基于人工神经网络的纱线条干均匀度预测研究

研究了纱线条干均匀度预测问题,用HVI测试原棉指标,用USTER()TESTER 5-S400测试成纱指标,采用标准BP算法建立断裂伸长预测的模型,进行纱线的条干均匀度预测,结果表明BP模型预测速度和精度较高,可以实现棉纱条干均匀度预测.     

基于遗传算法优化BP神经网络的粮食温度预测研究

针对粮食储存中温度参数的非线性时间序列问题,提出一种基于遗传算法(GA)优化BP神经网络算法的粮食温度预测模型,选取影响粮食温度的10个因素(仓外温度、仓外湿度、仓内顶温度、仓内中心温度、仓内底温度、仓内顶湿度、仓内中心湿度、仓内底湿度、仓内氧气浓度、粮食湿度)作为输入参数,分析后输出粮食温度。经验证,GA-BP模型具有比传统BP神经网络更好的预测精度和实用效果,在粮温预测领域中具有一定的应用前景。     

基于图像处理的纱线条干检测

基于图像处理的纱线条干检测是一种新的纱线质量检测方法。文中详尽论述了基于图像处理的纱线条干检测的原理、方法、应用效果和应用中遇到的问题,这种测试方法方便、快捷、准确。     

基于RBF神经网络的棉纱条干均匀度预测

讨论了神经网络在纺织领域研究的新进展,简述了RBF神经网络的算法,基于影响棉纤维品质的各个因素与棉纱条干均匀度之间存在的复杂非线性映射关系,建立了棉纱条干均匀度的神经网络模型。结果表明,RBF神经网络算法收敛速度快、收敛性好,适用于棉纱条干均匀度预测。     

基于计算机纱线仿真的纱线条干检测系统

纱线的条干均匀度对纺织品的质量有很大影响。通过对现有纱线条干均匀度检测方法的对比和研究,提出一种基于计算机纱线仿真的纱线条干检测系统。该系统的原理是结合黑板检测法和乌斯特条干检测法的优点,通过乌斯特条干仪获取纱线的电容值并转化为电压值,然后再转化为纱线的细度值,最后通过纱线仿真建模方法进行纱线黑板模拟,直观反映纱线质量,并结合乌斯特仪检测的结果,可以具体反映纱线条干的外观质量和质量分布不匀率。     

基于BP人工神经网络的纱线毛羽预测研究

研究基于BP人工神经网络的纱线毛羽预测问题.以棉纤维的7项品质指标作为输入参数,以棉纱的毛羽指数H指标作为输出参数,通过使用36组数据分别进行网络模型训练,最终将纱线毛羽指数预测模型的结构选定为7-10-1来进行纱线毛羽的预测,结果表明:BP人工神经网络模型的预测速度和精度较好.     

基于纱线条干边缘曲线切点的纱线毛羽检测

通过对纱线图像进行灰度变换、纱线图像局部阈值分割、纱线分割以毛羽提取等图像处理算法的应用,从而获得精确的纱线条干和纱线毛羽信息,并对纱线毛羽进行细化。实验表明,所提出的毛羽检测方法能够全面、精确地实现对纱线毛羽长度和根数的检测,且对3mm以上的长毛羽的检测精确度更高。     

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...     

预测织物热传递性能上的BP神经网络应用研究

织物的热传递性能是评价服装舒适性的重要指标之一。纤维性质 ,纱线结构与性质 ,以及织物的结构与性质 ,均会影响织物的热传递性能 ,它们之间存在着复杂的非线性关系。主要对神经网络求解织物热传递问题进行了深入研究。利用计算机建立神经网络模型 ,选择最佳网络参数并对网络进行训练。通过应用实例 ,提出了处理实验数据的方法 ;并通过建立大量的BP网络进行比较 ,来提高训练速度和仿真精度 ,筛选出最具应用价值的网络。     

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。     

基于遗传算法和BP神经网络的竹粉模压花盆跌落冲击响应预测

提出以竹粉模压花盆跌落冲击响应为对象的预测模型。利用均匀设计和有限元分析技术获得试验数据,以花盆周壳厚度、底沿厚度和底壳厚度为网络输入,花盆壳体最大应力为网络输出,构建三层BP神经网络;采用遗传算法(GA)优化BP神经网络的初始权值和阈值,利用均匀试验数据对GA-BP网络模型进行训练和仿真,最后利用GA-BP网络模型预测花盆跌落冲击的壳体最大等效应力。结果表明,所建立的GA-BP网络模型具有较强的学习能力,预测值与有限元分析值相对误差小于5%,表明GA-BP网络模型可用于花盆跌落冲击响应的预测。     

BP神经网络在白砂糖含硫量预测中的应用

通过测定清汁pH值、清糖浆pH值、清汁中残留SO2含量、清糖浆中残留SO2含量以及成品白砂糖的含硫量,建立BP神经网络模型并预测白砂糖的含硫量。结果表明,该方法可行,模型预测结果具有较高的精度。     

BP神经网络在纺织服装上的应用

文章简单介绍了BP神经网络及其工作原理。对BP神经网络在纺纱、织造、染整、服装上的应用做了概述。     

纱线条干均匀度的测试

怎样才能消除织物不均匀的外观?纱线生产过程中一个重要的部分就是牵伸过程。在这过程中必须确保纱线内的纤维数量在任何时候都要保持一致,但即使是用最先进的纺纱系统,要确保到这点也几乎是不可能的。纱线的不规则性和不均匀性都会影响织物的外观。因此,保证纱线不匀率能达到最低水平是极其重要的。不均匀的织物外观是布面上有过多的粗细节和棉结的结果。造成过多的常发性纱疵的原因很     

基于BP神经网络和遗传算法的钢丝拉拔优化设计

针对钢丝在拉拔成形后表面轴向残余应力过大的问题,建立有限元模型,并确定钢丝拉拔过程变量优化范围;利用正交试验法确定网络训练样本,根据变量设计安排各因素及水平,组成L25(55)正交表;利用ANN的高度非线性映射能力建立拉拔过程参数与钢丝表面最大轴向残余应力映射模型,同时将神经网络与遗传优化算法相结合。优化后摩擦因数为0.09,工作锥角为8°,定径带长度为0.66 mm,部分压缩率为4%,拉拔速度为3 820mm/s,在此组合参数下,采用FEM计算表面轴向残余应力为65.37 MPa,神经网络预测结果为67.58 MPa,模拟结果相对误差为3.5%;相对于正交试验中平均轴向残余应力202.1 MPa,降低67.6%,优化效果明显,显著降低了钢丝的表面轴向残余应力。     

基于数字图像处理的纱线条干均匀度检测初探

本文以四种不同规格的纯棉纱线为例,提出一种基于数字图像处理技术来检测纱线条干不匀率的方法。采用MRS-4800M48U型扫描仪采集纱线图像,然后对纱线图像进行维纳滤波、阈值分割、形态学开运算处理,得到条干清晰、无噪声的纱线图像,最后基于经处理后的图像计算纱线的直径和纱线的条干CV值,图像法检测出的纱线条干CV值与乌斯特条干仪检测出的结果非常接近,这表明,本文提出的纱线条干均匀度检测方法是可行的,能准确高效地检测出的纱线条干CV值,客观地反映纱线的外观质量。     

基于多视角图像的纱线条干均匀度测量方法

为能更精确地表征纱线条干三维特征,实现纱线条干均匀度的质量评估,采用多视角图像对纱线条干均匀度的测量进行研究。首先选择5种不同线密度的环锭纺纯棉纱,通过搭建多视角纱线图像获取装置,实现纱线多个角度的图像采集;其次对获取的4个方向的纱线图像进行自动阈值分割、图像自动裁剪、毛羽快速清除以及孤立区域去除等处理,得到清晰、无噪点的纱线主干图像;最后求得纱线主干的单视角与多视角直径、CV值,并提出新的表征纱线条干不匀的多视角不匀均值(CV_n)指标和三维条干变异系数(S)指标。其数据结果与乌斯特条干仪的测试结果对比表明:2种测试方法检测的纱线直径相差不大,都随着线密度的减小而减小;单视角和多视角下,0.3 mm片段长度下纱线直径CV值、8 mm片段长度下纱线直径CV值与乌斯特条干仪测得的结果趋势变化一致;提出的三维条干变异系数S虽大于乌斯特条干仪测得的CV值,但总体趋势保持一致。     

基于BP人工神经网络的纱线强度CV值预测研究

研究基于BP人工神经网络的纱线强度CV值预测问题。以棉纤维的七项品质指标作为输入参数,以纱线的强度CV值指标作为输出参数,通过使用28组数据分别进行网络模型训练,最终选定纱线强度CV值的模型结构进行预测,验证了BP人工神经网络模型的预测精度。     

BP神经网络在羊毛品质预测中的应用研究

用BP神经网络方法对加工毛条时所需的羊毛品质进行预测，阐述了利用BP神经网络预测羊毛品质的工作原理，给出了羊毛品质预测系统的BP神经网络模型，并得出了实验结论。