关键词:
单目标优化模型;最小二乘;多重搜索;模拟退火;蚁群算法
2
一、 问题重述
1 . 1
问题背景
在集成电路板等电子产品生产中,需要将安装有各种电子元件的印刷电路板放置在
回焊炉中,通过加热,将电子元件自动焊接到电路板上。在这个生产过程中,让回焊炉
的各部分保持工艺要求的温度,对产品质量至关重要。目前,这方面的许多工作是通过
实验测试来进行控制和调整的。本题旨在通过机理模型来进行分析研究。回焊炉内部设
置若干个小温区,它们从功能上可分成
4
个大温区:预热区、恒温区、回流区、冷却区。
电路板两侧搭在传送带上匀速进入炉内进行加热焊接。某回焊炉内有
11
个小温区及炉
前区域和炉后区域,每个小温区长度为
30.5 cm
,相邻小温区之间有
5 cm
的间隙,炉前
区域和炉后区域长度均为
25 cm
。回焊炉启动后,炉内空气温度会在短时间内达到稳定,
此后,回焊炉方可进行焊接工作。炉前区域、炉后区域以及小温区之间的间隙不做特殊
的温度控制,其温度与相邻温区的温度有关,各温区边界附近的温度也可能受到相邻温
区温度的影响。另外,生产车间的温度保持在
25ºC
。在设定各温区的温度和传送带的过
炉速度后,可以通过温度传感器测试某些位置上焊接区域中心的温度,称之为炉温曲线
(即焊接区域中心温度曲线)。附件是某次实验中炉温曲线的数据,各温区设定的温度分
别为
175ºC
(小温区
1 5
)、
195ºC
(小温区
6
)、
235ºC
(小温区
7
)、
255ºC
(小温区
8 9
)
及
25ºC
(小温区
10 11
);传送带的过炉速度为
70 cm/min
;焊接区域的厚度为
0.15 mm
。
温度传感器在焊接区域中心的温度达到
30ºC
时开始工作,电路板进入回焊炉开始计时。
实际生产时可以通过调节各温区的设定温度和传送带的过炉速度来控制产品质量。在上
述实验设定温度的基础上,各小温区设定温度可以进行
±10ºC
范围内的调整。调整时要
求小温区
1 5
中的温度保持一致,小温区
8 9
中的温度保持一致,小温区
10 11
中的温度
保持
25ºC
。传送带的过炉速度调节范围为
65 100 cm/min
。
如上图所示
,
将间隙当做一块介质为空气的平板
,
在两侧表面
x=0
,
x=
δ
维持均匀恒
定温度
t
1
和
t
2
,
则平板内任意截面热流密度
q
相同。利用傅里叶定律,即
q
=
−
λ
dT
dx
,其
中
q
为热流密度
,
λ
传热系数,
dT
dx
空间点之间的温度差。可推到出
Z
0
δ
q
d
x
=
−
λ
Z
t
2
t
1
d
t
,
由此得到热流密度后
,
导出温度分布为
t
−
t
2
t
1
−
t
2
= 1
−
x
δ
可得平板内沿导热方向面积不变,热流密度不变,温度呈线性分布。所以在之后的,模
型中
,
本文认为在炉前区域和温区之间的间隙部分,温度应按线性分布
.
(
2
)焊接区域中心温度变化模型
对于回焊炉中某个特定的功能温区
,
电路板在该区域中的受热升温的模型如下图所
示
,
由于电路板的长度和宽度远远大于电路板厚度,本文认为电路板的升温主要受垂直
方向的热流影响
,
将水平方向的热流影响忽略不计。由于电路板的材质一般为金属
,
导热
系数很大,且题中所给的电路板厚度很薄。因此可假设整块电路板的温度近似均匀分布
由于题中已给出各个温区的分布,我们可以得到每个温区的温度和长度,由于已知
传送带的传送速度,可以计算电路板在每个温区内的时间,因而可以计算电路板在经过
每个温区后达到的温度。对于小温区之间的间隙,我们将间隙划分为很小的区域,这样
可以近似认为每个小区域内的温度保持恒定不变,那么我们也可以采用上式计算出电路
板经过每个小区域后的温度,累加之后就可以计算电路板通过变温的间隙时所发生的温
度变化。考虑到电路板升温降温的机理可能有所差异,我们为降温过程另外选取一个模
型进行计算。本文采用牛顿冷却公式建立模型
5 . 1 . 2
模型求解
5 . 1 . 2 . 1
模型求解的过程
最小二乘法(
Least Squares Method
)是一种常用的数学方法,用于拟合一个数学模
型与给定观测数据之间的关系。它的原理基于最小化观测数据与拟合模型之间的残差平
方和,以找到最优的参数估计。通过搜索三个未知的系数来求解附件中给出的炉温曲线
的最佳拟合方式,求解步骤如下:
1.
设置搜索
τ
1
,
τ
2
的步长均为
0.1
,而对于
h
的搜索步长设置为
10
−
5
;
2.
代入三个参数的初始值,通过上述模型进行求解得到整个过程的炉温数据;
3.
求解计算得到的炉温数据与附件给出的测量数据的误差,求出其平方和;
4.
重复上述步骤,在一定范围内搜索寻优找到能够实现对附件中给出的炉温曲线拟合
最好的两个热时间常数和对流热系数。
5 . 1 . 2 . 2
模型求解的结果
当温度升高时,热时间常数一般会变小,从而影响更高的环境温度,为了方便计算,
设在小小温区
1 6
升温过程对应的一个时间常数
τ
1
,在小温区
7 9
升温对应的另一个常
数
τ
2
,利用焊接区域中心的变化模型,对于题目中附件数据进行拟合。若给定
τ
1
,
τ
2
,h
的值,通过最小二乘法,来建立参数估计模型,结果如下:
τ
b
1
, τ
b
2
,
b
h
=
arg
min
τ
1
,τ
2
,h
N
X
n
=1
[
T
(
t
n
, τ
1
, τ
2
, h
)
−
T
0
(
t
0
)]
2
其中
T
(
t
n
, τ
1
, τ
2
, h
)
代表给定的三个参数之后,可求出每个时间点对应的炉温值。
通过上述方法求解,得到
τ
1
=57.4s
,
τ
2
=43.7s
,
h
= 0
.
00678
W
/
mm
2
得到的炉温曲线
与附件中给出的炉温曲线如下图所示
由图可知,在升温过程中,所得到的模型结果与实际数据中给出的炉温曲线拟合情
况较好。但是在降温的过程中,温度下降的速度略慢于实际数据的下降速度,从而在曲
线上有一些差异。鉴于题目中给出的制程界限,其中对温度下降速率有一定的限制,而
本题建立的模型得到的曲线在降温的时候较为平缓,因此,本题模型也有合理之处,可
以更好地满足这个下降速率的限制。
当传送带过炉速度更为
78cm/min
,各温区温度的设定值更改为
T
1
=173°C,
T
2
=198°,
T
3
=230°C,
T
4
,=257°C,
T
5
=25°C
。将这些数据代入到我们的模型中进行计算,得到在该情
�下的焊接区域中心温度变化曲线,即炉温曲线,如下图所示:
合制程限制中的限制条件。
对于题中要求的几个特殊位置的温度值,结果如下表所示:
表
1
特殊位置的炉温值表
温区位置
3
中点
6
中点
7
中点
8
结束处
温度
/°C 129.0153 163.9644 174.8322 207.8417
经计算,炉前区域最左端和题中要求的四个特殊点的距离分别为
111.25mm
,
271.75mm
,
253.25mm, 304mm
,计算出时间可知:小温区
3,6,7
中点及小温区
8
结束处于焊接区域的
中心温度分别为
129.0153°C
,
163.9644°C
,
174.8322°C,207.8417°C
。每隔
0.5s
焊接区域
中心的温度存入
result.csv
中,可从支撑材料查看结果
.
5 . 1 . 3
问题结论
本题基于傅里叶定律,对不做特殊温度处理的区域,建立了温度分布的热传导模型;
基于牛顿冷却定律,对电路板中的焊接区域,建立了温度变化模型,;利用最下二乘法建
立优化模型,拟合实际数据来求解未知参数的最优估计,得到参数对实际曲线拟合较好,
之后代入第一问的新数据计算,绘出该情况下的炉温变化曲线图。得到结果如下:小温
区
3,6,7
中点及小温区
8
结束处于焊接区域的中心温度分别为
129.0153°C
,
163.9644°C
,
174.8322°C,207.8417°C
。并将每隔
0.5s
的数据存入
result.suv
中。
5 . 1 . 4
误差分析
误差分析是在数据拟合或模型评估过程中对拟合结果的误差进行评估和分析的一
项重要任务。相对误差等于真实值减去测量值的结果再除以真实值。通过误差分析,可
以了解模型与观测数据之间的差异,评估拟合结果的准确性,并检查模型的可靠性和拟
合效果。因此,本题可以使用最小二乘法,对附件数据中的实际测量值和问题一中的模
拟观测值的拟合结果进行误差分析,得到结果如
由上图可知,拟合误差曲线整体在正负
0.15
内浮动
,
上下波动较小,绝大部分时间
在误差为
0
的水平界线上下浮动,相对误差较小,拟合拟合效果较好,验证了模型的可
靠性。
5 . 1 . 5
小结
本题基于傅里叶定律,对不做特殊温度处理的区域,建立了温度分布的热传导模型;
基于牛顿冷却定律,对电路板中的焊接区域,建立了温度变化模型,;利用最下二乘法建
立优化模型,拟合实际数据来求解未知参数的最优估计,得到参数对实际曲线拟合较好,
之后代入第一问的新数据计算,绘出该情况下的炉温变化曲线图。得到结果如下:小温
区
3,6,7
中点及小温区
8
结束处于焊接区域的中心温度分别为
129.0153°C
,
163.9644°C
,
174.8322°C,207.8417°C
。并将每隔
0.5s
的数据存入
result.suv
中。最后对曲线的拟合值和
实际值进行误差分析,分析得出相对误差较小,验证了模型的合理性。
5 . 2
问题二的模型建立与求解
问题二设定各个温区的温度,要求在满足制程界限的情况下,确定允许的最大传送
带速度。首先建立以传送带速度为
v
为决策变量,以最大的传输速度为目标函数,以制
程界限为约束条件,建立单目标优化模型。采用多重搜索的方法对模型进行求解
,
得到
传传送带最大的传输速度为
77.85cm/min
,绘制出的炉温曲线变化图与问题一中的过炉
传输速度为
78cm/min
的炉温曲线图,差异较小。
5 . 2 . 1
模型建立
5 . 2 . 1 . 1
模型建立的过程
实际生产中,通过调节各温区的温度设定和传送带过炉的速度来控制产品质量,问
题二已知各温区的设定,求解允许的最大的产送带速度。故以传送带速度
v
为决策变量,
制程界限为约束条件,最大传输速度为目标函数,建立单目标优化模型。
决策变量:传送带速度
v
;
目标函数:
max
F
=
v
10
约束条件:题目所给的制程界限中限制温度上下升斜率在正负三,则有:
−
3
≤
d
u
d
t
≤
3
其中,
−
3
≤
d d
u
t
≤
3
代表温度上升下斜率;因系统温度损失速度与系统和环境差呈正比,
运用牛顿冷却定律得
;
d
u
d
t
=
−
h
(
u
−
u
外界
(
t
))
上式中,
u
为系统的温度,
u
外界
(
t
)
为系统外部的温度,
h
为对流系数;
温度上升过程中在
150°C 190°C
的时间限制在
60 120s
之间
60
≤
t
|
150
≤
u
≤
190
≤
120
温度大于
217°C
的时间限制在
40 90
之间;
40
≤
t
|
u
≥
270
≤
90
其中
,
t
|
u
≥
270
表示温度大于
217°C
的时间;
传送带的过炉速度范围限制在
65 100cm/min
之间
65
≤
v
≤
100
峰值温度限制在
240°C 250°C
之间;
240
≤
u
max
≤
250
其中,
u
max
表示峰值温度;
5 . 2 . 1 . 2
模型表达式
max
F
=
v
s.t.
−
3
≤
d
u
d
t
≤
3
60
≤
t
|
150
≤
u
≤
190
≤
120
40
≤
t
|
u
≥
270
≤
90
240
≤
u
max
≤
250
65
≤
v
≤
100
d
u
d
t
=
−
h
(
u
−
u
外界
(
t
))
5 . 2 . 2
模型求解
5 . 2 . 2 . 1
模型求解的数学思想
多重搜索算法(
Multi-Search Algorithm
)是一种用于解决搜索问题的算法。该算法
可以在搜索空间中同时搜索多个解,以找到最优解或一组较优解。多重搜索算法在实际
应用中具有广泛的应用,例如在人工智能、机器学习、自然语言处理、生物信息学、图
形学等领域都有着重要的应用。运用多重搜索算法对传送带的过炉速度
v
进行两次搜
索,第一次得到过炉速度
v
最大值的区间值,第二次在前面求得的最大值附近以更小的
步长搜索,得到其精确值。
11
5 . 2 . 2 . 2
模型求解的过程
1.
初步搜索:以
lcm/min
为步长,在
[65cm/min, 100em/min]
内进行搜索。对于每一个
搜索值
v
,利用问题的模型,都可以得到一个对应的炉温曲线。之后判断此炉温曲线
是否满足约束条件,若满足则将最大值更新,否则不更新。最终得到满足条件的传
送带的过炉速度,
v
最大值为,由此进行第二次搜索。
2.
精确搜索:在
[76cm/min, 78cm/min]
的范围内,以
0. 01cm/min
为步长对
v
的最大值
进行搜索。最终得到满足条件的
v
最大值。
5 . 2 . 2 . 3
模型求解的结果
在
[76cm/min, 78cm/min]
的范围内,以
0. 01cm/min
为步长对
v
的最大值进行搜索。
最终得到满足条件的
v
最大值为
77.85cm/min.
此时的炉温变化曲线如下图
6
所示
:
图
6
过炉速度为
77.85cm/min
时的炉温曲线图
得到的峰值温度约为
240.04°C
,得到温度上升过程中在
150°C-190°C
的时间为
82.19s.
温度大于
217°C
的时间为
67.40s,
最大的温度上升斜率和温度下降斜率均未超
过正负
3°C
的范围,均符合题目中的制程界限,可以认为
77.85cm/min
为此时最大的传
送带过炉速度。
5 . 2 . 3
问题结论
假设各温区温度的设定值分别为
182ºC
(小温区
1 5
)、
203ºC
(小温区
6
)、
237ºC
(小
温区
7
)、
254ºC
(小温区
8 9
),通过建立的单目标优化模型,利用多重搜索算法对传送
带的过炉速度进行两次搜索,在
[76cm/min, 78cm/min]
的范围内,以
0. 01cm/min
为步
长对
v
的最大值进行搜索。最终得到满足条件的
v
最大值为
77.85cm/min
。
5 . 2 . 4
检验分析
采用蚁群算法对传送带的过炉速度进行求解。蚁群算法是利用蚁群搜索食物源时体
现出的寻有能力求解离散系统优化某些难题的一种新模拟进化算法。原理就是蚂蚁移动
时,在自己走过的道路上留下了一种叫信息素的材料来传递信息,蚂蚁移动时也能感受
到这一材料,并用它来引导其移动方向,即信息素浓度和路径长度呈反比关系。假使这
样一条路径已经被前面的蚂蚁通过已留下信息素,那么后面的蚂蚁在通过这个地方时会
12
比较容易地选择信息素比较多的道路,那么由数量众多的蚂蚁所构成的群体行为就表现
出信息的正反馈,某条道路上行走的蚂蚁数量越多则后来者选择这条道路的几率就越
高,同时信息素浓度和道路长度呈反比关系,最后产生最优道路的可能性就越高。该算
法的主要步骤如下:
1.
nc
= 0
(
nc
为达代步数或搜索次数)
,
τ
ij
和
△
τ
ij
初始化,将
m
蚂蚊置于
n
个顶点上
;
2.
将各蚂蚁的初始出发点置于当前解集,对每个蚂蚁
k
(
k
= 1
,
· · ·
, m
)
.
按概率
p
k ij
移至
下一顶点
j
,将顶点
j
置于当前解集
;
3.
计算各蚂蚁的目标函数值
Z
k
(
k
=1
,
···
,m
)
,记录当前的最好解
;
4.
按更新方程修改轨迹强度
;
5.
对各边弧
(
i, j
)
,置
△
τ
ij
= 0
,
nc
=
nc
+ 1
;
6.
若
nc <
预定的迭代次数,则转至步骤
2.
求解得到传送带的最大传送速度为
77.06cm/min
,与多重搜索算法得出的
77.85cm/min
结果,差异值为
0.79
,差异较小,验证了模型的合理性。
5 . 2 . 5
小结
针对问题二,建立了以传送带速度
v
为决策变量,以制程界限为约束条件,以最大
传输速度为目标,建立单目标优化模型。采用多重搜索法对该模型进行求解,先确定一
个传送带到的区间范围再以小步长进行精细的搜索,对于每一个过炉速度都可基于问题
一中的已经得到的机理模型的得到炉温曲线,并且判断该炉温曲线是否满足制程界限的
的约束条件。经过搜索后得到的最大过炉速度为
77.85cm/min
。最后采用蚁群算法对求
解结果进行检验,得出过炉允许的最大传输速度为
77.06cm/min
。与多重搜索法求得的
结果差异值为
0.79
,差异值较小,验证了模型的合理性。
5 . 3
问题三的模型建立与求解
首先,本题以炉温曲线温度上升过程中超过
217
摄氏度到峰值温度所覆盖的面积
S
取最小为优化目标,以制程界限和传送带速度为约束条件,以时间
t
为决策变量,建立单
目标优化模型。采用模拟退火的方法对该模型进行求解,经过多次迭代后,得到覆盖面积
的最小值为
406.2318
cm
2
,
各温区的设定温度值分别为
184.2181°C,186.8133°C,227.5226°C
,
264.0700°C
,传送带速度为
90.0982cm/min
。
5 . 3 . 1
模型建立
5 . 3 . 1 . 1
模型建立的过程
问题三的优化目标是炉温曲线温度上升过程中超过
217
摄氏度到峰值温度所覆盖的
面积
S
取最小值,如下图的阴影部分,变量是各温度区设定的温度
T
i
(i=1,2,3,4,5)
和传
送带速度
v
。
13
图
7
焊接过程的炉温曲线
其中
S
的计算公式为
Z
t
max
t
0
(
u
(
t
)
−
217)
d
t
其中,
u
(
t
)
表示峰值温度。
5 . 3 . 1 . 2
模型表达式
min
S
=
Z
t
max
t
0
(
u
(
t
)
−
217)
d
t
s.t.
−
3
≤
d d
u
t
≤
3
60
≤
t
|
150
≤
u
≤
190
≤
120
40
≤
t
|
u
≥
270
≤
90
240
≤
u
max
≤
250
65
≤
v
≤
100
165
≤
T
1
≤
185
185
≤
T
2
≤
205
225
≤
T
3
≤
245
245
≤
T
4
≤
265
5 . 3 . 2
模型求解
5 . 3 . 2 . 1
模型求解的原理
模拟退火算法
(SA)
来源于固体退火原理,是一种基于概率的算法。将固体加温至
充分高的温度,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,
分子和原子越不稳定。而徐徐冷却时粒子渐趋有序,能量减少,原子越稳定。在冷却(降
温)过程中,固体在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。
模拟退火算法从某一较高初温出发,伴随温度参数的不断下降
,
结合概率突跳特性在解
14
空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全
局最优。模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性,从而
可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。
5 . 3 . 2 . 2
模型求解的过程
1.
初始化:初始温度
T(
充分大
)
,初始解状态
S(
是算法迭代的起点
)
,每个
T
值的迭代
次数
L
;
2.
对
k=1,...
,
L
做第
(3)
至第
6
步;
3.
产生新解
S′
;
4.
计算增量
ΔT=C(S′)-C(S)
,其中
C(S)
为目标函数
,C(S)
相当于能量;
5.
若
ΔT<0
则接受
S′
作为新的当前解,否则以概率
exp(-ΔT/T)
接受
S′
作为新的当前解;
6.
如果满足终止条件则输出当前解作为最优解,结束程序;
7. T
逐渐减少,且
T->0
,然后转第
2
步。
5 . 3 . 2 . 3
模型求解的结果
各参变量的结果如表所示。
表
2
模拟退火算法求解结果
T
1
/
°
C T
2
/
°
C T
3
/
°
C T
4
/
°
C
v
面积
S
184.2181 186.8133 227.5226 264.0700 90.0982 406.2318
在上述条件下
,
焊接区域中心的温度超过
217
的时间为
53. 49s,240.1371°C,
满足题
中“焊接区域中心的温度超过
217°C
的时间不宜过长
,
不宜过高”的条件。
5 . 3 . 2 . 4
模型求解的结果
利用模拟退火算法对上述优化模型进行计算。选取迭代次数为
20000
次
,
得到迭代
次数与优化目标的变化如下图所示:
图
8
优化目标值随迭代次数变化图
15
从图中可以看出
,
随着迭代次数的增加
,
优化目标先快速下降
,
而后变化逐渐趋缓
,
在
迭代约
830
次后优化目标已经达到比较好的结果。此时的炉温曲线超过
217
到峰值温度
覆盖面积达到了最小值。
图
9
第三问炉温最优炉温曲线
各参变量的结果如表所示。
表
3
模拟退火算法求解结果
T
1
/
°
C T
2
/
°
C T
3
/
°
C T
4
/
°
C
v
面积
S
184.2181 186.8133 227.5226 264.0700 90.0982 406.2318
在上述条件下
,
焊接区域中心的温度超过
217
的时间为
53. 49s,240.1371°C,
满足题
中“焊接区域中心的温度超过
217°C
的时间不宜过长
,
不宜过高”的条件。
5 . 3 . 3
问题结论
在焊接过程中,焊接区域的中心温度超过中心温度
217°C
的时间为
53.49s
,峰值温度
为
240.1317°C
,小温区个区域的设定温度分别为
184.2183°C,189.8133°C,227.5226°C,264.0700°C
,
传送带速度为
90.0982cm/min
,超过
217°C
带峰值温度所覆盖的面积最小为
406.2318
。
5 . 3 . 4
检验分析
采用粒子群算法对求解结果进行检验。检验步骤如下:
1.
在
D=1
维空间里,初始化
N
个粒子,这些粒子分别初始化由以下属性:
1.
第
i
个粒子
的位置
,
即
x
i
, i
= 1
,
2
,
· · ·
, N
;
2.
第
i
个粒子的速度
v
i
, i
= 1
,
2
,
· · ·
, N
;3.
第
i
个粒子所
经过的最好位置
pbest
i
, i
= 1
,
2
,
· · ·
, N
;4.
整个粒子群所经过的最好位置:
gbest
;5.
给
所有粒子的位置加上限制:
xlimit
i
ϵ
[
X
min
, X
max
]
, i
= 1
,
2
,
· · ·
, N, i
= 1
,
2
,
· · ·
, N
6.
给所有粒子速度加上限制
vlimit
i
ϵ
[
V
min
, V
max
]
, i
= 1
,
2
,
· · ·
, N, i
= 1
,
2
,
· · ·
, N
;7.
设置迭代次数
iter;8.
设在每次迭代过程中,粒子们的自我学习因子
c
1
它用来调节粒
16
子每次移动的步长受“自我”的影响因素大小。
9
设每次迭代过程中,粒子的们的群
体学习因子
c
1
,它用来调节粒子每次移动的步长受“群体”的影响因素大小。
10.
设
每次迭代过程中,粒子们的惯性群众为
w
,它是一个非负数,用来体现继承上一刻
自己的速度的能力。
2.
计算粒子的适应度。将第
i
个粒子当前的位置
x
i
带入即可获取当前的适应度
f
(
x
i
)
3.
更新个体极值与全局最优解。更新第
i
个粒子的个体最佳适应度
f
pbest
(
x
i
)
和群体整
体最佳适应度
f
gbest
,再根据
f
更新粒子的最佳位置
pbest, i
= 1
,
2
, ..., N
,
再从这些最
佳位置
f
pbest
中找到一个群体的最佳位置
gbest
,叫做本次迭代的全局最佳位置。
4.
更新个体的速度和位置。
v
i
=
v
i
×
w
+
c
1
×
rand
()
×
(
pbest
i
−
x
i
) +
c
2
×
rand
()
×
(
gbest
i
−
x
i
)
5.
设置终止条件。达到设定迭代次数;某一指标与理想目标的插值满足某一最小界限,
若为达到终止条件,则跳转步骤
2.
粒子群算法求解结果如下表所示:
表
4
粒子群算法求解结果
T
1
/
°
C T
2
/
°
C T
3
/
°
C T
4
/
°
C v
面积
S
184.2160 185.8214 225.5236 264.0726 90.083 404.156
5 . 3 . 5
小结
首先,本题以炉温曲线温度上升过程中超过
217
摄氏度到峰值温度所覆盖的面
积
S
取最小为优化目标,以制程界限和传送带速度为约束条件,以时间
t
为决策变
量,建立单目标优化模型。采用模拟退火的方法对该模型进行求解,经过多次迭代
后,得到覆盖面积的最小值为
406.2318
cm
2
,
各温区的设定温度值分别为
184.2181°C,
186.8133°C, 227.5226°C
,
264.0700°C
,传送带速度为
90.0982cm/min
。最后采用粒子群算
法对该单目标优化模型的求解结果进行检验,计算结果为:各温区的传送带速度分别为
184.2160°C
,
185.8214°C
,
225.5236°C, 264.0726°C
;传送带速度为
90.083cm/min
;最小
值面积为
404.156
cm
2
。
5 . 4
问题四的模型建立与求解
添加文字,
××××
。
5 . 4 . 1
模型建立
5 . 4 . 1 . 1
模型建立的过程
在第三问的基础上,第四问要增加考虑要使得以峰值温度为中心线的两侧超过
217°C
的炉温曲线应尽量对称的目标,首先为曲线超过
217°C
温度线部分的对称程度
定义一个指标。本文首先通过设定各小温区的温度以及传送带的过炉速度,能够得到一
条确定的炉温曲线,能够得到温度到达
217°C
的两个边界时间
t
3
和
t
5
,
满足
(6-8)
的要
求。并能够得到取到最高温的时间,即上文中提到的
t
4
,
满足
(6-9)
的要求。然后,以
t=
t
4
对称轴,两边对称各取
n
组数据进行比较。
n
值的计算公式为
n
=
floor
[[
t
|
150
≤
u
≤
190
+
t
|
u
≥
270
] (2
△
t
)]
其中,
△
t
代表同步长;
17
l
=
P
n
i
=1
参考文献
[1]
杨学山
,
李洁春
,
杨柳等
.
酿酒酵母抗氧化活性及发酵香气化合物研究
[J].
农业机械
学报
: 1-14. .
20
[2]
张敏
,
刘冰
,
王凡等
.
葡萄酒等果酒中总糖含量检测方法的优化研究
[J].
酿酒科技
,
2023(07): 111-115.
[3]
宫英振
,
李敬川
,
张昂等
.
菊花葡萄酒中多酚类化合物的分析
[J].
食品工业
,
2023,44(07): 326-327.
[4]
柏卓君
,
潘勇
,
李仲余
.
彩色多普勒超声在早期胚胎停育诊断中的应用
[J].
影像研究
与医学应用
,2020,4(18):129-131.
[5]
杨芸
.
我院
2018
年人血白蛋白临床应用调查与分析
[J].
上海医药
,2020,41(17):34-
35+74.