張 帝 胡濤濤 焦長(zhǎng)庚

（1.安徽科技學(xué)院電氣與電子工程學(xué)院，安徽 蚌埠 233100；2.安徽天星電纜科技有限公司，安徽 天長(zhǎng) 239300）

目前市場(chǎng)上使用的六類(lèi)或者七類(lèi)電纜的傳輸帶寬只能達(dá)到600MHz，傳輸距離僅為100m 左右，無(wú)法滿(mǎn)足通信運(yùn)營(yíng)商對(duì)高頻信號(hào)遠(yuǎn)距離穩(wěn)定傳輸?shù)男阅芤螅虼顺哳?lèi)數(shù)據(jù)電纜成為目前數(shù)據(jù)電纜研制的主流趨勢(shì)[1]。

電纜生產(chǎn)質(zhì)量會(huì)直接影響電纜的性能指標(biāo)，其中擠塑環(huán)節(jié)是電纜生產(chǎn)制造的關(guān)鍵步驟，擠塑工藝控制的精確與否將直接影響成品電纜的線(xiàn)徑標(biāo)準(zhǔn)和最終質(zhì)量[2]。目前國(guó)內(nèi)廠商的電纜擠塑控制水平相對(duì)落后，不能精確控制擠塑過(guò)程工藝參數(shù)，并且工藝參數(shù)設(shè)定大多依賴(lài)工人經(jīng)驗(yàn)，影響了電纜的成品質(zhì)量[3]。

該文在超七類(lèi)數(shù)據(jù)電纜基本結(jié)構(gòu)、擠塑機(jī)裝置及工作原理、電纜擠塑工藝及擠塑過(guò)程控制分析的基礎(chǔ)上，研究了擠塑過(guò)程影響成纜質(zhì)量中的關(guān)鍵工藝參數(shù)，通過(guò)引入深度學(xué)習(xí)智能算法，對(duì)擠塑工藝參數(shù)進(jìn)行訓(xùn)練并建立擠塑質(zhì)量評(píng)價(jià)預(yù)測(cè)模型，在此基礎(chǔ)上通過(guò)遺傳算法對(duì)擠塑過(guò)程工藝參數(shù)進(jìn)行尋優(yōu)，減少對(duì)人工經(jīng)驗(yàn)的依賴(lài)，最后設(shè)計(jì)了擠塑工藝參數(shù)遠(yuǎn)程監(jiān)控系統(tǒng)，提高了電纜擠塑系統(tǒng)的智能化水平，對(duì)后續(xù)提升超七類(lèi)數(shù)據(jù)電纜的成品質(zhì)量和生產(chǎn)效率具有重要意義。

1 超七類(lèi)數(shù)據(jù)電纜擠塑過(guò)程及原理

1.1 電纜生產(chǎn)線(xiàn)結(jié)構(gòu)分析

數(shù)據(jù)電纜的生產(chǎn)制造主要包括電纜線(xiàn)芯的制造和絕緣層的生產(chǎn)，而擠塑成型是絕緣層單線(xiàn)生產(chǎn)的關(guān)鍵一環(huán)，該文研究的電纜生產(chǎn)線(xiàn)即為絕緣層擠出生產(chǎn)線(xiàn)。在電纜生產(chǎn)過(guò)程中，廠家會(huì)根據(jù)絕緣層生產(chǎn)料和芯線(xiàn)來(lái)選擇相應(yīng)的生產(chǎn)工藝，但是絕緣擠出生產(chǎn)線(xiàn)的基本流程和結(jié)構(gòu)大同小異，其主要結(jié)構(gòu)和流程如圖1 所示。1）放線(xiàn)裝置的主要作用是將數(shù)據(jù)電纜芯線(xiàn)以設(shè)置好的速度均勻放出，但芯線(xiàn)經(jīng)過(guò)擠出設(shè)備組時(shí)要以適當(dāng)?shù)膹埩︶尫挪⒈３掷睜顟B(tài)。2）擠出設(shè)備是將顆粒絕緣料攪拌熔融后，通過(guò)模具形成相應(yīng)厚度的絕緣層形狀。擠出設(shè)備主要由機(jī)筒、進(jìn)料斗、電機(jī)、加熱器、減速裝置、模具和螺桿等器件組成[4]。3）檢測(cè)設(shè)備主要負(fù)責(zé)檢測(cè)擠出前、后的線(xiàn)徑、芯線(xiàn)相對(duì)中軸線(xiàn)的偏移度和絕緣層不良點(diǎn)（裸芯、破皮和針孔等）。檢測(cè)環(huán)節(jié)是檢驗(yàn)絕緣層擠出質(zhì)量的重要環(huán)節(jié)。4）冷卻系統(tǒng)則是將擠塑完成后的絕緣層進(jìn)行冷卻降溫，從而保證絕緣層不因高溫而發(fā)生形變。冷卻方式有水冷和風(fēng)冷2 種，該文研究的超七類(lèi)數(shù)據(jù)電纜主要采用水冷方式。5）牽引裝置通過(guò)電機(jī)轉(zhuǎn)動(dòng)均勻拉動(dòng)線(xiàn)芯勻速通過(guò)擠塑機(jī)。牽引設(shè)備的速度決定了電纜生產(chǎn)線(xiàn)擠塑工序的工作速度。6）收線(xiàn)機(jī)構(gòu)主要負(fù)責(zé)將擠塑成型的電纜絕緣層連續(xù)收繞在接線(xiàn)盤(pán)、成線(xiàn)桶或成線(xiàn)卷盤(pán)中，該文采用高效率的雙軸收線(xiàn)方法進(jìn)行收線(xiàn)。

圖1 電纜絕緣層生產(chǎn)線(xiàn)結(jié)構(gòu)圖

1.2 電纜擠塑原理及工藝參數(shù)分析

超七類(lèi)數(shù)據(jù)電纜的絕緣層生產(chǎn)主要通過(guò)擠塑機(jī)完成絕緣料攪拌混合、熔融、塑化成型和最終擠出定型。電纜擠塑工藝流程從電纜絕緣料擠塑至絕緣層冷卻定型共經(jīng)歷塑化、成型和定型3 個(gè)階段[5]。擠塑工藝主要由擠塑機(jī)設(shè)備完成，該設(shè)備主要由擠壓系統(tǒng)、傳統(tǒng)系統(tǒng)、控制系統(tǒng)和加熱冷卻系統(tǒng)構(gòu)成，生產(chǎn)設(shè)備裝置如圖2 所示。在實(shí)際生產(chǎn)加工過(guò)程中，絕緣料先進(jìn)入擠塑機(jī)內(nèi)部進(jìn)行攪拌混合，然后通過(guò)螺桿旋轉(zhuǎn)并配合加熱片升溫熔融，將絕緣料進(jìn)行塑化。塑化完成后，利用機(jī)頭模具將熔融后的液態(tài)絕緣料擠塑成型。此時(shí)，電纜絕緣層的溫度較高，處于不穩(wěn)定狀態(tài)，因此需要通過(guò)水冷槽進(jìn)行冷卻固化，從而最終定型。該文通過(guò)分析對(duì)電纜擠塑原理和擠塑工序，在電纜擠塑過(guò)程中發(fā)現(xiàn)有很多因素都會(huì)影響擠塑質(zhì)量，進(jìn)而影響最終的電纜質(zhì)量。經(jīng)過(guò)與領(lǐng)域?qū)＜医涣骱臀墨I(xiàn)調(diào)研后得知，評(píng)價(jià)電纜擠塑效果的主要性能指標(biāo)是絕緣料傳送速度和系統(tǒng)出膠率。而在生產(chǎn)過(guò)程中，對(duì)上述評(píng)價(jià)指標(biāo)產(chǎn)生重要影響的工藝參數(shù)較多。忽略次要因素，該文總結(jié)出了最主要的4個(gè)影響因素，即絕緣料的加熱溫度、進(jìn)料速度、螺桿轉(zhuǎn)速和絕緣料熔壓[6]。這些工藝參數(shù)相互耦合關(guān)聯(lián)，通過(guò)人工經(jīng)驗(yàn)很難厘清彼此的作用關(guān)系，并且擠塑過(guò)程是復(fù)雜的非線(xiàn)性過(guò)程，難以清晰表達(dá)這些工藝參數(shù)與絕緣層性能指標(biāo)的數(shù)學(xué)關(guān)系，也無(wú)法建立機(jī)理過(guò)程模型。因此，通過(guò)人工智能算法并基于數(shù)據(jù)驅(qū)動(dòng)建立擠塑性能指標(biāo)和工藝參數(shù)數(shù)學(xué)模型，再對(duì)工藝參數(shù)進(jìn)行尋優(yōu)，獲得最佳擠塑效果尤為必要。進(jìn)而該文在分析擠塑過(guò)程和擠塑工藝的基礎(chǔ)上，提出基于深度學(xué)習(xí)建立擠塑過(guò)程性能評(píng)價(jià)預(yù)測(cè)模型，并通過(guò)深度學(xué)習(xí)算法進(jìn)行最佳工藝參數(shù)尋優(yōu)，以進(jìn)一步提高電纜擠塑質(zhì)量和電纜質(zhì)量。

圖2 電纜擠塑機(jī)裝置

2 擠塑質(zhì)量評(píng)價(jià)及工藝優(yōu)化研究

2.1 電纜擠塑性能評(píng)價(jià)預(yù)測(cè)模型構(gòu)建

電纜絕緣層擠塑受眾多工藝參數(shù)影響，這些參數(shù)相互耦合且非線(xiàn)性，很難從過(guò)程機(jī)理角度出發(fā)描述彼此的數(shù)學(xué)關(guān)系。隨著人工智能的發(fā)展，利用深度學(xué)習(xí)算法從數(shù)據(jù)本身解決非線(xiàn)性問(wèn)題可取得較好效果。深度學(xué)習(xí)是一種模仿人腦進(jìn)行信息處理的方法，通過(guò)從樣本數(shù)據(jù)中不斷學(xué)習(xí)，獲得潛在數(shù)據(jù)特征和規(guī)律，從而讓機(jī)器具備像人一樣的數(shù)據(jù)分析及加工能力。深度學(xué)習(xí)模型結(jié)構(gòu)主要分為輸入層、隱藏層和輸出層3 個(gè)部分[7]。深度學(xué)習(xí)模型可看作一個(gè)能夠處理并訓(xùn)練非線(xiàn)性數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，每層分布眾多神經(jīng)元，通過(guò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)可提取訓(xùn)練數(shù)據(jù)的不同特征。目前主流的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)有卷積神經(jīng)網(wǎng)絡(luò)、深度前饋網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)等。由于該文構(gòu)建的模型訓(xùn)練的主要工藝參數(shù)種類(lèi)不多且深度前饋網(wǎng)絡(luò)具有全連接特點(diǎn)，因此該文選用深度前饋網(wǎng)絡(luò)作為擠塑性能評(píng)價(jià)預(yù)測(cè)的主要方法。

模型構(gòu)建及訓(xùn)練優(yōu)化主要步驟如下：1）確定影響電纜擠塑質(zhì)量的主要影響參數(shù)。該文通過(guò)與領(lǐng)域?qū)＜医涣鞑⒔Y(jié)合文獻(xiàn)調(diào)研的方式篩選出影響擠塑性能指標(biāo)的關(guān)鍵工藝參數(shù)，即上文已確定的絕緣料的加熱溫度、進(jìn)料速度、螺桿轉(zhuǎn)速和絕緣料熔壓。2）采集實(shí)際數(shù)據(jù)。在生產(chǎn)一線(xiàn)通過(guò)各傳感器實(shí)時(shí)采集數(shù)據(jù)，并對(duì)采集數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、補(bǔ)全等數(shù)據(jù)預(yù)處理操作，再通過(guò)標(biāo)準(zhǔn)化數(shù)據(jù)消除數(shù)據(jù)不同量綱對(duì)模型構(gòu)建造成的影響。3）將處理后的數(shù)據(jù)分為500組，其中400 組作為訓(xùn)練集，100 組作為測(cè)試集。將影響擠塑性能的工藝參數(shù)作為深度學(xué)習(xí)模型的輸入層參數(shù)，將性能指標(biāo)數(shù)據(jù)作為輸出層參數(shù)，構(gòu)建的深度前饋神經(jīng)網(wǎng)絡(luò)模型如圖3 所示。

圖3 深度前饋神經(jīng)網(wǎng)絡(luò)模型

深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)學(xué)表達(dá)式如公式（1）所示。

式中：y為擠塑質(zhì)量的2 個(gè)性能指標(biāo)，即系統(tǒng)出膠率和絕緣料傳送速度；x為4 個(gè)工藝參數(shù)，即絕緣料的加熱溫度、進(jìn)料速度、螺桿轉(zhuǎn)速和絕緣料熔壓；f為隱藏層操作；n為隱藏層層數(shù)。

下文將通過(guò)分析設(shè)計(jì)模型的隱藏層結(jié)構(gòu)、激活函數(shù)類(lèi)型、權(quán)值優(yōu)化算法和正則化手段來(lái)構(gòu)建預(yù)測(cè)損失值和準(zhǔn)確率較高的最優(yōu)模型。先應(yīng)用傳統(tǒng)經(jīng)驗(yàn)公式，1≤a≤10（n1是隱藏層單元數(shù)；m和n分別是神經(jīng)網(wǎng)絡(luò)輸入層和輸出層單元數(shù)）計(jì)算出隱藏層神經(jīng)元個(gè)數(shù)，將其作為試驗(yàn)參考值。根據(jù)該公式及試驗(yàn)確定隱藏層單元為3。為了增強(qiáng)網(wǎng)絡(luò)模型對(duì)非線(xiàn)性數(shù)據(jù)的處理能力，該文選擇更好提取數(shù)據(jù)稀疏特征的Relu 函數(shù)作為激活函數(shù)，同時(shí)降低模型損失值。為防止模型出現(xiàn)過(guò)擬合現(xiàn)象，選擇常用正則化方法添加懲罰項(xiàng)。從模型預(yù)測(cè)準(zhǔn)確度出發(fā)，該文采用的是Dropout 正則化方法。經(jīng)比較，模型訓(xùn)練所需各參數(shù)的最終設(shè)置見(jiàn)表1。模型構(gòu)建及參數(shù)設(shè)置完成后即通過(guò)TensorFlow 平臺(tái)，并采用Python 編程進(jìn)行模型訓(xùn)練和數(shù)據(jù)計(jì)算。1）引入工具庫(kù)包并進(jìn)行參數(shù)初始化。2）將采集的500 組樣本數(shù)據(jù)分為400 組訓(xùn)練集和100 組測(cè)試集，將訓(xùn)練集數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)化處理后輸入模型。3）使用隱藏層中的激活函數(shù)Relu計(jì)算輸入樣本，得出神經(jīng)元輸出值。4）利用Dropout 正則化方法縮減網(wǎng)絡(luò)模型中神經(jīng)元，防止過(guò)擬合發(fā)生，同時(shí)在輸出層得到誤差。5）通過(guò)歐氏距離計(jì)算實(shí)際誤差和準(zhǔn)確率。6）通過(guò)對(duì)Relu 求導(dǎo)并采用梯度下降優(yōu)化算法，更新神經(jīng)元權(quán)重和偏置值，更新后計(jì)算出新的輸出值，不斷重復(fù)迭代直到誤差和準(zhǔn)確率達(dá)到預(yù)期范圍。7）將100 組測(cè)試樣本輸入訓(xùn)練好的模型進(jìn)行檢測(cè)。檢測(cè)結(jié)果顯示，系統(tǒng)出膠率和絕緣料傳送速度預(yù)測(cè)準(zhǔn)確率分別為94.3%和96.2%，準(zhǔn)確率達(dá)到了預(yù)期試驗(yàn)效果。

表1 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

2.2 基于遺傳算法的擠塑工藝參數(shù)優(yōu)化建模

在構(gòu)建擠塑生產(chǎn)絕緣層性能評(píng)價(jià)預(yù)測(cè)模型的基礎(chǔ)上，利用遺傳算法對(duì)關(guān)鍵工藝參數(shù)進(jìn)行尋優(yōu)，擺脫依靠人工經(jīng)驗(yàn)確定工藝參數(shù)，導(dǎo)致產(chǎn)品質(zhì)量下降的問(wèn)題。遺傳算法參考進(jìn)化論中DNA 在生物遺傳進(jìn)化中發(fā)揮的作用，對(duì)研究對(duì)象中的數(shù)據(jù)進(jìn)行分析，并對(duì)重組、變異產(chǎn)生的子代結(jié)果進(jìn)行適應(yīng)度評(píng)價(jià)[8]。該文涉及的擠塑過(guò)程工藝參數(shù)優(yōu)化目標(biāo)主要是系統(tǒng)出膠率和絕緣料傳送速度，同時(shí)將上述建立的電纜擠塑性能評(píng)價(jià)預(yù)測(cè)模型作為獲得遺傳算法種群中個(gè)體擠塑性能的方法，再對(duì)擠塑質(zhì)量最佳工藝參數(shù)進(jìn)行尋優(yōu)。基于遺傳算法的工藝參數(shù)尋優(yōu)流程如圖4 所示。

圖4 工藝參數(shù)優(yōu)化模型流程圖

算法通過(guò)MATLAB 編程實(shí)現(xiàn)，首先，對(duì)模型進(jìn)行初始化，通過(guò)計(jì)算均方根誤差及模型運(yùn)算時(shí)間確定了該文算法種群規(guī)模為200，交叉概率為0.6，變異概率為0.1，最大進(jìn)化為5000 代。其次，利用rand（）函數(shù)隨機(jī)生成各工藝參數(shù)并限定其約束范圍，從而產(chǎn)生第一代種群。調(diào)用上述基于深度學(xué)習(xí)構(gòu)建的電纜擠塑性能評(píng)價(jià)預(yù)測(cè)模型進(jìn)行適應(yīng)度評(píng)估，判斷目前工藝參數(shù)是否達(dá)到目標(biāo)評(píng)價(jià)要求。如果適應(yīng)度為0，則終止迭代，否則重新選擇，即對(duì)初代種群中的隨機(jī)個(gè)體進(jìn)行交叉互換，得到全新子代。此時(shí)需要重新計(jì)算適應(yīng)度是否達(dá)到設(shè)定極限值，從而確定變異概率。變異操作完成后判斷是否達(dá)到終止條件，即此時(shí)計(jì)算的迭代次數(shù)是否達(dá)到最大值或者適應(yīng)度誤差達(dá)到最小值。如果滿(mǎn)足，則終止算法，否則繼續(xù)進(jìn)行適應(yīng)度評(píng)估，再進(jìn)入選擇交叉編譯操作。

通過(guò)遺傳算法得到的最優(yōu)工藝參數(shù)，即絕緣料的加熱溫度、進(jìn)料速度、螺桿轉(zhuǎn)速和絕緣料熔壓結(jié)果見(jiàn)表2。將上述工藝參數(shù)進(jìn)行現(xiàn)場(chǎng)測(cè)試，對(duì)擠塑加工生產(chǎn)出來(lái)的絕緣層進(jìn)行性能檢測(cè)，所得測(cè)試結(jié)果如圖5 所示。有圖5 可知，其性能指標(biāo)出膠率和傳送率均達(dá)到最佳狀態(tài)，符合產(chǎn)品要求，證明遺傳算法所得工藝參數(shù)符合生產(chǎn)實(shí)際。

表2 工藝參數(shù)最優(yōu)設(shè)置

圖5 實(shí)際測(cè)試結(jié)果

3 電線(xiàn)電纜擠塑生產(chǎn)遠(yuǎn)程監(jiān)控終端

根據(jù)上文提出的工藝參數(shù)的優(yōu)化算法，為了實(shí)現(xiàn)對(duì)超七類(lèi)數(shù)據(jù)電纜擠塑過(guò)程工藝參數(shù)的智能化設(shè)置和控制，該文以底層控制單元、通信單元硬件為基礎(chǔ)，基于WPF 技術(shù)，在PC 端開(kāi)發(fā)了上位機(jī)，通過(guò)進(jìn)行人機(jī)交互，對(duì)生產(chǎn)過(guò)程工藝參數(shù)進(jìn)行智能設(shè)置和監(jiān)控，從而實(shí)現(xiàn)電纜擠塑系統(tǒng)的自動(dòng)化改造。上位機(jī)系統(tǒng)基于CS 架構(gòu)，采用C#編程語(yǔ)言，其操作界面如圖6 所示。可輸入上述智能算法所得過(guò)程工藝參數(shù)及其他過(guò)程參數(shù)，進(jìn)行擠塑機(jī)的遠(yuǎn)程自動(dòng)參數(shù)設(shè)置，進(jìn)一步提高電纜生產(chǎn)效率。

圖6 電纜擠塑遠(yuǎn)程控制PC 端

4 結(jié)論

超七類(lèi)數(shù)據(jù)電纜擠塑工藝性能評(píng)價(jià)預(yù)測(cè)與進(jìn)一步的工藝參數(shù)優(yōu)化是具有重要意義的一項(xiàng)工作。大數(shù)據(jù)及人工智能發(fā)展為電纜高質(zhì)量生產(chǎn)提供了產(chǎn)業(yè)升級(jí)理論上的支持。為此，該文基于深度前饋神經(jīng)網(wǎng)絡(luò)構(gòu)建了電纜擠塑性能評(píng)價(jià)預(yù)測(cè)模型，明確了絕緣料的加熱溫度、進(jìn)料速度、螺桿轉(zhuǎn)速和絕緣料熔壓為影響擠塑質(zhì)量的主要工藝參數(shù)。在該基礎(chǔ)上結(jié)合遺傳算法，對(duì)以出膠率和傳送速率為工藝優(yōu)化目標(biāo)的工藝參數(shù)進(jìn)行尋優(yōu)，確定了最佳工藝參數(shù)，為電纜擠塑實(shí)際生產(chǎn)提供了借鑒與參考。最后基于WPF 技術(shù)設(shè)計(jì)了針對(duì)電纜擠塑過(guò)程控制的上位機(jī)軟件，對(duì)工藝參數(shù)進(jìn)行遠(yuǎn)程實(shí)時(shí)監(jiān)控，進(jìn)一步提高了生產(chǎn)效率。