[01394899]基于烟花算法改进BP神经网络的纺纱质量预测方法

本发明公开了一种基于烟花算法改进BP神经网络的纺纱质量预测方法,将烟花算法引入到BP神经网络中,利用烟花算法的寻优机理对BP神经网络模型的网络权重和阈值进行优化,选取输入输出指标,构建了基于FWA-BP的纺纱质量预测模型,利用经过标准化处理的数据集对步骤2中建立的基于FWA-BP的纺纱质量预测模型进行学习和训练,最终完成对纺纱质量的预测。本发明解决了因纺纱系统中影响纱线质量因素众多且相互之间耦合而导致的纺纱质量难以精准预测的问题,并且能够有效地建立纤维指标与成纱质量间的函数映射关系,实现对纺纱生产中的纱线质量的预测,有利于提高纺纱车间质量管理的水平。 具体按照以下步骤实施： 步骤1,利用烟花算法的寻优机理对BP神经网络模型的网络权重和阈值进行优化,建立一种基于烟花算法优化的FWA-BP神经网络模型; 1.1,关键参数编码; 1.2,权重系及阈值初始化; 1.3,计算烟花个体的误差,引入适应度函数并利用公式（1）和公式（2）计算平方误差SSE; 1.4,在步骤1.3计算得到的每个烟花个体xi误差的基础上,引入fi（x）函数作为适应度函数,通过适应度函数计算步骤1.2中向量X每一个烟花个体xi的适应度值; 1.5,烟花种群寻优; 1.6,选择下一代烟花种群; 1.7,判断终止条件; 1.8,优化网络权重和阈值,利用步骤1.7中得到最优烟花种群Xbest对步骤1.2中的向量X中对应的神经网络中的权重和阈值进行初始化。 步骤2,在步骤1的FWA-BP神经网络模型的基础之上,选取输入输出指标,构建基于FWA-BP的纺纱质量预测模型; 2.1,输入输出指标的选择： 2.2,根据步骤2.1得到的输入输出数据建立模型的数据集,并使用Min-Max方法对数据集中的数据进行标准化处理; 2.3,确定网络结构的策略; 2.4,激活函数的选取。 步骤3,利用经过标准化处理的数据集对步骤2中建立的基于FWA-BP的纺纱质量预测模型进行学习和训练,最终完成对纺纱质量的预测。 3.1,训练数据集的选择; 3.2,烟花算法中关键参数的设置; 3.3,对基于FWA-BP的纺纱质量预测模型进行训练; 3.4,通过3.1～3.3训练得到了基于FWA-BP的纺纱质量预测模型,使用3.1中选择的测试数据集,对模型的预测效果进行测试统计分析和实验仿真。