共查询到10条相似文献,搜索用时 15 毫秒
1.
提出了一种神经网络与遗传算法相结合的水解米渣制备小肽工艺参数优化方法.以试验数据为样本,通过神经网络建立水解工艺参数与水解度关系之间的复杂模型,利用遗传算法对酶解工艺参数进行优化,充分发挥神经网络的非线性映射能力和遗传算法全局寻优能力.仿真实验显示了方法的有效性和优越性. 相似文献
2.
为研究烤制鸽肉工艺便捷设计方法和确定关键工艺参数,采用烤制工艺制备烤制鸽肉,探究腌制时间、烘烤时间和烘烤温度对产品食用性状的影响,以回复性、弹性、硬度、咀嚼性、胶着性、内聚性及感官评分为食用性状评价指标,采用信息熵法确定各指标的熵权系数,计算出综合值,利用响应面法(response surface methodology, RSM)和反向传播(back propagation, BP)人工神经网络耦联遗传算法(genetic algorithm, GA)(BP-GA)进行参数优化及预测。结果表明,RSM得到最优工艺参数组合为腌制时间15.4 h、烘烤时间10 min、烘烤温度205℃,该法相对误差为2.54%;BP-GA神经网络得到最优工艺参数组合为腌制时间14 h、烘烤时间10 min、烘烤温度240℃,该模型相对误差为0.17%。BP-GA神经网络的相对误差小,拟合与优化性能好,且试验次数少,可容纳参数多。依托BP-GA神经网络优化的参数制作的烤制鸽肉综合值与RSM一致。该研究可为鸽肉加工工艺优化提供一定的参考。 相似文献
3.
利用SDET - 90型膨化机 ,选择不同的水分、温度、压力、孔径等工艺参数对大豆的淀粉糊化度、脲酶活性、粗纤维、粗脂肪等成分经膨化后的变化进行试验 ,结果表明 :膨化机机镗温度控制在 (16 5± 5 )℃ ,压力在 0 .4MPa左右 ,水分在 17%左右 ,模孔直径 5mm时加工出的膨化大豆饲用价值较高。 相似文献
4.
简单介绍了目前的凸轮轴数控磨削加工研究现状,分析了凸轮轴数控磨削过程中反应磨削加工效果和影响磨削参数选择的主要因素,建立了凸轮轴数控磨削加工的神经网络优化模型和遗传算法优化模型,搭建了凸轮轴数控磨削加工网络拓扑结构。 相似文献
5.
目的 通过遗传算法结合BP(Back Propagation)神经网络,与正交试验结果作对比,优化党参中粗多糖的提取工艺。方法 以党参多糖的提取得率为指标,采用三因素(提取次数、提取时间、料液比)优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行目标寻优,获得党参多糖的最佳提取工艺。结果 得到的最优提取工艺为提取次数3次,提取时间2 h,加水量为10倍,在此条件下党参多糖得率预测值为55.29 mg/g,和实际测量值的相对误差仅为1.10% ,具有较好的网络预测性。本方法无需复杂的实验过程,就可以快速得到最优的提取条件,且所得的党参多糖提取率较正交试验最优工艺所得的党参多糖提取率高出5.42%。结论 利用遗传算法结合BP神经网络算法对党参提取粗多糖的提取工艺进行优化快速、高效、可行。 相似文献
6.
7.
苹果渣多酚提取工艺的神经网络建模与遗传算法优化 总被引:1,自引:0,他引:1
本实验建立了苹果渣多酚提取工艺的人工神经网络模型,研究了提取工艺神经网络模型的遗传算法优化技术。结果表明,结构为4-9-1的神经网络能较为精确的拟合输入的样本数据,其对测试样本的输出与实验结果的相关系数为0.985;遗传算法优化出的最佳提取工艺参数为乙醇浓度为62%、乙醇溶液的体积与苹果渣的质量之比为14:1,温度为69.7℃,提取时间为5.9h,该工艺参数下的提取率明显大于单因素试验和二次组合试验的结果,比最好的大16.9%。用神经网络模型描述提取工艺参数与提取率之间的关系,用遗传算法优化工艺参数,能设计出最佳的提取工艺参数。 相似文献
8.
9.
本文应用人工神经网络模拟了棉粕的挤压膨化脱酚工艺,建立了一个3层网络结构的BP神经网络模型用以预测游离棉酚的降解规律,采用十折交叉验证表明:选择隐藏层神经元数为8、网络训练函数为"traingdx",此网络参数条件下,网络预测准确度高,网络预测输出与实验结果的相关系数(R2)为0.9941、均方根误差为0.4971。基于神经网络模型利用遗传算法进行全局寻优的结果表明,棉粕挤压膨化脱酚的最佳工艺条件为膨化温度131℃、物料水分51%、螺杆转速158r/min、喂料速度136kg/h,在此条件下,游离棉酚的实际降解率为90.50%,与遗传算法优化预测结果的平均相对误差为1.38%,平均相对误差较小。本研究表明,神经网络模拟结合遗传算法对棉粕挤压膨化脱酚工艺具有较好的优化效果。 相似文献
10.
基于正交设计与BP网络优化人参真空冷冻干燥工艺参数 总被引:1,自引:0,他引:1
研究了人参真空冷冻干燥工艺参数对干燥速率的影响规律。运用正交试验方法研究了干燥室压力、物料厚度、加热温度对干燥速率的影响,得到了优化的工艺组合。在此基础上运用BP神经网络对试验数据进行分析处理,建立BP神经网络模型,并通过该模型进行预测和优选,得到最佳的方案,即加热温度为60℃、干燥室压力为80 Pa、物料厚度为5 mm,此时干燥速率为1.46 h-1,与网络预测值1.44 h-1相差1.38%。结果表明,经正交试验数据训练过的BP神经网络,能较好的反应工艺参数与优化指标之间的复杂非线性关系,对指导生产试验与降低经济成本具有一定的意义。 相似文献