基于LightRAG的聚酯纤维聚合过程参数多目标优化框架

《JOURNAL OF INTELLIGENT MANUFACTURING》：LightRAG empowered multi-objective optimization framework for process parameter control in polyester fiber polymerization

　　

摘要

涤纶纤维聚合过程中的质量控制是一个多目标工艺参数优化问题，其复杂性源于非线性参数-质量耦合以及异常工况知识的有限复用。现有的代理辅助优化方法通常在固定的工程边界内进行搜索，缺乏将非结构化工艺知识转化为可计算约束的机制。为解决这一局限，本研究开发了PLMC——一个由LightRAG赋能的多目标优化框架，集成了知识到约束的转换、基于代理的目标评估以及知识约束的双种群协同进化。利用涤纶聚合工艺知识图谱，PLMC检索机理原因和控制措施。领域适配的大语言模型随后利用这些信息生成特定工况的先验知识约束。这些约束被嵌入到PLMC-DP——一个知识约束的双种群协同进化模块中。全局种群探索工程可行空间，而知识引导种群在先验约束区域内进行搜索。候选解通过代理误差补偿增强的柯尔莫哥洛夫-阿诺德网络（SEC-KAN）进行评估。SEC-KAN预测关键工艺参数对特性粘度、二甘醇含量和端羧基浓度的影响，同时利用历史残差校正局部代理偏差。在测试条件下，基于工业生产线的实验表明，完整的PLMC框架在Pareto集质量和收敛稳定性方面均优于基线算法。所得的超体积（HV）和逆世代距离（IGD）分别为0.8387和0.0473。在拉伸丝（FDY）、部分取向丝（POY）和拉伸变形丝（DTY）等多种产品场景中稳定的过程控制性能表明，PLMC适用于多种涤纶产品。