燃油烘丝机出料气锁的改进及应用

通过在SH963型燃油(气)管道式烘丝机出料气锁的铸件缸体外表镶一层6 mm厚(完成面厚度)的304不锈钢衬套,提高了燃油烘丝机出料气锁的耐磨性,保证了系统处于稳定的负压状态,提高了燃油烘丝机出口水分的均匀性;降低了修理费用,延长了设备更换周期;降低了生产过程中的能源消耗。     

基于BP神经网络的棉花颜色级预测

为了方便快捷检验棉花颜色级,采用BP神经网络算法构建了基于棉纤维色度参数的棉花颜色级预测模型。模型以棉纤维的色度参数明度值和黄度值为输入变量,以棉花颜色级为输出变量,采用三层网络,网络的拓扑结构为2-12-1。通过对280份棉花试样的颜色级进行测试和BP神经网络模型预测,结果表明:BP神经网络预测值与实测值的平均相对误差为3.203%,所建立的回归方程拟合优度达到99%。认为:所建立BP神经网络模型具有较好的预测效果。     

基于PSO-GA-BP神经网络的大米水分含量预测

为保障大米质量安全，提出一种基于BP神经网络的大米品质检测方法。方法以大米水分含量作为大米品质指标，通过结合粒子群优化算法(PSO)和遗传算法(GA)优化BP神经网络的阈值和权值，实现了BP神经网络的改进，提高BP神经网络的收敛速度，解决BP神经网络容易陷入局部最优的问题。然后，将改进的BP神经网络应用于大米水分含量预测中，实现了大米水分含量的准确预测。仿真结果表明，所提的改进BP神经网络模型相较于标准BP神经网络模型和LSTM-BP神经网络模型，在预测集和验证集上的均方根误差更小，分别为0.007和0.005,其大米水分含量预测值与真实值接近，可准确检测大米水分含量，为大米品质检测奠定了理论基础。     

滚筒烘丝的放大试验研究

为减小卷烟产品研发成本,缩短研发周期,研制出实验型滚筒烘丝机,并将其与500 kg/h,5 000 kg/h的滚筒烘丝机进行对比研究,以考察滚筒烘丝机在卷烟产品生产中的尺寸放大效应。结果表明:筒壁温度、热风温度、热风速度、热风湿度对烟丝滚筒干燥过程的影响可以用Midilli-Kunck模型准确表征;滚筒干燥机设备尺寸越大出口水分越稳定;为保持产品质量的一致,在应用实验型滚筒干燥机、500 kg/h的滚筒烘丝机、5 000 kg/h的滚筒烘丝机时筒壁温度应依次提高。     

燃油管道式烘丝机工艺气体温度控制的改进

燃油管道式烘丝机依靠燃烧炉调节工艺气体温度时,由于燃烧炉温度控制反应较慢,调整过程中存在超调现象,导致叶丝的出口温度和含水率波动较大,影响叶丝质量.改进后的燃油管道式烘丝机增加了工艺气体的旁路风管,采用联动风门调节进入燃烧炉和旁路风管的风量,以快速调节工艺气体温度.应用效果表明,燃油管道式烘丝机增加旁路风管设计后,干燥温度的波动范围由±15℃降低到±1℃,温度调节到系统稳定的时间由180 s减少到40 s,出口叶丝温度波动范围由±3 ℃降低到±1℃,出口叶丝含水率波动范围由1%降低到0.5%.     

SH315D管板式烘丝机筒温蒸汽管道改造

针对SH315D管板式烘丝机生产运行时筒温偶尔异常波动,导致其出口烟丝含水率异常波动的现象,通过深入研究分析问题存在的根本原因,采取了改造烘丝机筒温蒸汽管道的措施,有效解决了烘丝机筒温偶尔异常波动的现象,保证了烘丝机出口烟丝水分的稳定,达到了提高工序加工质量的目的。     

柿饼干燥中单宁变化规律及BP神经网络预测模型的建立

研究不同温度、不同初始单宁含量、不同水分含量对柿饼干制过程中可溶性单宁变化规律的影响,并建立BP神经网络预测模型。结果表明:在35～55℃范围内,温度越高,可溶性单宁脱涩时间越短,且每个温度下均出现返涩现象;初始单宁含量越高,脱涩时间越长,但初始单宁含量在低浓度范围内,脱涩时间不受单宁浓度的影响;水分含量影响脱涩速率,水分含量越低,脱涩越困难。通过建立的BP神经模型可知,BP网络结构为4-6-1,BP预测模型的相关系数为0.966,验证集模型的相关系数为0.93,证明BP神经网络可以对干燥过程中的可溶性单宁含量进行预测。     

基于多因素分析的烘丝机入口含水率预测模型的建立与应用

为了保障制丝过程中烘丝机入口含水率的稳定性,采用Pearson相关分析的方法,确定烘丝机入口含水率的主要影响因素,并用神经网络算法和多元回归分析方法建立含水率预测模型。通过模型求解,实现给定烘丝机入口含水率计算松散回潮机回潮加水比例参考值的目的。采用模型预测值与实测值对比的方法进行检验。结果表明:烘丝机入口含水率设定值为19.2%时,采用本方法得到的烘丝机入口含水率均值为19.21%,优于改进前的19.09%,且误差标准偏差由0.43%降到0.26%,批次间烘丝机入口含水率的波动得到改善。      

基于基本规格参数的织物缝纫平整度的研究

以毛精纺织物的基本规格参数及织物丝绺角度作为变量,应用主成分分析法探讨这些变量对服装缝纫平整度的影响,并利用这些变量建立BP神经网络模型,预测织物的各向缝纫平整度.实验结果表明:织物的丝绺角度与织物中羊毛纤维的含量对缝纫平整度的影响较为显著;利用毛精纺织物的基本规格参数及织物丝绺角度建立的BP神经网络模型能够快速、准确地预测毛精纺织物的各向缝纫平整度,从而为毛精纺织物缝纫平整度的客观评价提供了一条便捷、实用、高效的途径.     

利用神经网络对L-缬氨酸发酵建模

根据L-缬氨酸发酵过程的实验数据,利用BP神经网络进行训练,建立实验模型,实时获取生化变量的预测值并进行验证.结果表明,运用BP神经网络对L-缬氨酸发酵过程进行模拟,所建立的模型能比较精确地模拟菌体生长、底物消耗及发酵产酸过程的变化,可以为L-缬氨酸发酵生产过程提供动态模拟,具有重要的实用价值.     

基于MEA-BP神经网络的大米水分含量高光谱技术检测

利用高光谱技术对储藏大米的水分含量进行检测。本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理。由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取。最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值。对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81%。     

基于BP神经网络模型的用户问答对服装产品月销量影响

用户问答作为产品口碑的新型定性化体现,一经推出迅速成为各大电商平台的热点。文章以网购平台中服装产品的用户问答为切入点,构建BP神经网络分析产品月销量的关键影响因素,对电商平台管理、店铺经营具有实践意义。借助分析工具对用户问答数据内容进行挖掘,构建用户问答效价词典,并建立用户问答相关变量与产品月销量的BP神经网络模型进行实证分析。神经网络仿真结果表明,各相关变量对月销量存在不同程度的影响,用户问答数量正向影响月销量,用户问答类型中的关键影响因素为属性型回答。     

基于BP神经网络的仓储小麦的生理生化指标预测

BP神经网络算法在粮食仓储领域拥有巨大的应用价值和潜力。本研究尝试将BP神经网络引入仓储小麦品质预警模型,以天津储粮抽检数据为对象,通过对室内温度的记录,样品水分、淀粉、蛋白质等11项生理生化指标的定期检测,利用BP神经网络算法进行仓储小麦的品质预测与影响分析。仿真结果表明,基于BP神经网络的数据预测方法具有较小的过程误差和较高的结果准确性,为仓储小麦的品质预测提供了一种有效的研究方法。     

基于BP神经网络和遗传算法优化番茄红素发酵培养基

为了进一步提高三孢布拉霉高产突变株的番茄红素产量，本研究基于BP神经网络和遗传算法对发酵培养基的组成进行了优化。比较不同碳源、氮源、植物油对番茄红素产量和生物量的影响，确定最佳碳源、氮源和植物油。利用49组样本数据，建立以玉米粉、玉米浆、大豆油、磷酸二氢钾、硫酸镁为输入变量，番茄红素体积产量为输出变量的BP神经网络，并以建好的BP神经网络模型为适应度函数，利用遗传算法进行寻优。经过优化，得出番茄红素最大预测产量为1.27 g/L，经验证，与实际产量误差在5%以内，较优化前提高了31.6%。此时，玉米粉、玉米浆干粉、大豆油、磷酸二氢钾、硫酸镁的含量分别为41.2、8.93、26.5、1.39、0.46 g/L。因此，BP神经网络结合遗传算法是番茄红素发酵培养基优化的有力工具，番茄红素产量显著提高。     

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。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于模型预测控制的松散回潮自适应控制系统

为解决松散回潮的传统控制自适应差、控制不稳定等问题。根据松散回潮机工作原理与烟叶吸湿性机理,筛选出物料入口含水率、加水量、回风温度3个关键变量,以物料出口含水率为目标值,建立预测模型,针对因模型偏差导致的控制误差,在模型预测控制的基础上,运用神经网络模型中反向传播算法,根据松散回潮生产特性优化损失函数,使预测模型在控制过程中自迭代、自适应,提高了模型的自适应速率。系统优化后,松散回潮出口水分平均标准偏差由原0.29下降至0.20,同比下降32%,平均cpk由1.132提升至1.479,同比提升30%。有效提高了松散回潮过程控制能力。     

基于BP神经网络的机采原棉品质指标预测模型

为了对脱籽后的机采原棉品质指标进行预测并实现优化控制,设计了用于机采原棉品质指标预测的BP神经网络模型。以南疆地区机采棉为研究对象,以影响原棉品质的主控因素籽棉回潮率和轧花速度为BP神经网络模型的基本特征量,建立了机采原棉品质指标的BP神经网络预测模型。结果表明:该BP神经网络模型能较好表达机采原棉各品质指标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均接近1,模型预测效果较佳。认为:该BP神经网络模型可作为机采原棉品质预测与调控的新方法,也可应用于机采籽棉轧花在线原棉品质监控。     

基于BP神经网络的办公椅感性意象预测模型构建研究

本文以办公椅为研究对象,以感性工学及其相关理论为研究依据,基于形态分析法对办公椅造型要素进行解构,运用SD量表法对感性意象进行量化分析,借助BP神经网络建立两者之间的映射模型,运用MATLAB软件对模型进行训练和测试,最终得到基于BP神经网络的办公椅感性意象预测模型。该模型旨在为办公椅产品感性设计提供较为科学的理论依据,同时拓展BP神经网络在辅助产品感性设计方面的潜能。