首页--工业技术论文--轻工业、手工业论文--纺织工业、染整工业论文--棉纺织论文--棉纺理论与棉纺工艺论文

基于多种组合神经网络的棉纺成纱品质预报

摘要第5-9页
ABSTRACT第9-11页
第1章 绪论第14-30页
    1.1 课题研究的背景、现状第14-25页
        1.1.1 用于纺织加工的质量预报和虚拟加工系统第14-16页
        1.1.2 质量预报技术及理论的应用研究第16-25页
    1.2 成纱品质预报研究存在的主要问题第25-26页
        1.2.1 算法众多需要选择第25页
        1.2.2 单一BP神经网络预报精度有限需进行算法组合第25-26页
        1.2.3 部分算法对提高精度方面作用有限第26页
        1.2.4 算法的评价标准第26页
    1.3 课题研究的目标与主要内容第26-30页
        1.3.1 本课题研究的目标第26页
        1.3.2 本课题研究主要内容第26-27页
        1.3.3 主要创新点第27页
        1.3.4 课题研究的意义第27-30页
第2章 棉纺成纱品质预报系统的建立与功能第30-42页
    2.1 棉纺成纱品质预报系统的建立第30-34页
        2.1.1 建模方式第30-31页
        2.1.2 技术路线第31-34页
    2.2 基本模型及评价第34-36页
        2.2.1 模型建立的方法步骤第34-36页
        2.2.2 模型的评价第36页
    2.3 基于CBR的工艺检索第36-40页
        2.3.1 相似度的计算公式第36-37页
        2.3.2 相似度的比较第37-40页
    2.4 本章小结第40-42页
第3章 棉纺成纱的品质预报及误差原因第42-80页
    3.1 本课题实验建模数据第42-44页
        3.1.1 数据的获取和处理第42-43页
        3.1.2 数据的类型第43-44页
        3.1.3 数据的标准化方法第44页
    3.2 棉花品质的主成分分析第44-49页
        3.2.1 主成分因子数的确定第44-45页
        3.2.2 棉花品质指标的相关矩阵第45-46页
        3.2.3 主成分的构成与名称第46-48页
        3.2.4 成纱品质三参数(Y_i)的预报及误差第48-49页
    3.3 多元逐步回归分析第49-57页
        3.3.1 交替选定逐步回归法的运算步骤第49-50页
        3.3.2 成纱品质三参数(Y_i)的预报方程及误差第50-52页
        3.3.3 Y_1、Y_2、Y_3中各自变量的独立性验证第52-56页
        3.3.4 主成分分析与逐步回归法的预报精度对比第56-57页
    3.4 单一BP神经网络预报模型第57-60页
        3.4.1 基本算法与网络参数第57-58页
        3.4.2 BP神经网络的输入、输出和隐层节点数第58-59页
        3.4.3 BP神经网络与前两者中的精度比较第59-60页
    3.5 变输入端BP神经网络预报模型第60-61页
        3.5.1 PCA-BP神经网络的输入和隐层节点数第60页
        3.5.2 FBS-BP神经网络的输入和隐层节点数第60-61页
    3.6 变输入端与GA优化后的BP神经网络结合的预报模型第61-65页
        3.6.1 GA优化参数的选择第61-62页
        3.6.2 两种输入端的GA优化过程第62-64页
        3.6.3 两种输入端的GA优化结果第64-65页
    3.7 预报模型的对比分析第65-77页
        3.7.1 与PCA有关的三个模型的对比分析第65-71页
        3.7.2 与FBS有关的三个模型的对比分析第71-76页
        3.7.3 复合神经网络模型Ⅲ之间的对比分析第76-77页
    3.8 本章小结第77-80页
第4章 棉纺成纱品质预报系统开发第80-92页
    4.1 GUIDE简介第80-81页
    4.2 棉纺成纱品质预报系统第81-91页
        4.2.1 预报系统主界面第82-83页
        4.2.2 用户板块第83-86页
        4.2.3 数据管理板块第86-89页
        4.2.4 预报模型模块第89-91页
    4.3 本章小结第91-92页
第5章 结论与展望第92-94页
    5.1 主要创新点及结论第92-93页
    5.2 论文有待完善之处和建议今后研究的方向第93-94页
参考文献第94-98页
附录A 部分m文件第98-106页
附录B 神经网络训练界面第106-110页
攻读硕士学位期间的研究成果第110-111页
致谢第111页

论文共111页,点击 下载论文
上一篇:具有不耐烦顾客和位相分布休假的排队系统研究
下一篇:7~9岁儿童高强度间歇运动后短时恢复特征研究