基于PSO-GRNN的乳胶丝关键质量参数预测技术

• 作者: 刘桂雄 谢炎庆 郑焕健
• 来源期刊: 中国测试
• 关键词: 乳胶丝 质量预测 广义神经网络 粒子群算法 光滑因子
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 测控技术
• 页码范围: 97-100
• 页数: 4页
• 字数: 2543字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2017.03.020

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 regression neural 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σ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,PSO-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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘桂雄	华南理工大学机械与汽车工程学院	300	2016	18.0	33.0
2	郑焕健	华南理工大学机械与汽车工程学院	2	2	1.0	1.0
3	谢炎庆		4	4	1.0	1.0