基于ISSA-BP神经网络的纺纱生产工艺参数反演

针对传统的反演模型精度不高且传统BP神经网络有权值和阈值初值过于随机化、稳定性和准确性差等问题,提出了基于改进麻雀搜索算法(ISSA)的BP神经网络纺纱生产工艺参数反演模型。利用灰色关联分析法提取出10个关键工艺参数,以其作为模型输入;引入Chebyshev混沌映射、正余弦算法(SCA)和自适应权重因子对麻雀搜索算法(SSA)进行优化,并用ISSA优化BP神经网络,在此基础上构建纺纱生产工艺参数反演模型;利用ISSA对参数反演模型进行求解。以纤维属性和纺纱车间细纱工序为对象进行反演验证,试验结果表明:ISSA-BP预测值的MAPE、MSE、MAE、迭代次数、适应度值均优于SSA-BP模型;对反演优化后的工艺参数进行预测,预测的质量指标与期望质量指标的平均相对误差(MRE)为5.04%。认为:基于ISSA-BP神经网络的纺纱生产工艺参数反演精度较高,有助于工艺参数的合理设计。

应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型

针对传统精梳毛纺工艺参数反演模型收敛性和稳定性不理想、反演精度低等问题,以及标准遗传算法(SGA)应用于复杂优化问题时存在早熟收敛等缺点,以BP神经网络为基础,提出一种混合种群遗传人工神经网络(MPG-ANN)反演模型,首先以混合种群遗传算法优化BP神经网络的权值与阈值建立预测模型,在此基础上根据毛纱CV值建立混合种群遗传算法反演模型,用来反演精梳毛纺生产过程工艺参数。以纺纱车间大量现场工艺检测数据为对象进行反演验证,结果表明:MPG-ANN模型反演精度达97%,相比于标准遗传算法人工神经网络(SGA-ANN)模型提高4%,同时反演结果波动幅度相比于SGA-ANN模型降低了6.28%。该方法可为精梳毛纺生产过程质量控制提供有效的理论指导,对纺织企业新产品工艺开发设计的快速决策具有很好的借鉴作用。