基于LSTM和IGA-BP的酒精度预测模型

目的:解决目前分段摘酒过程依赖人工“看花摘酒”,酒精度检测不准确的问题。方法:设计搭建基于酒精度建模的分段摘酒系统,研究采集音叉在不同模态不同浓度酒精溶液内的音叉频率值、音叉内置温度值,酒精溶液温度值和动态条件下泵转速值,基于最小均方算法(LMS)和长短期记忆网络(LSTM)实现音叉频率自适应滤波和动态补偿,基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度预测模型。结果:模型在迭代次数和预测精度上优于传统遗传算法优化BP神经网络和BP神经网络建立的酒精度预测模型,酒精度平均预测误差为0.381。结论:基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度数预测模型具有合理性。     

提高3C钢腐蚀速度预测准确度的方法研究

针对BP神经网络模型对3C钢腐蚀速度的预测存在精度低问题,建立了基于遗传算法的3C钢神经网络预测模型。该模型采用遗传算法优化BP神经网络的初始权值和阈值。实例对比分析表明:采用遗传神经网络预测3C钢的腐蚀速度,提高了准确率,具有应用可行性。     

倍捻机工艺参数与锭子工作状态关系的BP神经网络模拟

基于实验测试结果,设计了倍捻机关键工艺参数与锭子工作性能关系的BP神经网络预测模型,并对锭子功耗和滑差率进行了预测。结果表明:所建BP神经网络模型具有较高的预测精度,且解决了转速滑差率的估算问题,这对指导龙带锭子驱动系统的动力学研究有现实意义,同时为设备的设计和生产运行进一步奠定了理论基础。     

基于遗传模拟退火神经网络的纱线强力预测

针对遗传算法优化的BP神经网络纱线强力预测模型中存在的迭代冗余、过早收敛等问题,建立了遗传算法与模拟退火算法共同优化的BP神经网络棉纱纱线强力预测模型。在模型构建前,采用K折交叉验证将70组样本数据分成训练样本集和测试样本集,实现测试样本与训练样本的不重复,避免了样本数据的单一性。在模型构建时,试验分别对70组27.8 tex和14.6 tex的环锭纺纯棉纱进行单纱强力预测,将该模型与BP神经网络纱线强力预测模型、遗传算法优化的BP神经网络纱线强力预测模型进行对比分析。实验结果表明,遗传算法与模拟退火算法共同优化的BP神经网络纱线强力预测模型在准确性和稳定性方面要优于前两者,能够较好地实现纱线质量预测,为纱线强力预测提供了新的方法。     

棉花性能指标对成纱质量的预测模型研究

探讨基于遗传算法和主成分分析法与BP神经网络相结合的棉花性能指标对成纱质量的预测模型。分别采用单一BP神经网络(模型1)、主成分分析加BP神经网络(模型2)、主成分分析加遗传算法优化隐层节点数后的BP神经网络(模型3),依据实测原棉数据对成纱品质作预报,并以平均相对误差百分率指标最小为原则,对比了三种模型的优劣。结果表明:模型3的平均相对误差百分率值最小;主成分分析表面上在降维,但对神经网络来说仍是高维的计算,最优结果的隐层节点数均高于经验公式确定的隐层节点数,接近于13个原始变量数。认为:基于遗传算法和主成分分析法与BP神经网络相结合进行预报,能够使预测精度得到明显提高。     

基于GA-BP神经网络异纤分拣机检测参数优化

探讨基于遗传算法(GA)优化BP神经网络预测模型、提高异纤分拣机检出率的方法。针对BP神经网络收敛速度慢和易于陷入极小值等缺点,建立基于GA-BP神经网络的异纤分拣机检测参数预测模型,对改进前后的预测和检出结果进行对比分析。结果表明:GA-BP神经网络在准确输出预测值的同时,收敛速度也比传统BP神经网络预测模型快;且GA-BP神经网络比传统BP神经网络的实际检出率高出5%。认为:基于GA-BP神经网络的算法具有更高的准确性和可行性。     

基于免疫遗传算法的BP神经网络在纱线条干预测上的应用

为了避免因随机生成BP神经网络初始权值和阈值而带来的不确定性,以及得到更好的预测纱线条干CV值的精度和速度,借助免疫遗传算法对传统单一的BP神经网络进行权值和阈值的优化。免疫算法中特有的浓度调节机制有效地解决了遗传算法后期未成熟收敛的问题。利用Matlab构建单一的BP神经网络模型、遗传BP神经网络模型和免疫遗传BP神经网络模型进行纱线条干CV值的预测实验,通过仿真训练结果的对比分析可得出,免疫遗传算法优化的BP神经网络能够更准确、更快速、更稳定地完成纱线条干CV值的预测。     

多功能花式捻线机罗拉支承结构讨论

国内的花式捻线机罗拉支承多使用滑动轴承.本文探讨使用滑动轴承给罗拉运转带来的不利影响及其原因,进而说明在新型花式捻线机设计中,罗拉支承使用滚动轴承结构的必要性和可行性。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

基于思维进化神经网络的细纱断裂强度预测

探讨一种基于思维进化算法优化BP神经网络的细纱断裂强度预测方法。利用思维进化算法对BP神经网络的阈值和权值进行优化,发挥在全局寻优方面的优势。试验结果表明:基于思维进化算法优化BP神经网络预测模型比单一的BP神经网络预测模型具有更高的准确性,该模型的细纱断裂强度预测值与实测值之间的平均绝对百分比误差和均方根误差下降明显。认为:基于思维进化算法优化BP神经网络模型具有更好的综合预测性能。     

基于BP神经网络的原棉短纤指数预测模型

为对脱籽后原棉的短纤指数进行预测,采用遗传优化BP神经网络预测法,设计了原棉短纤指数预测的遗传优化BP神经网络模型。以南疆地区原棉为研究对象,选择籽棉回潮率和轧花速度频率2个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立原棉短纤指数的遗传BP神经网络预测模型。结果表明,遗传BP神经网络模型能较好地表达原棉短纤指数与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数达0.999 8,模型预测效果较佳。     

花式捻线机的机电一体化及其实现

介绍一种以单片机为核心的花式捻线机控制器,该控制器能够对4根罗拉进行联动运行控制,适合多种花式捻线机使用,初步实现了花式捻线机的机电一体化。其结构简单、使用方便、价格低廉,适合在国内进行推广。     

基于进化神经网络的304不锈钢车削加工表面粗糙度预测

表面粗糙度是衡量加工零件质量的重要指标之一,对表面粗糙度进行提前预测有利于提高加工质量。课题组采用正交试验方法进行了YG8硬质合金刀具干式车削304不锈钢棒料的实验,得到不同切削条件下的表面粗糙度。由于BP神经网络的算法预测精度不高而且容易陷入局部极小值,利用遗传算法的全局搜索能力优化BP神经网络的结构和初值,建立基于进化神经网络的表面粗糙度预测模型。结果表明:进化的BP神经网络模型有效地克服了BP神经网络容易陷入局部极小值的缺陷,实现了表面粗糙度的精确预测。     

精梳毛纺锭子转速神经网络反演研究

采用输入对输出影响程度的数据优选方法确定神经网络模型输入参数,为了证明输入参数优选结果的有效性和可靠性,针对锭子转速构建两个神经网络反演模型加以验证。研究结果表明:精梳毛纺锭子转速神经网络反演模型的反演值和实际值比较接近,运用神经网络原理构建模型实现锭子转速的反演具备可行性,可以为毛纺企业实际生产中调节锭子转速提供科学依据。     

遗传算法优化BP神经网络的纺熔无纺布性能预测

为进一步提高BP神经网络在预测纺熔无纺布性能时的精确度,提出利用遗传算法对前期构建好3层结构的BP神经网络进行优化.使用MATLAB进行网络训练和预测,结果表明,当遗传算法优化后,将BP神经网络应用于产品性能预测的数据与实际数据进行对比,产品强力和耐静水压的绝对百分比误差在5％以内,优于BP神经网络的6％,预测精度更高...     

电子控制空心锭子花式纱捻线机

为了满足对于时新的针织和装饰布粗梳纱支的需要,瑞士卡尔海密公司发展了一种新颖的空心锭子花式纱捻线机(取得专利)。采用普通环锭捻线法和假捻原理,以低的成本制成新的《21019GKH》型机器,具有从前未能取得的控制效果。这种捻线机(1983年在国际纺织机械展览会上展出)全部是电子控制,不用任何变换齿轮就可以改变加捻速度,锭子速度和纱线输出速度。罗拉是由可调整的传动机构驱动,同主要的锭子传动部分完全分开。变速器采用齿形     

花式纱空心锭子的研制及性能分析

本文介绍了国产SM35型空心锭子的结构、制造关键、特征和性能。通过试验证明,本锭子能适应高250毫米的铝管,满纱管容量为350克,锭速2万转/分,可配国产FB761型和西德ESP型花式捻线机。经生产考验证明,该锭子能满足花式捻线机的纺纱工艺要求。     

改进PSO-BP网络预测模型在造纸能耗预测中的应用

针对企业生产过程能耗数据的时变性、非线性和强耦合性等特点,本文建立基于改进粒子群算法优化的BP神经网络能耗预测模型,将该预测模型在耗电量预测方面进行分析与研究,以造纸厂某个生产车间的实际耗电量数据进行预测和对比,结论表明,该预测模型比传统的BP神经网络预测模型的预测误差小,预测效果好。因此,利用该预测模型对了解企业的能耗动态趋势,保证企业能源供需稳定和平衡,促进企业发展和社会经济效益具有积极作用。     

基于BP神经网络的全色域彩色纱颜色预测模型构建

针对传统测配色理论的局限性，利用神经网络良好的非线性映射能力构建一种全色域彩色纺纱的颜色预测模型。以灰、青、品红、黄作为四基色进行全色域混色模型的构建，并选取该全色域模型中的66个网格点进行纺纱，制备混色纱及织物，利用分光光度计测出66种织物的光谱反射率曲线，建立基于颜色预测混纺比和基于混纺比预测颜色值的神经网络，并根据预测值与实际值之间的色差值和均方误差评估这两种神经网络的准确性。结果表明：基于BP神经网络的颜色预测模型可以实现色纱颜色值与四基色颜色比例之间的非线性映射，测试样本的平均色差在2,后续将使用遗传算法或粒子群优化算法对其进一步优化，提高全色域彩色纱颜色预测模型的准确性。     

五罗拉空心锭花式捻线机生产花式线的探讨

简述了五罗拉空心锭花式捻线机的机构组成、工作原理及特点,以及纺制各种特殊花式线的工艺设计.根据生产实践,介绍了圈圈线生产工艺实例,叙述了各种特殊花式线的工艺参数选择依据及其范围.进一步证明了五罗拉空心锭花式捻线机具有一定的市场前景,并提出了增强其市场竞争力的技术措施.