无模型强化学习算法，实现同轴电缆同心度在线补偿控制，针对硬件设备进行控制补偿，随着算法的不断迭代，不仅能将同轴电缆的同心度控制在合格标准之上，更是能稳定同心度在最佳机械状态，降低同心度波动；并能自动化的适应不同工况环境。
附图说明
[0017]图1是本专利技术实施例采用的同轴电缆生产线模块示意图；图2是本专利技术实施例发泡材料挤出机生产线方向投影视图；图3是本专利技术实施例X射线测偏仪径向检测方向示意图。
[0018]在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：1为X射线测偏仪，2为水槽监测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同轴电缆同心度在线补偿控制方法，其特征在于，应用于具有X光偏心检测仪的同轴电缆生产线；所述同轴电缆生产线，在内的导体成形后，至少包括生产线方向依次设置的发泡材料挤出机、热水槽、以及基于X
‑
光测量的X射线测偏仪；所述发泡材料挤出机具有电控制的多个压力出料口，所述多个压力出料口在挤出机头圆周上周向均匀布置；在每个时隙，执行以下步骤：（1）获取X光偏心检测仪的各径向检测方向的发泡层厚度，组合成偏心状态，记作，其中为径向检测方向数量，为第径向检测方向上测得的发泡层厚度，；（2）获取热水槽水温、水流速度，组合成热水槽状态，记作；（3）获取发泡材料挤出机各个压力出料口的电控压力值，组合成出料口状态，记作，其中为出料口数量，为第出料口的电控压力值，；（4）根据步骤（1）~（3）采集的偏心状态、热水槽状态，出料口状态，采用基于马尔科夫过程的无模型强化学习算法决策下一时隙的压力出料口电控信号；所述出料口电控信号，各个压力出料口的电控信号值组成，记作；（5）按照步骤（4）获得发泡材料挤出机的电控信号，调整多个压力出料口的电控压力值，并进入下一时隙。2.如权利要求1所述的同轴电缆同心度在线补偿控制方法，其特征在于，步骤（4）基于马尔科夫过程的无模型强化学习算法，具体如下：状态定义为偏芯状态、热水槽状态、出料口状态集合，记作：；行动定义为压力出料口电控信号，记作；
奖励函数定义为同心度、以及各出料口电控压力值变化率负值的加权和，计算方法如下：其中，、为权重系数，为同心度，按照如下方法计算：其中，为各径向检测方向的发泡层厚度的最大值，为各径向检测方向的发泡层厚度的最小值。3.如权利要求1或2所述的同轴电缆同心度在线补偿控制方法，其特征在于，步骤（4）采用DQN网络最大化决策效用。4.如权利要求3所述的同轴电缆同心度在线补偿控制方法，其特征在于，其策略是给定状态时，选择行动概率的函数，目标是最大化从时间开始以前预设时间段内累积的奖励值；在策略下定义行动值函数如下：其中，表示打折因子，为数学期望；最优的行动值满足如下等式：在学习算法中，本发明使用的表来估计最优的行动值函数，表的更新规则如下：
其中，是学习率。5.如权利要求1所述的同轴电缆同...

【专利技术属性】
技术研发人员：王念立，李选进，祝建峰，朱福浩，
申请(专利权)人：武汉长飞通用电缆有限公司，
类型：发明
国别省市：