1.一种基于人工神经网络的铝电解电容器卷芯直径计算方法,其特征在于,包括以下步骤:第一步:输入向量、输出向量、权重向量和神经网络模型定义:
1)定义神经网络的输入向量x’=(x1,x2,x3,...,x17),x1~x17。
x1:阳极箔厚度
x2:阳极箔面积
x3:阴极箔厚度
x4:阴极箔面积
x5:电解纸厚度
x6:电解纸面积
x7:导箔条厚度
x8:导箔条面积
x9:电胶带厚度
x10:电胶带面积
x11:卷芯直径
x12:电解液密度
x13:含浸充分程度
x14:现场温度
x15:现场湿度
x16:铆卷设备使用年限
x17:卷绕拉力
2)输出向量定义:定义网络的输出y向量为卷芯直径值;
3)权重向量W=(w1,w2,…,w17),初始化权值向量w1=w2=…,=w17=1
4)定义人工神经网络的输入为向量x={x1,x2,...x17};
定义神经网络的权重值为向量W=(w1,w2,…,w17);
定义输出为y,y为卷芯直径;
定义的神经网络模型为:
其中θ为阈值,这里取θ=0.8*Dl;Dl为铝壳直径;
第二步:变量归一化:
为了消除量纲的影响,将第一步的变量进行预处理,把数据映射到区间[qs,qe],qs,qe分别为区间的上下限,向量x’映射到区间[qs,qe]上变换成向量x,转换方法见公式一,设定qs=0.8*Dl;qe=0.9*Dl;Dl为铝壳直径;
公式一:
其中x’=[1,17],qe,qs分别为映射区间的上下限值,Min(x’),Max(x’)分别为向量x的最小值,最大值;
第三步:训练神经网络的样本定义训练集里的第k个样本yk定义为yk=(xk,aimk),其中xk=xik,i=[1,17],k为训练样本个数;aimk为第k个训练的目标输出;
第四步:利用第三步的样本训练神经网络,重复以下过程,直至训练完成:k
Step1:输入向量x
Step2:计算
其中k=1,2,3...,t.t为样本数量,i=1,2,3...17C,V分别为电容器的设计容量和电压;
Setp3:比较并更新权值向量w其中C,V分别为电容器的设计容量和设计电压;
第五步:保存训练好的网络和权值向量w,用户输入新的待计算数据xd时,通过网络输出yd即为卷芯直径的精确值。
2.根据权利要求1所述的一种基于人工神经网络的铝电解电容器卷芯直径计算方法,其特征在于,所述定义人工神经网络的输入为向量x={x1,x2,...x17},其中x1:阳极箔厚度,x2:阳极箔面积,x3:阴极箔厚度,x4:阴极箔面积,x5:电解纸厚度,x6:电解纸面积,x7:导箔条厚度,x8:导箔条面积,x9:电胶带厚度,x10:电胶带面积,x11:卷芯直径,x12:电解液密度,x13:含浸充分程度,x14:现场温度,x15:现场湿度,x16:铆卷设备使用年限,x17:卷绕拉力;
所述定义神经网络的权重值为向量W=(w1,w2,…,w17),其中wi为第i个输入的权重,i=
1,2,3...17。