本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡的棉紗質(zhì)量預測模型

  更多相關(guān)文章： 紗線質(zhì)量預測 BP神經(jīng)網(wǎng)絡 思維進化算法 粒子群算法 極限學習機

【摘要】：紗線的結(jié)構(gòu)特征比較復雜,紡紗過程是一個多元化的加工過程,成紗質(zhì)量指標與纖維性能指標以及加工工藝參數(shù)之間存在著復雜的非線性關(guān)系,用傳統(tǒng)的數(shù)理統(tǒng)計模型很難清晰地描述出來,有些國內(nèi)紡織企業(yè)甚至利用以往經(jīng)驗來進行分析和評價。這對企業(yè)的發(fā)展造成了極大的阻礙。伴隨著科技的發(fā)展,人工智能方法在紡織領域的應用逐漸興起,人工智能不僅能彌補傳統(tǒng)方法所帶來的缺陷,還可以進行自適應調(diào)整來滿足紡紗過程的需求,對紡紗企業(yè)生產(chǎn)理念帶來新的變革。本文將結(jié)合前人的研究成果,將人工智能算法中幾種經(jīng)典的算法如人工神經(jīng)網(wǎng)絡、粒子群算法、思維進化算法、極限學習機算法應用于棉紗質(zhì)量預測模型。全文共分為六個章節(jié),各章的主要工作如下:第一章為緒論,本章主要介紹了紗線質(zhì)量預報研究領域的背景和意義,以及研究現(xiàn)狀。解釋了紗線質(zhì)量預報模型該以原棉纖維品質(zhì)為研究出發(fā)點的原因,人工神經(jīng)網(wǎng)絡技術(shù)在紗線質(zhì)量預報中的可行性,簡單地說明本課題的主要研究內(nèi)容。第二章為介紹了模型自變量和因變量的選擇,對原棉成熟度、長度、細度、回潮率、強度、雜質(zhì)做了概述,以及這些指標對哪些紗線質(zhì)量指標有較大的影響。同時介紹了紗線強力,條干,棉雜總數(shù)三個紗線質(zhì)量指標,并指出影響這些指標的主要原棉纖維因素有哪些。第三章為算法理論介紹部分,介紹人工神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)和特點,BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)以及數(shù)學描述,介紹了粒子群算法和思維進化算法的原理和數(shù)學描述以及兩種算法的優(yōu)點,并指出了兩種算法優(yōu)化BP的設計步驟。最后提出了極限學習機算法,對極限學習的原理進行了數(shù)學描述,并提出極限學習機算法的設計思路。第四章為實驗結(jié)果分析部分,本課題為了研究原棉屬性指標與成紗質(zhì)量指標之間的關(guān)系,初步選定十個原棉屬性指標——主體長度、成熟度、斷裂強度、均勻度、短絨率、主上長度、公制支數(shù)、疵點總數(shù)、含雜率、回潮率作為輸入因素;三個紗線質(zhì)量指標——紗線強度、條干CV%、棉結(jié)雜質(zhì)總數(shù)作為輸出,利用各種算法進行建模,并對預測結(jié)果進行比較,得出哪種算法具有更好的預測確度和穩(wěn)定性。第五章運用灰色關(guān)聯(lián)系統(tǒng)結(jié)合MEA-BP與ELM算法,運用灰色關(guān)聯(lián)度將十個輸入因素縮減至六個輸入因素,比較降維后建立的MEA-BP模型和ELM模型是否具有較高的精度。第六章為是本文的總結(jié)與展望。對本文的主要工作以及存在的一些問題做了總結(jié),對需要進行更加深入研究的問題進行了展望。
【學位授予單位】：東華大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TS107.2;TP18

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊經(jīng)緯;楊建國;徐蘭;;基于PSO-BP神經(jīng)網(wǎng)絡的紗線質(zhì)量預測[J];東華大學學報(自然科學版);2015年04期

2 宋楚平;蔡彬彬;李少芹;;基于SVM的紗線生產(chǎn)工藝智能優(yōu)化研究[J];毛紡科技;2015年07期

3 駱詩華;楊彩云;;棉紗質(zhì)量與棉纖維指標的灰關(guān)聯(lián)分析[J];國際紡織導報;2015年01期

4 袁利華;;基于HVI指標與RBF神經(jīng)網(wǎng)絡的紗線質(zhì)量預測[J];絲綢;2014年11期

5 劉彬;項前;楊建國;呂志軍;;基于遺傳神經(jīng)網(wǎng)絡的紗線質(zhì)量預測[J];東華大學學報(自然科學版);2013年04期

6 高曉艷;郁崇文;;苧麻纖維性能與成紗質(zhì)量的人工神經(jīng)網(wǎng)絡分析[J];中國麻業(yè)科學;2012年04期

7 李翔;彭志勤;金鳳英;顧宗棟;薛元;胡國j;;基于神經(jīng)網(wǎng)絡的精紡毛紗性能預測模型比較[J];紡織學報;2011年03期

8 李惠軍;朱磊;;基于BP人工神經(jīng)網(wǎng)絡的紗線毛羽預測研究[J];棉紡織技術(shù);2011年01期

9 蘇琳;苑靜;劉奕;謝樹俊;;灰色關(guān)聯(lián)分析法(GRAP)在油庫風險評價中的應用[J];消防科學與技術(shù);2009年01期

10 呂志軍;楊建國;項前;王曉玲;;基于支持向量機的紡紗質(zhì)量預測模型研究[J];控制與決策;2007年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 劉貴;精毛紡織品虛擬加工中的預報與反演模型研究[D];東華大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 張聰;基于極限學習機的基因表達數(shù)據(jù)分類算法研究[D];中國計量學院;2014年

2 孫海蘭;紡紗質(zhì)量分析與預測[D];蘇州大學;2004年

，

本文編號：1166275