徐兰
- 作品数：6 被引量：38H指数：4
- 供职机构：东华大学机械工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术轻工技术与工程更多>>
- 基于改进极限学习机的纱线质量预测被引量：8
- 2015年
- 由于随机给定输入权值和偏差,极限学习机(extreme learning machine,ELM)通常需要较多隐含层节点才能达到理想精度.结合粒子群算法具有全局搜索能力的优势,提出一种基于改进ELM算法的纱线质量预测模型,采用改进粒子群算法优化ELM算法的输入权值矩阵和隐含层偏差,计算出输出权值矩阵,以减少隐含层节点数.试验结果表明,相比于ELM算法,改进ELM算法能够依靠更少的隐含层节点获得更高精度,相对误差降低2.70%,可为纱线质量预测与控制提供更有效的工具,具有广泛的推广实用性.
- 杨建国熊经纬徐兰吕志军
- 关键词：极限学习机纱线质量粒子群算法
- 应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型被引量：4
- 2016年
- 针对传统精梳毛纺工艺参数反演模型收敛性和稳定性不理想、反演精度低等问题,以及标准遗传算法(SGA)应用于复杂优化问题时存在早熟收敛等缺点,以BP神经网络为基础,提出一种混合种群遗传人工神经网络(MPG-ANN)反演模型,首先以混合种群遗传算法优化BP神经网络的权值与阈值建立预测模型,在此基础上根据毛纱CV值建立混合种群遗传算法反演模型,用来反演精梳毛纺生产过程工艺参数。以纺纱车间大量现场工艺检测数据为对象进行反演验证,结果表明:MPG-ANN模型反演精度达97%,相比于标准遗传算法人工神经网络(SGA-ANN)模型提高4%,同时反演结果波动幅度相比于SGA-ANN模型降低了6.28%。该方法可为精梳毛纺生产过程质量控制提供有效的理论指导,对纺织企业新产品工艺开发设计的快速决策具有很好的借鉴作用。
- 杨建国熊经纬徐兰项前
- 基于PSO-BP神经网络的纱线质量预测被引量：12
- 2015年
- 针对复杂纺纱过程中成纱断裂强度难以预测的问题,提出一种基于粒子群优化算法(PSO)优化BP神经网络的成纱断裂强度预测方法.该方法采用PSO优化神经网络的权值和阈值,用来提高神经网络的收敛速度和获得全局最优解的能力.以纺纱车间大量现场质量检测数据为对象,进行预测验证,结果表明,PSO-BP神经网络在预测相关性(预测值与实际值的一致性程度)上与传统BP算法相比提高5.0%,与GA-BP算法相比提高4.6%,在预测精度上均要好于BP神经网络与GABP神经网络.
- 熊经纬杨建国徐兰
- 关键词：BP神经网络
- 基于粗糙集与支持向量机的加工过程异常检测被引量：11
- 2015年
- 为提高加工过程异常模式检测的自动化程度,在建立控制图数学描述的基础上,利用蒙特卡洛法构建了控制图数据集,研究了基于邻域粗糙集的控制图时域特征约简方法,提出了基于支持向量机的控制图异常模式识别模型。通过仿真实验,使用遗传算法优化了异常识别模型的主要参数,并对不同核函数、不同分类模型的识别精度进行了分析与对比。通过实际生产数据测试验证了所构建模型的有效性与可用性。
- 项前徐兰刘彬吕志军杨建国
- 关键词：支持向量机邻域粗糙集遗传算法
- 基于混合智能学习的产品质量预报与诊断被引量：2
- 2015年
- 个性化制造正在成为当前产品制造的主导模式。以动态变化的市场需求为背景,针对生产工艺参数与成品质量之间存在的复杂非线性关系,提出了一种基于混合智能学习的质量预报模型(RSKDPM)。该模型以粗糙集与知识神经网络为核心,通过挖掘生产过程蕴含的关联知识,构建知识神经网络,进行产品质量预测。工程试验表明,RSKDPM能通过智能学习,发现生产过程知识,诊断产品质量波动的原因,指导过程参数的调整,最终达到改善产品质量的目的。
- 杨建国徐兰熊经纬刘彬
- 关键词：纱线质量粗糙集
- 基于遗传神经网络算法的纺织生产过程参数反演被引量：5
- 2016年
- 针对纺织工艺中部分参数不易获得却又对加工工艺产生重要影响的情况,基于BP(back propagation)神经网络算法建立纺织工艺参数正演模型,用遗传算法优化了网络的初始阈值和权值,使得网络预测精度大大提高,在此基础上,通过改进的遗传算法对反演参数进行求解.以实例验证了该算法的可行性和有效性,对纺织企业提高工艺开发的针对性、降低生产成本有一定的借鉴作用.
- 杨建国熊经纬徐兰项前
- 关键词：遗传神经网络算法
