Page 123 - 《橡塑技术与装备》2017年19期（10月上半月橡胶）

测试与分析 张海超 等·基于密炼 MES 生产数据的橡胶质量预测研究与实践

每种胶单独建立预测输入模型，以适应多种胶料的生 准确性。
产需求 [3] 。混炼模型中的计算参数如表 1 所示。 本文的 BP 神经网络采用三层全联、单隐层的网
表 1 混炼模型计算参数 络结构。输入量为混炼模型中的称量参数和密炼机运
类别 描述 行参数，此部分会根据胶号调整如数参数的个数 ；输
胶料（称量）/kg 生胶、速炼胶和母胶等
小药（称量）/kg 手配或机配小药半成品 出量为胶片质量特征值门尼黏度。隐藏节点数用经验
炭黑（称量）/kg N550、N234 等 公式 ：
油料（称量）/kg 环保油等
-1
转速（工艺）/(r . min ) 密炼机实际运行参数 m= n+l+a （6）
温度（工艺）/℃ 密炼机实际运行参数 式中，n 为输入层节点数，l 为输出节点数，a 为
压力（工艺）/kPa 密炼机实际运行参数
时间（工艺）/s 密炼机实际运行参数 0 至 10 之间的常数，m 为隐藏层节点数。结合表 1 与
某型号胶，输入量有投料称量的胶料、小药、炭黑、
2 质量预测神经网络 油料的质量参数，以密炼机混炼过程中工艺参数 ：转
密炼车间的橡胶混炼过程较为复杂，密炼过程有 速、压力、时间、温度，因此输入层参数节点数为 8，
传统混炼，串联混炼、一次法混炼。制造轮胎所需的 经过反复实验，得到常数 a 在胶料质量预测模型中的
胶片半成品大多数需要经多次混炼才能成为终胶，一 经验值为 6。因此，该型号胶的预测模型隐层节点数
次法混炼只需进入密炼机一次即可产出终胶。本模型 为 9。
主要以一次法混炼的胶料为数据模型依据，该模型适
配后，推广到传统生产线的生产数据模型上，图 2 即
为胶片质量预测模型的结构。

图 3 检测质量预测 BP 网络结构图
在实际运行过程中，输入层的物料称量信息和密
图 2 质量预测过程模型
炼机混炼过程参数均会因胶号的不同而变化，因此在
胶片质量预测过程模型主要分为两部分，起始阶
建模时，需要对每种类型的胶号分别建立对应模型，
段根据胶片的种类建立各个胶片种类的神经网络模型
以使预测模型能够较好的适配。图 3 中的隐层节点为
库，此模型库包含现有的需要进行预测的胶片模型。
9 ，是模型在一种特定胶号情况下产生的。预测模型
在实际使用的过程中，根据胶片的种类，在模型库中
的网库参数选取如以下步骤 ：
进行选取对应模型，在此模型不存在的情况下即有新
（1）采用最速下降法作为训练算法，激活函数为
品种的胶片需要生产时，则建立新胶号的神经网络，
sigmoid 函数，对权值的修正采用 Delta 规则，误差函
并根据运行数据进行预测，重新放入网络库中。每种 数采用平方型误差函数。
胶号的神经网络模型库会在使用的过程中，根据历史 （2）标准的最速下降法在实际应用中往往有收敛
数据不断自我修正进化神经网络库，提高质量预测的 速度慢的缺点。针对标准 BP 算法的不足，采用动量

年
2017 第 43 卷 ·57·