棉织物染色配方工艺优化方法研究

发布时间：2022-11-05 16:08

　　为了实现棉织物染色配方和工艺参数的优化设计,研究了一种应用智能混合算法优化求解的新方法。首先构建棉织物染色配方工艺优化的数学模型,再利用自适应调整和相似度判别策略等关键手段对基本遗传算法进行了改进并融合了模拟退火算法形成智能混合算法,最终将智能混合算法应用到优化模型的求解中,以达到配方和工艺优化的目的。结果表明,优化模型可靠有效,智能混合算法的收敛速度、寻优能力和稳定性都得到了改善。应用智能混合算法求解的配方和工艺参数染色,其效果明显优于传统遗传算法,不仅与样布的色差值缩小了6.47%且成本降低2.16%以上。该方法可为棉织物染色过程中的质量控制以及工艺参数快速优化设计提供理论指导。 

【文章页数】：5 页

【部分图文】：

智能混合算法程序流程图

色样样本的色差预测值与实际值的拟合图

GA和IHA算法适值函数进化曲线

【参考文献】：
期刊论文
[1]基于智能混合算法的织物自动配色方案优化设计[J]. 汪岚.  延边大学学报(自然科学版). 2017(02)
[2]一种差分进化和模拟退火粒子群混合算法[J]. 杜松,周健勇.  计算机仿真. 2015(12)
[3]基于粒子滤波的织物染色配方预测算法[J]. 叶斌,金福江,汤仪平.  纺织学报. 2014(08)
[4]基于量子免疫遗传算法的火力分配优化问题[J]. 吴志飞,马曲立,翁辉,邢焕革,周浩.  海军工程大学学报. 2014(01)
[5]改进的遗传算法在TSP问题中的应用[J]. 姜群,晏雨.  重庆理工大学学报(自然科学). 2012(09)
[6]混合自适应遗传算法优化多目标染色配方模型[J]. 汪岚,金福江,谢振辉.  计算机与应用化学. 2012(07)
[7]遗传算法研究进展[J]. 马永杰,云文霞.  计算机应用研究. 2012(04)
[8]基于遗传算法的组合逻辑电路设计的FPGA实现[J]. 周雄伟,熊庆国,况海龙,孙艳琴,李倩.  电子设计工程. 2012(01)
[9]基于共轭梯度法的纱线染色配方预测优化算法[J]. 陈典红,李海明,徐新胜.  纺织学报. 2011(03)
[10]基于MATLAB色差预测多元回归模型的研究[J]. 汪岚,黄彩虹.  计算机与应用化学. 2008(08)



本文编号：3702914