(19)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 202211310275.6 (22)申请日 2022.10.25 (71)申请人 江苏亨通光电股份有限公司 地址 215234 江苏省苏州市吴江区七都镇 亨通大道8 8号 (72)发明人 沈小红　朱聪威　费华青　张建峰　 史惠萍　顾春雪　徐亚飞　严惠良　 冯晨　梁文博　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 李柏柏 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 113/16(2020.01)G06F 119/18(2020.01) (54)发明名称 一种扁平型骨架式光纤带的光缆加工方法 及系统 (57)摘要 本发明提供了一种扁平型骨架式光纤带的 光缆加工方法及系统， 涉及光纤制造加工技术领 域， 通过根据光纤带的骨架加工状态 参数获取主 结构承压极限值和骨架可弯曲度极限值； 在主结 构承压极限值和骨架可弯曲度极限值满足对应 阈值要求的条件 下， 判断主结构 承压极限值和骨 架可弯曲度极限值是否满足光纤骨架性能融合 期望， 在不满足时对主结构状态 参数和弯曲性能 优化状态 参数进行优化筛选， 从而进行扁平型骨 架式光纤带的加工制备。 解决现有技术中骨架式 光纤带加工控制调节依赖于人工经验， 骨架主结 构性能调节可控性较低的技术问题。 达到了降低 骨架式光纤带生产控制的参数设定对于人工经 验的依赖度， 提高骨架主结构性能调控的科学性 和有效性的技 术效果。 权利要求书3页 说明书12页 附图2页 CN 115374577 A 2022.11.22 CN 115374577 A 1.一种扁平型骨架式光纤带的光 缆加工方法， 其特 征在于， 包括： 获取光纤带的骨架加工状态参数， 其中， 所述光纤带的骨架状态参数包括主结构状态 参数和弯曲性能优化状态参数； 将所述主结构状态参数和所述弯曲性 能优化状态参数输入骨架性 能评估模型， 获取主 结构承压极限值和骨架可弯曲度极限值； 判断所述主结构承压极限值是否满足主结构承压阈值； 若满足， 判断所述骨架可弯曲度极限值是否满足骨架可弯曲度阈值； 若满足， 判断所述主结构承压极限值和所述骨架可弯曲度极限值是否满足光纤骨架性 能融合期望； 若不满足， 对所述主结构状态参数和所述弯曲性能优化状态参数进行优化筛选， 生成 主结构状态参数优化结果和弯曲性能优化状态参数优化结果； 根据所述主结构状态参数优化结果和所述弯曲性能优化状态参数优化结果进行扁平 型骨架式光纤带的加工制备。 2.如权利要求1所述的方法， 其特征在于， 所述判断所述主结构承压极限值是否满足主 结构承压阈值， 或所述判断所述骨架可弯曲度极限值是否满足骨架可弯曲度阈值， 还 包括： 若不满足， 对所述主结构状态参数和所述弯曲性能优化状态参数进行优化筛 选。 3.如权利要求1所述的方法， 其特征在于， 所述判断所述主结构承压极限值和所述骨架 可弯曲度极限值是否满足光纤骨架性能融合期望， 还 包括： 若满足， 根据 所述主结构状态参数和所述弯曲性 能优化状态参数进行扁平型骨架式光 纤带的加工制备。 4.如权利要求1所述的方法， 其特征在于， 所述判断所述主结构承压极限值和所述骨架 可弯曲度极限值是否满足光纤骨架性能融合期望， 包括 获取性能融合 函数： 其中， 为主结构承压变量， 为骨架可弯曲度变量， 和 是否融合权重指数， 表征性能融合 函数值； 将所述主结构承压极限值和所述骨架可弯曲度极限值输入所述性 能融合函数， 获取性 能融合值； 将所述主结构承压 阈值和所述骨架可弯曲度阈值输入所述性能融合函数， 获取性能融 合阈值； 根据所述性能融合阈值， 设定所述光纤骨架性能融合期望， 其中， 所述光纤骨架性能融 合期望大于所述 性能融合阈值； 判断所述 性能融合 值是否满足所述 光纤骨架性能融合期望 。 5.如权利要求4所述的方法， 其特征在于， 所述若不满足， 对所述主结构状态参数和所 述弯曲性能优化状态 参数进行优化筛选， 生成主 结构状态参数优化结果和弯曲性能优化状 态参数优化结果， 包括：权　利　要　求　书 1/3 页 2 CN 115374577 A 2获取优化 适应度函数： 其中， 和 表征第n组状态参数对应的承力极限值和弯曲度， 表征第n‑ 1组状态参数对应 的承力极限值和弯曲度， P指的是在确定 后需要继续迭代的概 率； 设定主结构状态参数 取值区间和弯曲性能优化状态参数 取值区间； 根据所述主结构状态参数取值 区间和所述弯曲性 能优化状态参数取值 区间， 基于所述 优化适应度函数进行优化筛选， 获取所述主 结构状态参数优化结果和所述弯曲性能优化状 态参数优化结果。 6.如权利要求5所述的方法， 其特征在于， 所述根据 所述主结构状态参数取值 区间和所 述弯曲性能优化状态参数取值区间， 基于所述优化适应度函数进行优化筛选， 获取所述主 结构状态参数优化结果和所述弯曲性能优化状态参数优化结果， 包括： 根据所述主结构状态参数取值区间和所述弯曲性能优化状态参数取值区间进行随机 取值， 获取第n组主结构状态参数和第n组弯曲性能优化状态参数； 将所述第n组主结构状态参数和所述第n组弯曲性能优化状态参数输入所述骨架性能 评估模型， 获取第n主结构承压极限值和第n骨架可弯曲度极限值； 将所述第 n主结构承压极限值和所述第n骨架可弯曲度极限值输入所述性能融合函数， 生成第n性能融合 值； 将第n‑1性能融合值和所述第n性能融合值， 输入所述优化适应度函数， 获取迭代概率 值； 判断所述迭代概 率值是否小于或等于预设迭代概 率值； 若小于或等于， 将所述第n组主结构状态参数和所述第n组弯曲性能优化状态参数， 设 为所述主结构状态参数优化结果和所述弯曲性能优化状态参数优化结果。 7.如权利要求6所述的方法， 其特征在于， 所述将所述第 n组主结构状态参数和所述第n 组弯曲性能优化状态参数输入所述骨架 性能评估模 型， 获取第n主 结构承压 极限值和 第n骨 架可弯曲度极限值， 还 包括： 获取性能检测记录数据； 根据所述 性能检测记录数据， 获取主结构状态参数记录数据和承压极限值检测数据； 根据所述性能检测记录数据， 获取弯曲性 能优化状态参数记录数据和可弯曲度检测数 据； 根据所述主结构状态参数记录数据和所述承压极限值检测数据， 基于人工神经网络， 构建承压极限值评估 模块； 根据所述弯曲性 能优化状态参数记录数据和所述可弯曲度检测数据， 基于人工神经网 络， 构建可弯曲度极限值评估 模块；权　利　要　求　书 2/3 页 3 CN 115374577 A 3