基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

基于山东省不同模型的物流需求预测比较研究

目的 过对不同预测方法的误差对比研究,选取预测生鲜农产品物流需求量更精准方法,为疫情情况下山东省生鲜农产品市场进行科学性、合理化决策提供参考。方法 公路货物周转量、互联网普及率、GDP、人口数量、第一产业增加值等十大影响因素作为自变量,以生鲜农产品的需求量作为因变量,分别将小波神经网络、人工神经网络(BP)、遗传算法优化神经网络(GA−BP)、粒子群优化神经网络(PSO−BP)、长短时记忆网络(LSTM)等5种方法的数据预测进行对比分析。结果 波神经网络和BP神经网络的预测值明显低于真实值,且平均相对误差接近20%,而优化后的GA−BP、PSO−BP、LSTM算法误差均小于5%,分别为4.06%、1.162%、0.45%,因此,LSTM预测精度最高,效果最好。结论 来山东省的生鲜农产品需求量将持续增长,LSTM算法以其精确度更高,学习能力更强的优点,将会被更多地应用到物流领域研究中。     

一种数码喷墨印花机的颜色特性化方法

目的为了提升数码印花中彩色图像的复现精度,提出一种在子空间采用遗传算法优化BP神经网络的颜色特性化方法。方法介绍遗传算法(GA)优化BP神经网络的基本原理,设计一种在L*a*b*颜色子空间建立的颜色特性化模型,并对1000个色样开展GA-BP神经网络模型训练实验,最终拟合出印花色样的L*a*b*色度值和输入的印花图像RGB驱动值之间的非线性关系。结果该方法对125个测试色样的颜色特性化预测结果显示,超过90%的色样色差分布在2.0以内,光谱均方根误差(RMSE)分布在0.02以内。结论该方法较未进行遗传算法优化BP神经网络,预测精度得到明显提升,能够达到较高的数码喷墨印花彩色图像复现精度。     

基于优化BP神经网络的汽车座椅舒适性评价

目的 探索汽车座椅舒适性评价方法.方法 设计实验采集驾驶员基本物理信息及其在实车中的体压数据,利用Lasso算法提取具有较好预测效果的特征向量,利用遗传算法对BP(Back Propagation)神经网络进行优化,建立基于优化BP神经网络的汽车座椅舒适性评价模型.结果 利用遗传算法优化后的BP神经网络预测准确率达到9...     

基于遗传算法的神经网络在爆破振动预测中的应用

针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个参数作为模型参数,对爆破振动幅值v、振动主频f和振动持续时间T进行预测,得出基于遗传算法的神经网络预测的结果比BP神经网络更为精确,克服了BP神经网络的缺点。     

铝合金薄板冲压成形过程中的侧壁起皱及有限元模拟

针对铝合金薄板的侧壁起皱问题,本文通过有限元软件分析工艺参数对成形质量的影响,提出了一种基于数值模拟与智能算法相结合的优化方法。首先,利用最优拉丁超立方抽样进行实验设计,并依据数值模拟获取实验值;其次,基于BP神经网络拟合工艺参数与成形质量之间的关系,预测结果的平均相对误差为2.69%,建立了准确的预测模型;最后,用遗传算法极值寻优获取了一组最优的工艺参数组合,起皱幅值的预测值和仿真值相对误差仅为4.03%,实验结果与仿真分析结果相近,验证了该优化方法的合理性和有效性。研究表明:以料厚、摩擦系数和压边力作为优化变量,以最大起皱幅值最小化为优化目标,建立几何模型,并利用有限元软件Autoform进行仿真分析;依据起皱轮廓线径向位移的实验和数值模拟对比,验证了有限元模型的正确性,表明利用神经网络和遗传算法极值寻优可以有效解决铝合金侧壁起皱缺陷。     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。     

基于BP-AGA的非线性组合预测方法研究

运用神经网络和加速遗传算法建立非线性组合预测模型，在BP算法训练网络出现收敛速度缓慢时启用加速遗传算法(AGA)来优化网络参数，把AGA的优化结果作为BP算法的初始值，再用BP算法训练网络，如此交替运行BP算法和AGA以加快网络的收敛速度，同时改善局部最小问题。最后给出实例研究，结果表明，该方法能明显提高预测精度。     

基于GA-BP的混合动力汽车匀速工况声品质预测模型

为快速准确评价混合动力汽车车内声品质,在分析BP神经网络和遗传算法(GA)特点的基础上,利用遗传算法对BP神经网络的权值和阈值进行优化,从而建立GA-BP的混合动力汽车声品质客观评价模型。利用此模型进行混合动力汽车匀速工况车内声品质预测后,把GA-BP模型预测结果与多元线性回归模型和传统BP神经网络模型预测结果进行比较。对比结果显示GA-BP模型预测结果精度最高。证明所建立的GA-BP声品质预测模型的有效性,说明该模型较适用于混合动力汽车车内声品质预测。     

基于BP神经网络的喇叭嘴机构动平衡优化方法

目的为了提高烟支端面的切割质量,对喇叭嘴机构的动平衡性能进行优化。方法以两平衡块的设计角度为设计变量,惯性力和惯性力矩的均方根植为优化目标,建立喇叭嘴机构的动平衡优化函数。基于BP神经网络建立喇叭嘴机构动平衡预测模型,利用遗传算法优化该神经网络,以提高其预测精度,且获得最优值。结果优化后的机构动平衡性能得到明显改善,其中惯性力均方根值减小了37.16%,惯性力矩均方根值减小了8.33%。结论采用神经网络与遗传算法对喇叭嘴机构进行动平衡优化效果较好,提高了机构的工作稳定性。     

不同保鲜袋包装对水蜜桃贮藏品质的影响

目的 研究不同保鲜袋包装对水蜜桃贮藏品质的改善效果,为水蜜桃贮藏保鲜提供技术指导.方法 以"玉露"水蜜桃为研究对象,采用聚乳酸可降解保鲜袋、纳米保鲜袋包装,在0℃下贮藏12 d后转至26℃下贮藏,以普通市售聚乙烯保鲜袋包装的水蜜桃作为空白对照.在低温贮藏期间每隔4 d测定水蜜桃的感官评价、硬度、质量损失率、呼吸强度、抗氧化酶活性等理化指标,在常温贮藏期间每天测定上述指标.结果 用市售保鲜袋包装的水蜜桃在低温下贮藏12 d就会发生严重腐烂变质,失去商业价值,转入常温后,腐烂愈发严重.采用聚乳酸可降解保鲜袋和纳米保鲜袋包装的水蜜桃在贮藏期12 d时的质量损失率分别为2.13％和1.52％,可溶性固形物含量(质量分数)分别为13.43％和13.3％,且无腐烂果实.结论 纳米保鲜袋包装可以减少水蜜桃水分的流失,保持水蜜桃的硬度、口感和风味,增加其抗氧化酶活性,提高其商品价值,有效延长水蜜桃货架期.     

基于可见/近红外光谱分析技术的水性油墨黏度预测模型

针对水性油墨黏度测量方法存在操作复杂、主观性强等问题,利用可见/近红外光谱分析技术结合化学计量学方法,建立水性油墨黏度预测模型,实现水性油墨黏度的快速无损检测。首先,利用微型光纤光谱仪采集水性油墨样本的反射光谱;再通过比较不同预处理方法对原始光谱数据的预处理效果,分别基于原始全光谱及预处理后的光谱数据构建水性油墨黏度的偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型;最后,将预处理后的光谱数据采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)提取特征波长,并基于特征波长的光谱数据建立水性油墨黏度的PLS预测回归模型。结果表明,采用SPA算法从全光谱中只提取了4个特征波长,不仅显著简化了模型,提升了模型的运算效率,建立的SNV-SPA-PLS模型还具有最佳的预测性能(R_p²=0.9992,RMSEP=0.0732)。该研究结果表明应用光谱分析技术实现对水性油墨黏度检测是有效可行的,为进一步通过光谱分析技术进行水性油墨在线黏度检测提供了新方法,为提高印刷品质量稳定性提供了技术基础。     

焊接工艺参数优化的智能计算研究

如何找出特定的最佳工艺参数是焊接工作者重要而又艰巨的一项工作,是进行焊接加工时首先需要解决的问题.在全面考虑BP神经网络(Back propagation neural network)的非线性映射功能和GA(Genetic algorithm)全局寻优方法的基础上提出了综合利用回归正交表、人工神经网络(ANN)及遗传算法(GA),在所有可能的焊接工艺参数范围内自动搜寻最佳工艺参数的方法,研究中比较了不同种群大小、不同交叉概率对精度及效率的影响.结果表明,该方法具有适应性广、可靠性高的优点,由于可以大大减少试焊次数,具有良好的推广价值.     

Water-reducible flexographic printing inks—rheological behaviour and interaction with paper substrates

The rheological behaviour of 5 water-reducible flexographic printing inks was tested using viscometer with the cone and plate geometry. The obtained shear stress versus shear rate curves for the original inks, and additionally, for the mixtures with various amount of added water, exhibit pseudoplastic behaviour, and were successfully fitted by Ostwald and Casson models. The viscosity of printing inks after addition of water was tested also by means of outflow funnel. The transfer of flexographic inks on the different paper substrates was examined by optical density measurements. The density curves confirmed that the ink concentration above 50 wt% is sufficient to obtain the constant value of optical density. The best ink transfer to the investigated paper substrates was observed for folding carton characterized by the high value of smoothness.     

基于神经网络的印刷墨量在线检测研究

提出了使用机器视觉和神经网络等技术构建印刷墨量在线检测系统,介绍了由机器视觉采集印刷图像,以及使用神经网络计算印张上各墨区CMYK四色油墨墨层厚度的方法。最后通过实验验证了神经网络的可行性,并编程实现了这一系列过程。     

带误差补偿的GPC对网络控制系统时延的解决

针对网络控制系统(NCS)具有不确定时延的特性，提出了将广义预测控制(GPC)应用于网络控制系统的思想。为了克服模型失配和系统不确定性的影响，基于BP神经网络建立一个误差的预测模型，用误差预测值对输出预测值进行补偿，构成新型的广义预测控制算法，并采用了平滑滤波的加权输入控制律。在网络控制系统中，测试了网络数据传输的随机延迟时间特性，比较了GPC和具有BP网络预测误差补偿的GPC两种控制方法，验证了具有BP网络预测误差补偿的GPC在模型失配时的更好的控制性能。     

超声波喷丸成形工艺参数优化及弧高值预测

超声波喷丸成形弧高值是多个工艺参数共同作用的结果,成形工艺参数的选择及对弧高值的准确预测成为难点.本文结合正交试验法和有限元分析软件ABAQUS对不同超声波喷丸工艺参数条件下的喷丸成形过程进行数值模拟分析,研究撞针速度、撞针直径、成形轨迹间矩、喷丸区域宽度对带筋板喷丸成形弧高值的影响.对试验结果进行极差分析,探讨了喷丸工艺参数对喷丸成形弧高值的影响程度,得到较优的超声波喷丸成形工艺参数组合方案.利用正交试验得到的数据作为神经网络的训练样本,建立输入为带筋板超声波喷丸成形工艺参数,输出为成形弧高值的BP人工神经网络模型,对喷丸成形弧高值进行预测.通过样本检验该BP网络模型的准确性,实验结果数据与预测数据之间的最大误差为4.69%,从而BP神经网络能够有效代替数值模拟方法预测其弧高值,缩短工艺设计时间,提高设计效率.     

基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计

火电厂SCR脱硝系统的设计需要在满足脱硝效率的同时,尽可能节约成本,因此需要准确预测SCR脱硝所需的催化剂体积。火电厂的烟气条件复杂多变,烟气温度、烟气流量、出入口NO_x浓度等参数都会影响SCR催化剂的体积设计,因此催化剂体积预测是一个多因素耦合的问题。针对这一特点,使用BP神经网络对催化剂体积设计进行了预测,并针对该模型结构上的缺陷,进行基于遗传算法优化的神经网络建模研究。结果表明,遗传算法优化后的BP神经网络模型预测精度和数据拟合能力均有提高,为脱硝系统的催化剂体积设计提供了新思路。