(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111662587.9 (22)申请日 2021.12.31 (71)申请人 新凤鸣集团股份有限公司 地址 314513 浙江省嘉兴 市桐乡市洲泉 工 业区德胜路8 88号 申请人 桐乡市中辰化纤有限公司 　 浙江瑞盛科新材 料研究院有限公司 　 桐乡市中益 化纤有限公司 　 桐乡市中盈化纤有限公司 (72)发明人 许纪忠　邱建良　倪宇峰　施中其　 邱云海　李振宇　黄玉萍　陶雅萍　 施耀飞　薛浩杰　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 代理人 黄美娟　朱思兰(51)Int.Cl. G01N 25/16(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种涤纶FDY纤维收缩率试验方法 (57)摘要 本发明公开了一种涤纶FDY纤维收缩率试验 方法， 本发 明基于传统方法无法自动调节实验参 数， 导致收缩率检测存在误差的技术问题， 利用 了深度强化学习模型进行自动调整， 用来调节实 验过程中的各种参数， 以保证在不同涤纶纤维样 品中能达到最佳的实验数据， 从而提高 收缩率检 测的准确性， 整个调整过程不需要人工干预， 自 动化完成， 使得通用性更强， 快速高效。 权利要求书2页 说明书4页 附图1页 CN 114354675 A 2022.04.15 CN 114354675 A 1.一种涤纶FDY纤维收缩率试验方法， 其特 征在于， 所述方法包括以下步骤： S1： 记录涤纶纤维样品的生产工艺数据， 并用已知方法进行收缩率检测， 得到收缩率 值， 将该值与实际值比较得到误差值， 根据误差值得到评价值q值， 采用q强化学习模型形成 对实验数据调整的策略， 并将最终的结果发送至神经网络模型中； S2： 采用bp神经网络模型将涤纶的生产工艺数据作为输入值， 最终调整后的数据作为 输出值， 训练神经网络模型， 得到深度强化学习模型； S3： 将当前待检测的涤纶纤维样品的生产工艺数据输入至训练后的深度强化学习模型 中， 得到最佳的实验数据； 所述最佳的实验数据包括： 实验时的起始温度数据、 升温速率、 时间以及预设张力； S4： 将涤纶纤维样品在S3所得预设张力条件下测量其长度， 然后将其置于沸水之中， 按 照S3所得起始温度数据、 升温速率、 时间来调节实验数值， 再于S3所得预设 张力条件下测量 其收缩的长度； S5： 与收缩前的长度进行对比， 计算出涤纶纤维的沸水收缩率。 2.如权利 要求1所述涤纶FDY 纤维收缩率试验方法， 其特征在于， S1中， 涤纶的生产工艺 数据包括： 涤纶生产时的吹风 量和温度、 喷头拉伸倍数以及挤出喷丝孔的剪切速率。 3.如权利 要求1所述涤纶FDY 纤维收缩率试验方法， 其特征在于， S1中， 强化学习的评价 值q的算法如下： 其中， q为第d个周期时的策略指令的评价值， 表示在第d个周期时路径上的策略指令 的误差值； q学习算法的计算公式为 s表示当前的状态， a表示当前的动作， 表示下一个状态， 表示下一个动作， γ为贪婪 因子， 0<γ<1， 一般设置为0.8； Q表示的是， 在状态s下采 取动作a能够获得的期望最大收益， R是立即获得的收益， 而未来 一期的收益则取决于下一阶段的动作。 4.如权利 要求1所述涤纶FDY 纤维收缩率试验方法， 其特征在于， S2中， 建立神经网络模 型的梯度 平行样本实验 数据不少于5个， 神经网络模型选择bp神经网络模型， 所述b p神经网 络模型的训练过程： A1： 初始化神经网络， 对每 个神经元的w和b赋予随机值； A2： 输入分类模块(3)发送的数据信息作为训练数据， 对于每个训练数据， 将输入给到 神经网络的输入层， 进行一次正向传播得到 输出层各个神经 元的输出值； A3： 求出输出层的误差， 再通过反向传播 算法， 向后求出每一层的每 个神经元的误差； A4： 通过误差可以得出每个神经元的 再乘上负的学习率 ‑η， 就得到了Δw、 Δb， 将每 个神经元的w和b更新 为w+Δw、 b+Δb， 从而完成对bp神经网络模型的训练； 的函数公式为： 式中， yk表示神经元输出层第k个节点的输出值， Tk为预期输出值， M为输出层的节点个 数；权　利　要　求　书 1/2 页 2 CN 114354675 A 2Δw和Δb的计算公式为： 权　利　要　求　书 2/2 页 3 CN 114354675 A 3