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