作者：郑焕健; 刘桂雄; 谢炎庆乳胶丝质量预测广义神经网络粒子群算法光滑因子
摘要：乳胶丝生产过程控制复杂、性能指标多，工艺改进难度大，该文基于广义回归神经网络（generalized regressionneural network，GRNN）与粒子群算法（particle swarm optimization，PSO）实现乳胶丝关键质量参数预测。首先，基于乳胶丝生产过程特性，以胶凝、清洗、烘干、硫化等过程的关键参数为输入量，300％定伸应力、拉伸强度及拉断伸长率为预测对象，建立其GRNN模型；其次，在GRNN模型中引入PSO，迭代计算光滑因子δ的最优解。最后，应用多重多元回归、GRNN、QGA—GRNN、PSO—GRNN等方法预测乳胶丝关键质量参数并进行对比。结果表明：引入优化算法的PSO—GRNN与QGA—GRNN模型预测均方误差最小、效果最佳，Ps0-GRNN关键质量参数预测时间为4．82 S，仅为QGA—GRNN的3．53％。PSO—GRNN具有良好实时性，可以更好地满足乳胶丝在线生产质量预测需求。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
