收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多种组合神经网络的棉纺成纱品质预报

高创  
【摘要】:我国大多数棉纺企业,目前基本上靠经验进行工艺设计、靠试加工进行加工参数优化、靠人工被动滞后的检验进行质量控制。这会造成生产让步处理的盲目性、产品生产效率的波动和低下。以东华大学的于伟东和杨建国等为代表的团队都对虚拟智能加工技术进行了研究,出现“毛精纺织造虚拟加工系统”、“棉纺织智能工艺设计平台”、“棉纺纱线质量预报与控制系统”、“纺织品智能工艺设计与质量预报系统”、“纺织品智能化工艺辅助设计系统WebPQC”等。这些虚拟智能加工系统应用了多种智能算法,在一定程度上解决了上述问题。本文将在上述研究的基础上,进一步研究和分析算法模型的特征和高精准建模,主要成果在以下五个方面:(1)CBR案例库的建立与其算法的改进基于案例推理(Case Based Reasoning,CBR)的纺织工艺设计需要解决工艺实例结构表示,工艺特征的提取,工艺相似性搜索算法等关键问题。本文基于采集数据提取纱线特征:纱线规格(Nm)、回潮率(%)、捻度(捻/m)、捻系数与断裂强度(cN/tex),将每种纱线以该特征向量建立案例库。基于案例推理的检索方式目的是找出新案例与案例库中最相似的案例,重要的是其算法,本文在原有算法基础上,提出其改进算法,使算法中不含有跟案例特征无关的变量,使算法具有适用性。(2)验证主成分分析(pca)对提高bp神经网络精度的作用主成分分析(principalcomponentanalysis,简称pca)利用降维的思想,把多指标转化为少数几个不相关的综合指标的一种多元统计分析方法。本文利用主成分分析将13个原棉指标(分别是马克隆值(x1)、公制支数(x2)、断裂强度(x3)、成熟度指数(x4)、主体长度(x5)、品质长度(x6)、基数(x7)、均匀度(x8)、短绒率(x9)、回潮率(x10)、含杂率(x11)、带纤籽屑(x12)和破籽(x13))减少到5个综合指标,即长度均匀度、细度、力学与长度、含杂含水和轧花加工,并给出其线性组合方式。很多文献都指出,主成分分析能够降维,减小bp神经网络输入端的维度,可以提高bp神经网络预报精度。本文通过单一bp神经网络(模型1)和pca与bp神经网络结合(模型2)的性能曲线、误差分布以及mep分析可知,主成分分析只是降维但对精度提高帮助不大。另外通过mep分析的3个模型对比,说明主成分分析是可以降维,但在隐层节点数上增长,本质上依然在考察主成分本身所涉及的各变量的作用。(3)用遗传算法(ga)优化神经网络的训练参数单一的神经网络在进行预报时由于参数的设置很难达到理想的预报结果,因此很多学者采用遗传算法(ga)对神经网络的权值和阈值进行优化,而笔者应用matlab2014a在人工智能计算方面的优势和神经网络工具箱函数的特点,分析了影响bp神经网络精度的因素,包括数据分配、隐层节点数以及训练参数trainlm的设置,并将这些影响因素作为ga优化的对象。pca与ga优化后的bp神经网络结合(模型p-3)的断裂强度(y2)的预报精度相对主成分分析加神经网络(模型p-2)改善最为明显,mep达1.21%,提高率为61.09%,捻度cv值(y3)的mep达2.2%,提高率为48.19%(对模型1)和50.65%(对模型p-2);fbs与ga优化后的bp神经网络结合(模型f-3)条干cv值(y1)的预报精度相对多元逐步回归加神经网络(模型f-2)改善最为明显,mep达0.85%,提高率为61.71%,捻度cv值(y3)的mep达1.86%,提高率为57.92%(对模型1)和58.39%(对模型f-2),这些都证明引入遗传算法(ga)的重要性。在进行神经网络预报时,对预报结果产生影响的因素进行遗传算法优化而得到最佳组合,比使用固定参数设置的神经网络的预报结果要理想的多。(4)组合神经网络时以fbs为输入端的优越性组合神经网络时,若对网络的输入端进行降维时,采用的主成分分析(pca)得到主成分和多元逐步回归(fbs)得到变量组合两种输入端方式,经过这两种模型的mep对比分析,采用多元逐步回归(fbs)得到变量组合的方式更能提高精度,其原因在于fbs得到的是相互独立的影响因子权重系数最大的几个因子。(5)采用matlabgui进行操作界面开发首次采用matlabgui工具箱对棉纺成纱质量预报系统进行开发,对系统开发的方式进行了探索,能够充分发挥Matlab在数值计算方面的优势。本文基于采集数据和实现预报功能的特点,分为用户管理、数据管理和预报模型三大板块,其中用户管理和数据管理板块能够很好地实现管理功能,使得用户能够计算机实现交互,方便其操作。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期
3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期
4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期
5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期
6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期
7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期
8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期
9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期
10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期
11 任伟建,杜红嘉,郇启亮,鲍庆山,陈立;神经网络PID控制器在油田标定间上的应用[J];大庆石油学院学报;2001年02期
12 曾繁会,李伟,吕渭济;多重共线性问题的神经网络实例分析[J];辽宁工程技术大学学报(自然科学版);2001年05期
13 阮泉,吴铁军;结合先验知识的神经网络在生化系统建模中的应用[J];无锡轻工大学学报;2001年01期
14 罗公亮;从神经网络到支撑矢量机(上)[J];冶金自动化;2001年05期
15 罗公亮;从神经网络到支撑矢量机(中)[J];冶金自动化;2001年06期
16 李英龙,吴大宏,李文瑶;基于层叠泛化算法的神经网络及其矿业应用[J];有色矿冶;2001年01期
17 张永宁,张凤涛,陆海明;神经网络技术及其在纺织中的应用[J];吉林工学院学报(自然科学版);2002年02期
18 王晶,高金峰;神经网络在混沌系统控制中的应用研究进展[J];郑州轻工业学院学报;2002年03期
19 张永宁,韩连顺,陈东生;神经网络技术及其在纺织中的应用[J];天津纺织科技;2002年02期
20 桂祥友,马云东,王文;神经网络在矿区地下水评价中的应用[J];辽宁工程技术大学学报;2003年S1期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 曾喆昭;神经网络优化方法及其在信息处理中的应用研究[D];湖南大学;2008年
10 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年
中国硕士学位论文全文数据库 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978