关闭

关闭

封号提示

内容

首页 纺织学报格式.doc

纺织学报格式.doc

纺织学报格式.doc

上传者: 紫苑 2013-07-15 评分 4.5 0 78 11 355 暂无简介 简介 举报

简介:本文档为《纺织学报格式doc》,可适用于工程科技领域,主题内容包含毛精纺前纺工艺参数重要性的BP网络定量评价法刘贵于伟东,(东华大学纺织材料与技术实验室,上海 武汉科技学院纺织与材料学院,湖北武汉 )摘要(小五黑体符等。

毛精纺前纺工艺参数重要性的BP网络定量评价法刘贵于伟东,(东华大学纺织材料与技术实验室,上海 武汉科技学院纺织与材料学院,湖北武汉 )摘要(小五黑体)在BP神经网络建模技术的基础上,提出利用神经网络输入层与输出层之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明:所建模型的平均相对误差都低于采用样本数据验证,其预报值与实测值间的相关系数都高于。对所建模型的网络权重进行提取,分别计算出个输入参数对粗纱CV值和粗纱单重的重要性,挖掘出显著而有效的参数。经对比认为BP网络法比多元回归显著性分析(MRSA)更为精准可用于对实际生产加工的预报和控制。(小五宋体)关键词(小五黑体)毛精纺前纺工艺参数模型BP神经网络定量评价法(小五宋体)中图分类号(小五黑体):TS(小五宋体)文献标志码(小五黑体):QuantitativeevaluationmethodforthesignificanceofworstedforespinningparametersbasedonBPneuralnetworkLIUGuiYUWeidong,(五号)(TextileMaterialsandTechnologyLaboratoryDonghuaUniversity,Shanghai ,ChinaDepartmentofTextilesandMaterials,WuhanUniversityofScienceandEngineering,Wuhan,Hubei ,China)AbstractBasedonBPneuralnetworkmodeltechnology,anewapproachwasdevelopedandappliedtoappraisetheinputparameters′significantdegreethroughtheweightinessanditsdistributionbetweentheinputandoutputlayerUsingtheforespinningworkingproceduredatagatheredfromtheworstedtextilesenterprise,therovingunevennessandweightpredictionmodelswereestablishedrespectivelyTheresultsindicatedthatthemodels′meanrelativeerrorsarealllessthanthecorrelationcoefficientRbetweenthepredictionvalueandtheactualareallmorethanUsingtheweightinessextractedfromtheestablishedmodels,theinputparameters′significancetotherovingunevennessandweightwerecalculatedrespectively,andtheremarkableandeffectiveparametersareexcavatedoutMeanwhilecontrastingtothemultivariateregressionsignificanceanalysis(MRSA),theBPneuralnetworkmethodismoreexactthanMRSAandcanbeusedintheforecastandcontroloftheactualproduceandmanufacture(小五)KeywordsDoubleglowArtificialneuralnetworkPredictionmodel(小五)(正文五号宋体,单倍行距)对精毛纺织厂而言,前纺工序作为整个加工过程的第一环节,其加工质量对后道工序将产生直接影响。根据实际生产经验,细纱的条干不匀率和细纱机的断头率相对于末道粗纱的质量呈显著的线性关系,故控制前纺各工序的半制品不匀率,特别是末道粗纱的不匀率是毛纺厂十分重要的质量监控措施。目前企业主要以经验为主,通过传统的测量和记录、肉眼观看与估计、设备的调整和人力的补充等原始的方法实现,不能对大量积累和不断产生的数据进行系统整理、综合分析与客观决断,也无法确切地找出产生问题的原因及实际解决方法。本文针对影响粗纱质量的毛条回潮率、毛条含油率、纤维平均直径、直径离散系数、纤维平均长度等个指标参数,将采集到的企业实际生产数据,运用BP网络建立预测模型,提出利用网络各层间的权重及其分布,计算出各参数对产量质量指标的影响程度,并对比多元回归分析,效果较好。 网络定量评价法(四号黑体倍行距)BP神经网络(BackPropagation)是指基于误差反向传播算法的多层前向人工神经网络。对于任何在闭区间的个连续函数都可以用含有个隐层的BP网络来逼近,因而个层结构的BP网络可以完成任意N维到M维的映射。从其学习过程来输入参数对输出结果的影响完全由网络权值决定,因此,知道网络各层间的权重及其分布,就可计算输入参数的确定度(输入对输出影响作用的相对大小,即贡献率)。依照误差反向传播方法,输入层节点对输出层节点的影响是由各层权值的复合作用。由于输出反映的是其本身,它不需要再进行对后层节点影响大小的区分,故可将其确定度看作是相同的,然后参照反向传播算法从输出层向输入层反向求出各输入参数的确定度。 重要性评价过程. 试验数据和参数(小四黑体单倍行距)本文以山东某精毛纺厂采集到的组数据为建模依据。数据采集分部分,一部分从实际生产工艺设计单中提取,主要是工艺流程参数、设备加工参数另一部分为测试数据,来自不同的生产线。任意选组数据用于模型建立,其中组用于模型训练,组作为检验数据,而未参与建模的组数据则用于对模型的验证。影响前纺粗纱质量的参数有毛条回潮率(X)、毛条含油率(X)、纤维平均直径(X)、直径离散系数(X)、纤维平均长度(X)、长度离散系数(X)、短毛率(X)、毛条质量(X)、毛条质量不匀率(X)、毛条毛粒(X)、前纺总并合次数(X)、前纺总牵伸倍数(X)和粗纱捻系数(X)。运用BP网路建模分析时,以这些参数作为网络的输入层参数,输入节点数为,中间包含个隐层,分别以R和R作为网络输出层建立多输入单输出子网组模式进行预报。隐层节点数的选取根据式()进行计算:()式中:m为输入层节点数n为输出层节点数S为隐层节点数,本文取隐层节点数为。这样就可以建立个结构的BP神经网络模型。同时,为消除原变量的量纲不同、数值差异太大带来的影响,需要对原变量作标准化处理。即()式中(). 模型的建立和训练根据模型结构,在Mtalab的环境下建立个型BP网络模型。利用式()对输入样本数据进行预处理。将标准化后的数据输入网络进行训练,训练参数:训练最大步数为精度目标值为学习率为。其训练过程曲线见图。由图可知,分别经过和步左右的训练,平均误差平方和便达到了设定的目标值。组检验样本的预报结果和实际结果的相对误差分别为和。这说明所建立的模型具有很高的精度和准确性。 模型的验证根据上面训练好的BP神经网络,对组验图粗纱CV和单重预报模型训练曲线(小五宋体)FigRobingunevenness(a)andtherovingweight(b)forecastmodel’strainingcurve(小五Rome)证样本数据进行预报检验。首先对这组数据利用前面的标准化方法进行预处理,然后代入训练好的模型中进行预报模拟,得到网络输出并对其做还原量纲的处理,就可得到粗纱质量指标的预测值。其实测值与预报值间的关系见图。图中预报值与真实值之间的相关系数均高于,说明模型是可靠和准确的。 重要性计算和评价设前面的型BP网络经LM算法训练一定的次数后收敛,令wij为输入层j和隐含层i之间的连接权值,wi为隐含层i和输出层之间的连接权值,具体步骤如下。)初始化输出节点确定度P,若输出节点数为O,则一般取为P=O,这里输出节点数为,因此输出节点确定度为。)反向求稳含层节点的确定度,即将输出层节点确定度经权值作用向前传播。因为输出节点确定度为,故隐含层节点的确定度为wi=wi。)求输入层的确定度,对每个隐含层的节点i,每个输入层节点j,将权值wij和wi相乘,得到图粗纱CV和单重预报值与实测值相关分析FigRelevantanalysisbetweenthepredictandmeasuredvalueoftherovingunevenness(a)andweight(b)()将Pij当量化后得到()对于每一个输入层节点j,将Qij求和,得到输入层的确定度()可以得到各输入变量(因子)对输出变量的影响比例即输入因子的贡献率()在模型可靠和准确的条件下把训练好的BP网络模型的网络权重取出来运用上面提到的方法分别计算得出各输入因子对粗纱CV值和粗纱单重的贡献率如下表所示。对与粗纱CV值(R)而言长度离散系数(X)、粗纱捻系数(X)、纤维平均直径(X)为其影响作用最大的个因素贡献率分别为、和。对粗纱单重(R)来说对其影响最大的几个参数是长度离散系数(X)、毛条毛粒(X)、毛条回潮率(X)贡献率分别为、和。表各输入因子的贡献率TabEachinputparameterscontributionratio粗纱质量毛条原料参数前纺工艺参数XXXXXXXXXXXXXRR. 多元线性回归对比评价作为比较,运用多元线性回归法(MLR)分别建立上述个输入参数与R和R间的多元线性回归方程。由于这些原始数据的数量级相差很大,可能会造成回归系数很小,为此需要对原始数据进行当量化处理,即把原始数据标准化到 区间。采用最小最大值的标准化,可以使数据在 区间上获得良好的分布,如式()。()将标准化后的数据进行多元线性回归拟合,分别得到R和R的回归方程,并经显著性检验,说明个方程都有显著性。通过回归可以看出对粗纱CV值(R)影响因素由大到小依次为:X>X>X>X>X>X>X>X>X>X>X>X>X而对于粗纱单重(R)来说依次为:X>X>X>X>X>X>X>X>X>X>X>X>X。显然重要性和次序是不同的表明各自变量间有交互或相关性。结论通过BP人工神经网络技术直接利用生产历史数据建立粗纱CV值、粗纱单重预测模型以实现对粗纱加工和质量的预报所建模型的平均相对误差都低于。采用未参与建模训练的样本数据验证其预报模型的预报结果与实测结果间的相关关系R都高于。利用所建立的模型对粗纱工序各输入参数的重要性分析将输入参数重要性分成个系列重要参数、较为重要参数和不重要参数具体结果如下:)对与粗纱CV值(R)而言重要参数为长度离散系数(X)、粗纱捻系数(X)和纤维平均直径(X)其贡献率分别为、和。较为重要的影响因子(~)依次为短毛率(X)、直径离散系数(X)、毛条重量(X)、前纺总并合次数(X)、毛条含油率(X)、毛条毛粒(X)。不重要的参数(<)依次为纤维平均长度(X)、前纺总牵伸倍数(X)、毛条重量不匀率(X)、毛条回潮率(X))对粗纱单重(R)来说重要参数为长度离散系数(X)、毛条毛粒(X)和毛条回潮率(X)其贡献率分别为、和。较为重要的影响因子(~)依次为粗纱捻系数(X)、前纺总牵伸倍数(X)、直径离散系数(X)、短毛率(X)、毛条重量不匀率(X)。不重要的参数(<)依次为毛条重量(X)、纤维平均长度(X)、毛条含油率(X)、纤维平均直径(X)、前纺总并合次数(X)。对比多元线性回归分析对粗纱CV值来说最重要的个影响因子都是长度离散系数(X)、粗纱捻系数(X)和纤维平均直径(X)。对粗纱单重而言采用BP网络权重法得出最重要的个参数为长度离散系数(X)、毛条毛粒(X)和毛条回潮率(X)。而多元回归分析得出的是长度离散系数(X)、毛条重量(X)和毛条回潮率(X)两者略有差异可见两种参数重要性评价具有较好的一致性而且BP网络法可以量化。粗纱工序输入参数重要性定量评价法通过运用历史数据的BP网络建模技术找出了各参数对其质量的重要程度为合理调配粗纱工艺达到最优的粗纱质量提供了参考。参考文献(五号黑体倍行距)刘曾贤精毛纺前纺各过程理论不匀率指数的研讨J毛纺科技,():(小五宋体)LIUCengxianAstudyonthetheoreticalirregularityindexforthepreparatorypassagesofworstedspinningJWoolTextileJournal():DONGKuiyong,YUWeidongAworstedyarnvirtualproductionsystembasedonBPneuralnetworkJJournalofDonghuaUniversity:EngEd,,():(小五Rome)于伟东,杨建国纺织工业中的虚拟加工技术与模式J纺织导报,():,YUWeidong,YANGJianguoVirtualmanufacturingtechnologyandmodelsfortextileindustryJChinaTextileLeader,():,DavidERumelhart,GeoffreyEHinton,RonaldJWilliamsLearningrepresentationsbybackpropagatingerrorsJNature,():HechtNielsonRTheoryofthebackpropagationneuralnetworkCIEEEInternationalJointConferenceonNeuralnetworksWashington:sn:LVZJ,XIANGQ,YINXG,etalAknowledgereusebasedintelligentreasoningmodelforworstedprocessoptimizationJJournalofDonghuaUniversity:EngEd,,():王秀坤,张晓峰用一组单输出的子网络代替多输出的BP网络J计算机科学,,():WANGXiukun,ZHANGXiaofengAnewarchitectureofneuralnetworksarrayreplacingofamultipleoutputsBPmodelnetworksJComputerScience,,():高大启有教师的线性基本函数前向三层神经网络结构研究J计算机学报,,():GAODaqiOnstructuresofsupervisedlinearbasisfunctionfeedforwardthreelayeredneuralnetworksJComputerScience,,():吴辉钱国坻华兆哲等新型碱性果胶酶用于棉针织物精练的工艺优化J纺织学报():WUHuiQIANGuodiHUAZhaozheetalOptimizationofscouringofknittedcottonfabricswithanewtypealkalinepectinaseJJournalofTextileResearch,():WuCTMcCulloughRL.ConstitutiverelationshipsforheterogeneousmaterialsCHolisterGS.DevelopmentsinCompositeMaterials.London:AppliedSciencePublishersLtd:.参考文献格式      参考文献的数目应大于篇且尽量少引用图书类(M类)文献,多引用近两年来在国内外连续出版物上刊登的论文文献。若参考过本刊论文的请勿忘标注在参考文献中。参考文献执行中华人民共和国国家标准GB《文后参考文献著录规则》只列主要的未公开发表的资料勿引用著录格式采用顺序编码制。      即日起,凡参考文献为中文类的(包括专著、期刊、报纸、论文集、专利、标准、电子文献等)要有一一对应的英文内容即需将各著录项目均翻译成英文且必须按原发期刊英文形式标注如原发刊物不含英文题目自行翻译时请注意其准确性若参考文献为非中文类的(如英文)则无需翻译。英文内容要另起一行标注。要求英文姓全部大写。【示例】吴辉钱国坻华兆哲等新型碱性果胶酶用于棉针织物精练的工艺优化J纺织学报():     WUHuiQIANGuodiHUAZhaozheetalOptimizationofscouringofknittedcottonfabricswithanewtypealkalinepectinaseJJournalofTextileResearch,(): )文后以“参考文献:”(左顶格)作为标识参考文献表按文中引用的先后顺序编码依次排列顶格编排编码用阿拉伯数字著录加方括号、不用标点后空一字按著录要求规定依次著录回行时与首行著录项齐平。每条文献单独排最后均以“”结束。)文中引用的参考文献必须在正文中有标注如不宜写成等。)题名、摘要、标题中不得标注参考文献文末按引用顺序著录。作者一律采用姓前名后的方式著录(外文作者名应缩写)作者间用“”间隔作者少于人应全部写出人以上只列出前人后加“等”或“etal”。)文献的作者期刊名的缩写一律不加缩写点缩写的单词要国际通用的缩写方法不可随意缩写。)多次引用同一著者的同一文献时在正文中标注首次引用的文献序号并在序号的“”外著录引文页码如。)凡是从期刊中析出的文献应在刊名之后注明其年份、卷、期、部分号、页码。如():如查不到卷数仅有期数则写成():。)凡是从报纸中析出的文献应在报纸名后著录其出版日期与版次。如())题名之后如有其他题名信息包括副题名、多卷书的分卷书名、卷次、册次等则之间用“:”隔开。如东华大学学报:自然科学版世界出版业:美国卷等。  著录格式例举如下。 例 专著(图书、学位论文技术报告多卷书等)序号主要责任者题名:其他题名信息文献类型标志(电子文献必备其他文献任选)其他责任者(任选)版本项出版地:出版者,出版年:引文页码引用日期(联机文献必备其他电子文献任选)获取和访问路径(联机文献必备)姚穆,周锦芳,黄淑珍,等纺织材料学M版北京:中国纺织出版社,:李慧敏面向电子化量身定制服装eMTM三维人体测量数据库德研究与实现D上海:东华大学 HintonE,OwenDR.FiniteElementProgrammingM.NewYork:AcademikPressInc:.例 专著中的析出文献(论文集、汇编等)序号析出文献主要责任者析出文献题名文献类型标志析出文献其他责任者专著主要责任者专著题名:其他题名信息版本项出版地:出版者,出版年:析出文献的页码引用日期获取和访问路径马克思关于《工资、价格和利润》的报告礼记M马克思恩格斯马克思恩格斯全集:第卷北京:人民出版社:胡伯陶天然彩色棉的状况和产业发展的研究C刘树梅尹耐冬李瑞萍等第九届全国花式纱线及其织物技术进步研讨会论文集北京:中国纺织信息中心,: WUCTMcCulloughRL.ConstitutiverelationshipsforheterogeneousmaterialsCHolisterGS.DevelopmentsinCompositeMaterials.London:AppliedSciencePublishersLtd:.例 连续出版物(期刊、报纸等)中的析出文献序号析出文献主要责任者析出文献题名文献类型标志期刊或报纸题名:其他题名信息年卷(期):页码引用日期获取和访问路径林红陈宇岳任煜等经等离子体处理的蚕丝纤维结构与性能J纺织学报,,():丁文祥数字革命与竞争国际化N中国青年报()LIUZhehuiZHUXiaoguangWULixin.Effectsofinterfacialadhesionontherubbertougheningofpoly(vinylchloride)I:ImpacttestsJ.Polymer():-.例专利文献序号专利申请者或所有者专利题名:专利国别专利号文献类型标志公告日期或公开日期引用日期获取和访问路径陈安磐龚熹.梳棉机道夫传动装置:中国PNarisawaIZhanMSItiiHetal.Polyamideresins:JPPatentCJP..例电子文献序号主要责任者题名:其他题名信息[文献类型标志文献载体标志]出版地:出版者出版年(更新或修改日期)引用日期获取和访问路径傅刚赵承李佳路大风沙过后的思考NOL北京青年报()http:wwwbjyouthcomcnBqbGBEDBhtm莫少强数字式中文全文文献格式的设计与研究JOL情报学报():http:periodicalwanfangdatacomcnperiodicalqbxbqbxbqbxbhtmOnlineComputerLibraryCenterInc.Historyof OCLCEBOL..http:wwwoclcorgabouthistorydefaulthtm 注:)文献类型标志如下:普通图书M,会议录C,汇编G,报纸N,期刊J,学位论文D,报告R标准S专利P数据库DB计算机程序CP电子公告EB。)电子文献载体类型标志如下:磁带MT磁盘DK光盘CD联机网络OL。此处排正文。请选择A纸型上、下页边距为cm左、右页边距为cm倍行距。正文部分请双栏排版。收稿日期(黑体小五):修回日期:(由编辑部填写)基金项目(黑体小五):国家经贸委创新项目(CJ)基金名称(基金编号)(楷体小五)作者简介(黑体小五):刘贵()男博士生。主要研究方向为毛精纺加工过程建模及其职能决策预报与控制。于伟东通讯作者Email:wdyudhueducn。第一作者姓名(出生年)性别职称学历。主要研究方向。通讯作者姓名Email。小二黑体居中倍行距四号楷体居中单倍行距小五号宋体居中单倍行距摘要写作方法:请用第三人称的语气陈述该文研究目的(即为了……或者针对……问题)、过程、方法(即采用的手段和方法)、结果和结论(即研究得出的结论)重点是结果和结论背景信息、基本概念及对文章的自我评价不应出现在摘要中要达到只看摘要而不必看文章就可理解全文主要内容的程度摘要字数应控制在~字英文要与中文相对应。小四TimesNewRome,倍行距小五居中引言(或前言)应简要说明您进行该研究工作的目的、范围、相关领域的前人工作和知识空白、理论基础和分析、研究设想、研究方法与手段和预期结果及意义等。应简要回顾本文所涉及的科学问题的研究历史尤其是近三年的研究成果需引用参考文献并在此基础上提出论文所要解决的问题。引言部分不加小标题。学报采用级标题制为便于排版一级标题的字数不超出个汉字二、三级标题的字数不超出个汉字文章中的所有字母变量用斜体文中图请用高分辨率的TIF或JPG格式并注意图的制作格式:不能用彩图图中横纵坐标线粗磅曲线粗磅图的尺寸固定后图上所有注解文字要统一用号宋体坐标刻度线方向向内横纵坐标必须有名称和单位图中的网格(底纹)线和上、右边框线要删掉只保留横纵坐标线。(若是显微镜或电镜照片图内一定要有比例标尺)小五宋体加黑表格用三线表结论应是以正文中的实验或考察得到的现象、数据的阐述分析为依据完整、准确、简洁地指出以下内容:由对研究对象进行考察或实验得到的结果所揭示的原理及其普遍性研究中有无发现例外或本论文尚难以解释和解决的问题与先前已发表过的(包括他人和作者自己)研究工作的异同本论文在理论上和实用上的意义及价值进一步深入研究本课题的建议。unknownunknownunknownunknownunknownunknownunknownunknownunknownunknown

类似资料

编辑推荐

基于网格的梅森素数研究.pdf

魅力无穷的梅森素数.pdf

寻找最大素数的猜想_由梅森素数启发而来的新发现.pdf

几个著名素数研究的历史与现状.pdf

沈炼之《法国通史简编》.pdf

职业精品

精彩专题

上传我的资料

精选资料

热门资料排行换一换

  • 酒店筹备开业工作进度计划.doc

  • 委托代卖二手物品协议.doc

  • 地理百科知识竞赛题库&#40;选…

  • 酒店信息系统应用现状调查报告 范…

  • 酒店全年培训计划.doc

  • 2014秋学期南开大学《数学文化…

  • 优秀教案评比方案.doc

  • 中医中药基础知识.doc

  • CCAA统一考试QMS基础知识试…

  • 资料评价:

    / 6
    所需积分:0 立即下载

    意见
    反馈

    返回
    顶部