基于棉纤维质量棉纱质量预测
发布时间：2020-07-19 11:20
【摘要】：配棉成本和纺纱质量直接决定棉纺企业的经济效益。棉纺过程是一个多工序、长周期的过程,影响成纱质量的因素很多,但起主要作用的还是棉纤维的各项性能指标和加工系统的固有特性及工艺设计这几个因素。而如何决定和选择合理工艺取决于原棉的特点和性能,原棉品质是成纱质量的关键。鉴于工艺参数对成纱质量的影响是人为可控的,所以将主要研究重心放在原棉品质这一点,即在假设工艺参数合理的情况下,研究原棉品质参数对成纱质量的影响。分别概述了棉纤维成熟度、长度、细度、回潮率、强度、杂质、反射率、黄色深度,并指出这些纤维指标对哪些棉纱线质量指标影响较大。对棉纱线强力、条干、棉结做了概述,以及影响这些指标的主要棉纤维质量指标有哪些。选定黄度、反射率、长度、回潮率、含杂率、总棉结、短绒率、细度、马克隆值、强度十个棉纤维指标作为输入因素;纱线强力、条干CV%、条干CVb%、细节、粗节、棉结六个棉纱质量指标作为输出。运用回归分析、神经网络和主成分与神经网络结合方法进行建模,对预测结果进行比较,得出对不同细度棉纱预测时,哪种算法具有更好的预测精度和稳定性;以及比较不同细度棉纱预测结果的差异。
【学位授予单位】：河北科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS101.921
【图文】：
图 3-1 人工神经元模型经元的类型分为输入神经元、输出神经元和隐含层部的信号与数据；输出神经元实现系统处理结果的出神经元之间，不能由系统外部观察的单元。神经连接强度，信息的表示和处理体现在网络处理神经一个输入连接都有突触连接强度，用一个连接权值强度放大，每个输出量(Xj)都对应有一个相关联的的输入量化，然后相加求得其加权值之和，计算出唯权重和的函数，一般称此函数为传递函数[57]。这个过(Σ)jYfwbij 神经元采用的传递函数。传递函数 f 可为线性或非线dlim（硬极限传递函数）、purelin（线性传递函数）sig(正切型传递函数)。多个简单神经元按一定的拓扑结构组织来构成的。
河北科技大学硕士学位论文是一种按误差逆传播算法训练的多层前馈网络，是目前应用之一。BP 网络能学习和存贮大量的输入输出模式映射关系，种映射关系的数学方程[60]。网络的结构如图 3-2 所示，包括输入层，隐含层和输出层。的形式，但同一层的神经元之间没有连接关系[61]。根据实际间的误差，从输出层反向进行修正，依次调节中间层和输出值、输入层和中间层之间的连接权值和阈值，是误差逐渐减回到了输入层。随着这种误差反向修正的不断反复，网络对持续得到提升[62-64]。本文采用单隐层的 BP 神经网络建模。
纱线强力（Y1）作为输出。表 4-1 为三个品种三种模型的预测结果，图4-1 展示了三个品种三种模型预测结果比较图，可以更为直观的观察三种模型的拟合程度。表 4-1 棉纱线强力预测结果对比特数 样本 1 2 3 4 5 6 7 814.5tex预测方法 实测值 213 220 230 222 217 210 224 217回归分析 预测值 230 222 224 219 222 220 230 224相对误差% 8 0.9 2.6 1.4 2.3 4.8 2.7 3.2平均相对误差% 3.25BP 模型 预测值 222 219 224 220 214 229 232 223相对误差% 4.2 0.5 2.6 0.9 1.3 9 3.6 2.8平均相对误差% 3.11主成分-BP 预测值 219 217 235 225 221 218 228 214相对误差% 2.82 1.36 2.17 1.35 2.76 3.81 1.79 1.38平均相对误差% 2.1818.2tex预测方法 实测值 274 286 283 286 275 271 266 254回归分析 预测值 281 295 286 278 234 252 265 273相对误差% 2.6 3.1 1.1 2.8 14.9 7 0.4 7.5平均相对误差% 4.95BP 模型 预测值 275 279 286 285 274 273 265 266相对误差% 0.4 2.4 1.1 0.3 0.3 0.7 0.4 4.7平均相对误差% 1.29
本文编号：2762347
【学位授予单位】：河北科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS101.921
【图文】：
图 3-1 人工神经元模型经元的类型分为输入神经元、输出神经元和隐含层部的信号与数据；输出神经元实现系统处理结果的出神经元之间，不能由系统外部观察的单元。神经连接强度，信息的表示和处理体现在网络处理神经一个输入连接都有突触连接强度，用一个连接权值强度放大，每个输出量(Xj)都对应有一个相关联的的输入量化，然后相加求得其加权值之和，计算出唯权重和的函数，一般称此函数为传递函数[57]。这个过(Σ)jYfwbij 神经元采用的传递函数。传递函数 f 可为线性或非线dlim（硬极限传递函数）、purelin（线性传递函数）sig(正切型传递函数)。多个简单神经元按一定的拓扑结构组织来构成的。
河北科技大学硕士学位论文是一种按误差逆传播算法训练的多层前馈网络，是目前应用之一。BP 网络能学习和存贮大量的输入输出模式映射关系，种映射关系的数学方程[60]。网络的结构如图 3-2 所示，包括输入层，隐含层和输出层。的形式，但同一层的神经元之间没有连接关系[61]。根据实际间的误差，从输出层反向进行修正，依次调节中间层和输出值、输入层和中间层之间的连接权值和阈值，是误差逐渐减回到了输入层。随着这种误差反向修正的不断反复，网络对持续得到提升[62-64]。本文采用单隐层的 BP 神经网络建模。
纱线强力（Y1）作为输出。表 4-1 为三个品种三种模型的预测结果，图4-1 展示了三个品种三种模型预测结果比较图，可以更为直观的观察三种模型的拟合程度。表 4-1 棉纱线强力预测结果对比特数 样本 1 2 3 4 5 6 7 814.5tex预测方法 实测值 213 220 230 222 217 210 224 217回归分析 预测值 230 222 224 219 222 220 230 224相对误差% 8 0.9 2.6 1.4 2.3 4.8 2.7 3.2平均相对误差% 3.25BP 模型 预测值 222 219 224 220 214 229 232 223相对误差% 4.2 0.5 2.6 0.9 1.3 9 3.6 2.8平均相对误差% 3.11主成分-BP 预测值 219 217 235 225 221 218 228 214相对误差% 2.82 1.36 2.17 1.35 2.76 3.81 1.79 1.38平均相对误差% 2.1818.2tex预测方法 实测值 274 286 283 286 275 271 266 254回归分析 预测值 281 295 286 278 234 252 265 273相对误差% 2.6 3.1 1.1 2.8 14.9 7 0.4 7.5平均相对误差% 4.95BP 模型 预测值 275 279 286 285 274 273 265 266相对误差% 0.4 2.4 1.1 0.3 0.3 0.7 0.4 4.7平均相对误差% 1.29
【参考文献】
相关期刊论文 前10条
1 苟捷;刘建立;高卫东;;应用主成分分析的原棉可纺性指数构建[J];纺织学报;2015年08期
2 骆诗华;杨彩云;;棉纱质量与棉纤维指标的灰关联分析[J];国际纺织导报;2015年01期
3 黄炳海;;棉纤维上半部平均长度检验技术难点及方法探讨[J];中国纤检;2015年01期
4 张贤淼;王荣武;吴雄英;;棉纤维成熟度检测方法的研究现状与展望[J];纺织学报;2012年02期
5 赵玉新;;多元线性回归分析中自变量的筛选[J];中国城市经济;2011年27期
6 万少安;张霖;李孝华;;棉花回潮率与棉花质量关系建模的研究[J];中国棉花;2011年08期
7 李惠军;朱磊;;基于BP人工神经网络的纱线毛羽预测研究[J];棉纺织技术;2011年01期
8 刘晓艳;于伟东;;棉纤维细度、成熟度和马克隆值检测[J];中国纤检;2006年07期
9 于伟东;杨建国;;纺织工业中的虚拟加工技术与模式[J];纺织导报;2005年07期
10 郝海涛,董彬,谢春萍;运用神经网络与回归分析预测纱线质量[J];四川纺织科技;2003年06期
本文编号：2762347
本文链接：https://www.wllwen.com/projectlw/qgylw/2762347.html
