摘要:提出了基于支持向量回归机(SVR)的纤维伸长率预测方法。该方法根据有限的学习样本,建立了纺丝速度、纺丝温度、吹风速度和吹风温度4个参数作为影响纤维质量的关键参数组成的预测参数集合与纤维伸长率之间的一种非线性映射,对纤维伸长率进行预测。以工业过程中实际的样本数据得到纺丝伸长率的SVR预测模型。采用果蝇优化算法优化SVR预测模型的参数,并与BP神经网络及传统SVR的预测模型进行结果对比分析。实验结果表明,果蝇算法优化SVR预测方法优于BP及传统SVR预测方法,有着良好的泛化能力,能够对实际纤维生产过程起到一定的指导作用。
关键词:支持向量回归机 果蝇优化算法 bp神经网络 纤维拉伸率 性能预测
单位:东华大学信息科学与技术学院 上海201620 数字化纺织服装技术教育部工程研究中心 上海201620
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社