应用四层BP神经网络的棉纱成纱质量预测

为进一步提高BP神经网络在纱线质量预测时的精度和训练速度,在传统单隐层的三层BP神经网络模型的基础上,提出具有双隐层的四层BP神经网络来进行棉纱成纱质量预测。构建纯棉纱的断裂强力模型和纱线条干CV值模型,并在每个模型下分别设计出1个三层BP神经网络和1个四层BP神经网络,最后利用MatLab进行训练和仿真,且为保证结果的可比较性,2种网络模型的训练参数设置和使用的数据均保持一致。结果表明:在纱线断裂强力模型下,四层网络相比于三层网络最大训练步数由740步减少到533步,相对平均误差由9. 6%下降到7. 5%;在纱线条干CV值模型下,四层网络相比于三层网络,最大训练步数由929步减少到604步,相对平均误差由10. 2%下降到8. 3%。

基于灰关联度和神经网络的成纱质量预测系统的研究

由于依靠人工的经验的成纱质量预测系统的不可靠和不稳定性,设计了一种基于神经网络的成纱质量预测方案。利用灰关联分析法计算出成纱质量各因素之间的关联程度,从数据库中提取出关联度大的成分作为BP神经网络的训练数据,通过LM训练方法以得到成纱预测质量结果。仿真试验和实际运用效果均证明了方案的可行性和有效性。