《BP神经网络预测上浆率.pdf》由会员分享，可在线阅读，更多相关《BP神经网络预测上浆率.pdf（3页珍藏版）》请在三一文库上搜索。
1、第2 7 卷第1 0 期 2 0 0 6 年1 0 月 纺织学报 J o u m a lo fT b x t i l eR e 8 e a I h V 0 1 2 7N o 1 0 0 c t 2 0 0 6 文章编号：0 2 5 3 9 7 2 l 2 0 0 6 ) 1 0 0 0 5 7 0 3 B P 神经网络预测上浆率 杨艳菲1 ，崔世忠1 ，郑天勇1 ，禹建丽2 ( 1 。中原工学院纺织学院，河南郑州4 5 0 0 0 7 ；2 中原工学院研究生处，河南郑州4 5 0 0 0 7 ) 摘要上浆率是衡量浆纱质量的重要指标之一，在生产过程中受到多种工艺因素的影响，其中主要可控因素为 浆
2、液浓度、浆槽温度、浆纱机速度和压浆辊压力。为建立以上4 个因素与上浆率之间对应关系的数学模型，保证准 确预测上浆率，以纯棉精梳斜纹织物实际生产中的经验数据为训练样本，建立3 层B P 神经网络系统预测模型，采 用【删e n b e r gM a r q u a r d t 算法，对网络进行反复训练，使其达到预设精度。应用该网络模型对上浆率进行预测，结果表 明，预测上浆率与实际上浆率非常接近，可以满足实际生产要求。 关键词上浆率；工艺参数；B P 神经网络；预测模型；棉织物 中图分类号：鸭1 9 5 6文献标识码：A P r e d i c t i n gs i z el o a d i n g
3、w i t hB Pn e u r a lw o I k Y A N GY a n f e i l ，c u Is h i z h o n 9 1 ，z H E N GT i a n y o n 一，Y uJ i a n 1 i 2 ( 1 c o z 跆鲈o ，z h 泷，z b n 朗脚l 胁f i t 姚矿扎曲，l o 幻，z k r 卿D u ，胁m n4 5 0 0 0 7 ，劬讥。； 2 P o s t 矿甜眦把呖唧，z b ，啪1 m n 加如姚矿 ，l o 三0 9 y ，z k ，l g 抽o “，执M n4 5 0 0 0 7 ，醌i ) A b s t r a c tS
4、i z el o a d i n gi so n eo fi m p o r t a n ti n d e x e si ne v a l u a t i n gt h es i z i n gq u a l i t y ，w h i c hi si n n u e n c e db y s e V e r a lp r o c e s sp a r a m e t e r s ， i n c l u d i n gf o u rc o n t m l l a b l ef a c t o r s ， i e ， s i z i n gc o n c e n t m t i o n ，t e
5、m p e r a t u r ei n s i z i n gb o x ，s p e e do fs i z i n gm a c h i n ea J l ds q u e e z i n gm U e rp r e s s u r e T oe s t a b l i s ham a t hm o d e lo ft h ec o r r e l 砒i o n o fa b o V ef o u rf a c t o r sa n dt h es i z el o a d i n gf o ra c c u r a t ep r e d i c t i o n s i z el o a
6、 d i n g ，ap r e d i c t i o nm o d e l t h r e e 一 1 a y e rB a c k P m p a g a t i o nn e u r a ln e t w o r ks y s t e mw a Se s t a b l i s h e da I l dt h en e t w o r kw a st r a i n e du s i n gt h e e x p e r i e n c e dd a t ao b t a i n e df 而mt h ep r a c t i c a lp r o d u c t i o no fp
7、u r ec o u o nt w i l la n dr e p e a t e dt r a i n i n gw a sc a r r i e d o u tw i t hL e v e n b e 唱M a r q u a r d ta l g o r i t h m ss ot h a tt h ep e o 瑚a n c eg o a lw a sa t t a i n e d T h i sn e t w o r km o d e lw a s a p p l i e dt op r e d i c tt h es i z e1 0 a d i n ga n dt h ep r
8、e d i c t e dI _ e s u l t ss h o w e di ng o o da g r e e m e n tw i t ht h ea c t u a lV a l u e ， a n di tcanm e e tt h er e q u i r e m e n t sf o rp r o d u c t i o n K e yw o r d s s i z e1 0 a d i n g ；p r o c e s sp a r a m e t e r ；B Pn e u r a ln e t w o r k ；p r e d i c t i n g 啪d e l ；e
9、o t t o nf a b I i c 浆纱是织造生产过程中关键的一道工序，直接 影响着织造质量和生产效率。在浆纱过程中各工艺 参数对上浆率都有不同程度的影响，而不同品种的 原纱和织物其上浆率亦不同，因此在确定浆纱工艺 时就应对其上浆率有准确的估测，以保证浆纱的可 织性。 文献 1 根据原纱质量预测浆纱质量，但在实际 生产中是根据原纱品种来选择工艺参数的，因此工 艺参数的选择成为决定浆纱质量的关键。目前大多 数生产中仍采用经验数据，无法准确控制上浆率。 文献 2 阐明了单个工艺因素对上浆率的作用， 而对多因素综合作用对上浆率影响的研究较少。正 交分析法具有跳跃性，会使确定的方案存在一些偏 差
10、；而回归分析在进行预测时，需要消除多元共线性 问题，在处理多元非线性关系时，求解精度较低o 。 由于影响上浆率的工艺因素较多，不易通过建立数 学模型进行预测，因此如何科学地选择工艺参数成 为浆纱生产中亟待解决的问题。 本文采用B P 神经网络建立工艺参数与上浆率 之间的关系，进而根据已确定的工艺参数对上浆率 收稿日期：2 0 0 5 0 9 1 3修回日期：2 0 0 6 0 5 2 2 作者简介：杨艳菲( 1 9 7 9 一) ，女，硕士生。主要研究方向为纺织材料与纺织品设计。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWa
11、termarkR to remove the watermark 【5 8 】 纺织学报第2 7 卷 进行预测，最后根据上浆率的大小调整工艺参数，从 而保证准确控制上浆率。 1B P 神经网络 神经网络无需预先给定公式，而是以实验数据 为基础，经过有限次迭代计算获得一个反映实验数 据内在规律的数学模型，通过网络学习使其输入与 期望输出相符合，特别适合处理需要同时考虑多重 因素和条件的、不精确和模糊的信息处理问题。近 年来，神经网络的研究和应用受到了国内外的极大 重视，尤其是B P 神经网络更是在各个行业得到了 广泛的应用。 B P 神经网络是一种多层前馈型神经网络，神经 1 元的传递函数为非线
12、性s 型函数厂( 戈) = _ 二i ，采 l 十e 用反向传播学习算法调整权值，可以实现从输入到 输出的映射J 。 2 上浆率预测模型的建立 2 1 样本数据的选择原则 样本数据的选择直接影响着预测模型的准确 性。在选择数据时要保证数据分布的均匀性、全面 性和合理性。数据分布的均匀性可保证网络充分训 练；全面性可以覆盖所有数据的实际范围，使网络模 型更加准确；合理性则要根据工厂生产的实际情况， 选择有效数据。由于实际生产中不同的原料和产 品，其工艺参数和上浆率的数据都只在一定的范围 之内，使得不同品种的输人数据段不连续，如将各产 品的工艺参数作为输入值训练，则会使网络模型产 生偏差。因此建立
13、网络模型时应针对单一品种选取 有效数据，可以减少网络训练时的振荡，提高网络训 练速度。 上浆率受浆纱过程中多种工艺参数的影响，如 浆液浓度、浆槽温度、浆纱机速度、压浆辊的压浆力、 织物的原料、织物结构及种类、压浆辊表面包布的新 旧程度等o 。在实际生产中，需要调整的因素有浆 液浓度、浆槽温度、浆纱机速度和压浆辊压力。因 此，将这4 个可控因素的数据作为输人值，利用B P 神经网络建立上浆率预测模型。 2 2 样本数据的选择 样本品种为纯棉精梳纱卡；浆纱设备为祖克浆 纱机( 采用双浆槽) 。 采用郑州国棉三厂浆纱工艺的实际生产数据。 根据以上原则，该网络模型只适用于纯棉精梳纱卡 这一品种。样本产
14、品原料相同，织物规格( 包括经纬 密度、经纬纱线密度、幅宽等) 不同，因而上浆率大小 有所差别。浆液浓度、浆槽温度、浆纱机速度和压浆 辊压力4 个因素作为输入向量，上浆率为输出向量。 具体工艺参数如表1 所示。 表1浆纱工艺参数及上浆率 对于纱卡织物，实际生产中各工艺数据调整范 围有限，表l 中基本覆盖了所有有效数据，学习样本 具有一定代表性。 2 3 参数设定及模型训练 采用3 层B P 神经网络：第一层是输入层，输入 表1 中1 1 0 号共1 0 个样本，每个样本有5 个相关 因素，分别是浆液浓度、浆槽温度、浆纱机速度、压浆 辊压力( I ，) ，因此输入层设定5 个神经元；第二 层是隐
15、含层，隐层神经元节点数是根据网络模型训 练时所产生的误差大小而确定的。第三层是输出 层，由于输出参数只有上浆率，因此输出层设1 个神 经元节点。 反复训练调整网络参数后确定该模型采用 h v e n b e r gM a r q u a r d t 算法，训练函数为t r a i n l m 。该网 络的隐含层节点采用1 0 9 s i g 作为传递函数，输出层 节点采用p u r e l i n 作为传递函数。固定各权值和阈 值作为预测模型的参数，见表2 。建模和网络训练 采用软件M a t L a b6 5 。 图1 为网络训练过程的误差变化曲线图。实验 中发现，模拟复杂程度不高的非线性关
16、系采用这种 网络结构可以达到比较好的效果，在训练4 5 次后精 度已达到1 0 一，该网络模型能满足预设精度，训练 成功。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第1 0 期杨艳菲等：B P 神经网络预测上浆率【5 9 】 袭2 隐层节点权值和阈值 注：w 。一W 5 为隐层节点的权值，b i 聃为隐层点阈值。 l o o 1 0 2 蓬l l O 6 1 0 一B 1 0 _ l O O5l O1 52 02 53 03 54 04 55 0 迭代次数
17、，次 圈l 网络训练过程的误差变化曲线图 3 网络模型预测及应用 3 1 网络模型预测 网络模型训练成功后，分别输入表1 中1 1 1 3 号3 个样本，应用该网络模型预测上浆率，结果见 表3 。可以看出其预测上浆率与实际上浆率非常接 近，实际生产中上浆率的误差范围要求在1 范围 内，该网络模型预测的上浆率已可以满足实际生产 需要，预测结果较好。 表3 预测上浆率与实际上浆率对比 随着更多实验数据的积累和网络的不断训练， 会进一步减少网络训练时的振荡，使得预测结果波 动范围不断减小。 3 2 实际生产中的应用 在实际生产中可将训练成功的网络模型作为纯 棉精梳纱卡这一品种的专用程序模块。按照以上
18、网 络模型的训练方法，分别建立各个品种的专用程序 模块，最终组合成为完整的上浆率预测模型。 浆纱生产时首先输入织物品种，进入该品种的 专用程序。根据品种确定上浆率的数值范围，输人 生产中工艺参数的数据，反复调整各工艺参数数值， 直至满足上浆率的要求，以达到在经验数据的基础 上进一步准确控制上浆率的目的。 4结语 B P 神经网络模型能够比较准确地反映浆纱各 工艺参数与上浆率之间的映射关系，运用该模型对 上浆率进行预测，误差在实际生产要求的范围之内， 为浆纱工艺的确定提供了科学依据。本模型可以通 过扩充样本数量以及增加样本种类来提高系统的精 度，从而在实际生产中起到指导作用。蛹 参考文献： 1
19、王鸿博，高卫东，宋丽丽利用神经网络技术预测浆纱 质量 J 棉纺织技术，2 0 0 5 ，( 7 ) ：2 9 3 2 2 朱苏康，陈元甫织造学 M 北京：中国纺织出版 社，1 9 9 6 1 2 1 一1 4 9 3 胡誉满，谢晓鸣利用回归分析对正交试验结果进行 修正 J 工科数学，2 0 0 0 ，1 6 ( 4 ) ：3 2 3 5 4 董长虹M 砒I J a b 神经网络与应用 M 北京：国防工业 出版社，2 0 0 5 6 4 5 黄立新纱线上浆率影响因素的探讨 J 嘉兴学院学 报，2 0 0 1 ，1 3 ( 6 ) ：8 7 8 9 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark