纺织学报
紡織學報
방직학보
JOURNAL OF TEXTILE RESEARCH
2011年
3期
51-56
,共6页
李翔%彭志勤%金凤英%顾宗栋%薛元%胡国樑
李翔%彭誌勤%金鳳英%顧宗棟%薛元%鬍國樑
리상%팽지근%금봉영%고종동%설원%호국량
精纺毛纱%性能%预测%模型%BP神经网络%RBF神经网络
精紡毛紗%性能%預測%模型%BP神經網絡%RBF神經網絡
정방모사%성능%예측%모형%BP신경망락%RBF신경망락
为比较BP与RBF神经网络对精纺毛纱性能的预测能力,采集前纺与后纺的工艺参数作为输入节点,表征精纺毛纱性能的条干不匀率与断裂强力分别作为输出节点,采用软件计算工具中的反向传播(BP)神经网络、径向基(RBF)神经网络分别建立细纱条干不匀率与断裂强力的预测模型,从统计学角度反映2种模型的预测性能.实验结果表明,在输入样本数较大、输入维数较高、精度要求相同的情况下,RBF神经网络模型的训练速度明显快于BP神经网络模型,但BP神经网络模型的预测性能略优于RBF函数神经网络模型,特别是遇到异常样本时,BP神经网络模型表现出更强的容错能力.
為比較BP與RBF神經網絡對精紡毛紗性能的預測能力,採集前紡與後紡的工藝參數作為輸入節點,錶徵精紡毛紗性能的條榦不勻率與斷裂彊力分彆作為輸齣節點,採用軟件計算工具中的反嚮傳播(BP)神經網絡、徑嚮基(RBF)神經網絡分彆建立細紗條榦不勻率與斷裂彊力的預測模型,從統計學角度反映2種模型的預測性能.實驗結果錶明,在輸入樣本數較大、輸入維數較高、精度要求相同的情況下,RBF神經網絡模型的訓練速度明顯快于BP神經網絡模型,但BP神經網絡模型的預測性能略優于RBF函數神經網絡模型,特彆是遇到異常樣本時,BP神經網絡模型錶現齣更彊的容錯能力.
위비교BP여RBF신경망락대정방모사성능적예측능력,채집전방여후방적공예삼수작위수입절점,표정정방모사성능적조간불균솔여단렬강력분별작위수출절점,채용연건계산공구중적반향전파(BP)신경망락、경향기(RBF)신경망락분별건립세사조간불균솔여단렬강력적예측모형,종통계학각도반영2충모형적예측성능.실험결과표명,재수입양본수교대、수입유수교고、정도요구상동적정황하,RBF신경망락모형적훈련속도명현쾌우BP신경망락모형,단BP신경망락모형적예측성능략우우RBF함수신경망락모형,특별시우도이상양본시,BP신경망락모형표현출경강적용착능력.
