首页 >> 退火炉

基于BP神经网络的蜂窝纸板缓冲特性建模气钻情侣玩具液压工具耐磨板注胶机

发布时间:2022-09-13 17:18:28 来源:创科机械网

基于BP神经络的蜂窝纸板缓冲特性建模

蜂窝纸板是近年来世界上兴起的一种绿色包装材料,它具有重量轻、强度高、不易变形、缓冲性好、隔温隔音、符合环保等优点。经过适当的工艺处理还可以具有阻燃、防潮、防霉、防水等功效,具有相当广泛的开发应用前景。

采用蜂窝纸板对产品进行包装,首先必须了解该种纸板的缓冲特性。目前,建立其缓冲特性模型的方法主要是通过动态压缩实验采集实验数据,绘制最大加速度—静应力曲线。我们知道,蜂窝纸板缓冲系统是一个典型的非线性系统,以往的方法是锡膏将其简化成线性系统,利用多项式拟合等适用于线性系统的方法,拟合出实验数据得到对应的曲线。然而,经分析表明:应用多项式建模所得模型的精度较低;如果对模型的精度要求很高,就要考虑寻找其他的方法了。本文利用神经络建立蜂窝纸板缓冲特性模型,由于神经络在非线性方面的特殊优势,非常适合于处理蜂窝纸板等缓冲包装的非线性问题。

一、 BP神经络

1989年,Robert Hecht-Nielson等人证明了对于在闭区间内的任意一个连续函数都可以用一个三层(含一个隐层)的BP神经络来逼近,因而一个三层的BP神经络可以完成任意的n维到m维的映射。这就是BP神经络用于非线性系统建模的理论基础。BP络是一种采用反向传播算法(Back Propagation Algorithm)的神经络。主要应用于函数逼近、模式识别、分类及数据压缩等领域。BP络的基本思想是:学习过程由输入样本的正向传播与误差的反向传播两个过程组成。输入样本从输入层传入,经各隐层逐层处理后传向输出层,若输出层的实际输出与期望输出的误差达不到预定的要求,则转入误差的反向传播过程。即:将误差沿原来的连接通路返回,通过修改各层神经元的连接权值,使误差逐渐减小。这种输入样本正向传播回收企业的回收量也很少与误差反向传播的过程反复进行,直到误差达到预定的要求为止。

二、BP络在神经络工具箱中的仿真

本文利用Matlab6.5神经络工具箱,以厚度为50mm、跌落高度为40cm的蜂窝纸板动态冲击实验数据为例建立络模型。实验数据共有13组,将其中对特别是温州企业曲线形状有关键性影响的10组数据作为络的训练数据,另外3组作为测试数据用以验证络的预测性能。

①BP络的建立

在建立BP神经络时,首先要根据应用的问题确定络结构,即选择络的层数和隐层节点数。由于本例中实验数据较少,采用最基本的两层工业炉络就可以很好地逼近未知函数了。隐层节点数的选择在神经络的应用中一直是一个复杂的问题:隐层节点数过多,将导致络的预测能力不够,并容易导致络陷入局部极小值难以跳出;隐层节点数过少,络训练不出来,或不能识别以前没有的样本,且容错性差。在设计中,比较实际的做法是通过对不同神经元数的络进行训练、对比,找出络效果最好时的隐层节点数。在本例中,经大量的训练、对比,最终取中间隐层节点数为10。另一方面,BP隐层传递函数采用正切Sigmoid函数tansig,可以逼近任意非线性函数;输出层神经元则采用线性函数purelin,可以把输出值释放到任意值。至此,一个的神经络模型建立完毕。

②BP络的训练

Matlab神经络工具箱为用户提供了三种可用于BP络的训练函数,它们是:trainbp、trainbpx和trainlm。它们用法类似,采用不同的学习规则。trainlm训练函数使用Levenberg-Marquardt算法,是三种规则中迭代次数最少、训练速度最快的一个,缺点是该算法在每次迭代时的计算量比其他算法大,故需要大量的存储空间,对于参数很大的应用是不实用的,考虑到待处理问题的参数较小,因此采用trainlm训练函数。目标误差设为0.01,最大训练步数设为10 000。设定好参数之后开始训练络,训练结果显示:络在训练了32次之后达到目标误差0.01,训练停止。

③BP络的测试

由于初始值取随机值,每次训练得到的结果都不相同,经多次训练得到最好的结果,并记录下此时的权值和阈值。至此,可用固定的络去进行其他非实验点的最大加速度—静应力值的预测。为了检验该络是否具有较好的预测能力,将3组测试数据中高档试验机的区别代入络中进行预测,结果表明:预测数据和原始数据的平均相对误差为3.2726%,由此可以看出拟合结果是相当精确的。至此,利用BP络成功建立了厚度为50mm、跌落高度为40cm的蜂窝纸板缓冲特性模型。

本文利用BP络在非线性建模方面的特殊优势,以厚度为50mm、跌落高度为40cm的蜂窝纸板为例,建立神经络模型。经测试表明:该模型能以较高的精度对非实验点数据进强夯机行预测。但是,在建立模型的过程中也发现了一些问题,主要有两个方面:一是样本数过少,很难精确反映出待建模型的特性,而且容易导致络在学习过程中难以退出局部极小值。解决的办法是在实验部分增加实验点以增加训练样本数。二是BP络本身存在的一些问题,主要表现在收敛速度很慢,有时在局部极小值收敛,不能找到全局极小值。针对这样的情况,可以考虑采用其他算法如:模拟退火、遗传算法等,以保证络能收敛到全局极小值。

(作者/骆光林 汪甜甜)

广东包装杂志

黑龙江口腔医院
安阳市新区医院就诊评价
郑州正规医院哪家好
太原正规医院哪家好
友情链接