神经网络纱线质量预测子系统——神经网络技术在纺织企业质量管理系统中的应用

介绍了神经网络纱线质量预测子系统的设计思路以及流程 ,探讨神经网络技术在现有纺织企业质量管理系统基础上的应用问题。

基于遗传神经网络的纱线质量预测

针对基于单一BP神经网络的纱线质量预测模型的不足,提出了一种基于遗传算法优化的神经网络的纱线质量预测模型,采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.通过试验表明,基于遗传算法优化的神经网络可以提高纱线质量预测模型的精度和稳定性,其性能优于基于单一BP神经网络模型的纱线质量预测.

基于PSO-BP神经网络的纱线质量预测

针对复杂纺纱过程中成纱断裂强度难以预测的问题,提出一种基于粒子群优化算法(PSO)优化BP神经网络的成纱断裂强度预测方法.该方法采用PSO优化神经网络的权值和阈值,用来提高神经网络的收敛速度和获得全局最优解的能力.以纺纱车间大量现场质量检测数据为对象,进行预测验证,结果表明,PSO-BP神经网络在预测相关性(预测值与实际值的一致性程度)上与传统BP算法相比提高5.0%,与GA-BP算法相比提高4.6%,在预测精度上均要好于BP神经网络与GABP神经网络.

利用神经网络与AFIS纤维测试系统预测纱线质量

评述了人工神经网络以及AFIS纤维测试系统的特点 ,提出利用人工神经网络和AFIS纤维测试系统进行纺纱质量预测的工作原理和网络构建方法 ,并提供了实例 ,说明神经网络可以有效地解决纱线质量预测问题 。

基于HVI指标与RBF神经网络的纱线质量预测

将人工神经网络与HVI指标相结合,提出了一种基于RBF神经网络的纱线质量预测方法,克服了BP神经网络训练效率低、容易陷入局部极小化等不足。通过实例分析,利用马克隆值等14项HVI指标和工艺参数对纱线的单纱断裂强度等4项指标进行预测,试验结果表明:与传统纱线质量预测方法相比,基于RBF神经网络的纱线质量预测模型表现出了优良的预测精度及稳定性,对降低生产成本、提高生产效率具有积极意义。

基于差分进化的BP神经网络在纱线质量预测中的应用

为了提高BP神经网络在纱线质量预测上的精度,采用差分进化算法训练BP神经网络,利用差分进化算法的全局寻优能力优化BP神经网络的权值和阈值,建立了反映纱线质量的重要指标——单纱强度和条干CV%的神经网络预测模型.对真实数据的测试表明该算法效果良好,提高了BP神经网络算法的预测精度,能够为企业的纱线质量预测提供有效支持.

运用神经网络与回归分析预测纱线质量

举例说明了利用回归分析和人工神经网络建立纱线质量预测模型的方法。比较了回归分析与神经网络在建立预测模型方法上的优缺点。介绍了如何根据实际需要选择合理的方法建立质量预测模型。

基于免疫遗传算法的BP神经网络在纱线条干预测上的应用

为了避免因随机生成BP神经网络初始权值和阈值而带来的不确定性,以及得到更好的预测纱线条干CV值的精度和速度,借助免疫遗传算法对传统单一的BP神经网络进行权值和阈值的优化。免疫算法中特有的浓度调节机制有效地解决了遗传算法后期未成熟收敛的问题。利用Matlab构建单一的BP神经网络模型、遗传BP神经网络模型和免疫遗传BP神经网络模型进行纱线条干CV值的预测实验,通过仿真训练结果的对比分析可得出,免疫遗传算法优化的BP神经网络能够更准确、更快速、更稳定地完成纱线条干CV值的预测。

用BP神经网络预测精纺毛织物后整理质量

通过确定合理的输入层单元数、隐层节点数 ,以 3层BP神经网络建立了原料、纱线和后整理工艺参数与织物质量间的关系 ,对实际加工工艺进行预测 ,获得较满意的效果 ,证明该方法的实用性 ;同时建立了织物质量与工艺参数间的关系 ,并对重要工艺参数进行反演预测 。

基于支持向量机的纱线质量预测

针对现有的优化纺纱工艺过程质量预测模型尚无法满足实际生产需要的问题,提出了纱线质量预测的支持向量机方法,并利用网格搜索对该模型的参数进行优化。经毛纱工艺实践表明,在小样本和"噪声"数据环境下,支持向量机模型仍能保持一定的预测精度,同人工神经网络模型相比,更适用于真实纺纱生产过程中的工艺控制。

小规模样本精梳毛纺纱线质量预测

为了高效地在较少样本基础上对精梳毛纺纱线的质量进行预测,运用计算智能方法建立了预测模型。选取23组精梳毛纺纱线样本,利用由灰色关联分析法和基于输入对输出影响程度的数据优选方法构成的计算方法,从7项工艺参数中优选出对纱线条干不匀率和断裂强度影响最大的4项工艺参数,建立基于BP神经网络的纱线质量预测模型。将其中20组样本作为训练集,3组样本作为测试集,通过建立的模型对精梳毛纺纱线的质量进行实验验证。结果表明,在样本较少的情况下,该模型对条干不匀率和断裂强度的预测误差分别低至0.25%和3.03%,在纺织领域应用前景良好。

精梳毛纺纱线质量预报

应用多层感知器模型和Levenberg Marquardt算法对精梳毛纺纱线质量 ,包括细度不匀、粗细节、强力、断裂伸长等指标进行预测 ,实验显示 ,纱线质量的预测值与实测值有很高的相关系数 ,表明该神经网络模型与算法可用于实际生产中的精梳毛纱质量预测。

基于自适应误差反向传播信号调整的BP网络研究与应用

基于误差反馈对BP神经网络的影响,设计了一种反向传播的自适应误差反馈函数来增加BP网络权值的调整力度,避免网络过早进入饱和区域。将改进后的BP算法引入纱线质量预测模型中,并通过实例验证了改进后的BP神经网络算法预测结果精度较高。

计算机配棉系统的研究现状及发展趋势

探讨计算机配棉系统的研究现状及发展趋势。分析了计算机配棉系统的组成模块及其功能、计算机配棉系统研究现状、计算机配棉的发展历程。分析了纱线质量预测的简易数学模型法、回归分析测试法和神经网络法3种预测方法;介绍了国内外计算机配棉系统的研究情况以及纱线质量预测研究中存在的问题;指出了计算机配棉系统的发展趋势。认为:将计算机技术与纺纱工艺相结合的配棉和纱线质量预测可以大幅度提高纱线质量、降低生产成本;人工智能化、数据规范化和网络化是计算机配棉系统研究和发展的方向。