基于人工智能的配棉技术和纱线质量预测系统的研究

论文摘要

本文研发了基于人工智能的配棉技术与纱线质量预测系统,研究了B/S结构模式下,将数据层、业务逻辑层和表示层进行封装和分离的数据保护问题。探讨了综合计算机软件和人工智能算法等多种关键技术来实现计算机自动配棉和纱线质量预测等多种功能的方法,并在ASP.Net开发平台中实现了MVC架构模式。本文研究了原棉性能与纱线质量之间的关系,为了解决配棉难的问题,设计了新的计算机自动配棉数学模型,分析了基本遗传算法在解决该问题时的优缺点,并运用群体排序和局部寻优等关键技术,提出了一种改进的混合遗传算法。本文设计了BP神经网络和RBF神经网络纱线质量预测模型,分析了标准BP神经网络算法在构建纱线质量预测模型时存在的不足及其原因,探讨了一种改进的BP神经网络纱线质量预测模型,实验证明该模型增加了网络的收敛速度并提高了系统稳定性;构建了基于遗传算法的RBF神经网络纱线质量预测模型,该模型预测精度较高,训练时间较短,能很好地解决纱线质量预测的问题。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景
• 1.1.1 计算机自动配棉问题研究
• 1.1.2 纱线质量预测问题研究
• 1.2 本课题研究现状
• 1.2.1 国外的研究现状
• 1.2.2 国内的研究现状
• 1.3 本课题的研究目的及意义
• 1.4 课题的应用前景
• 1.5 本文的主要研究内容和组织结构
• 1.5.1 本文的主要研究内容
• 1.5.2 本文的组织结构
• 第2章 遗传算法在自动配棉上的应用
• 2.1 遗传算法概述
• 2.1.1 遗传算法的产生和发展
• 2.1.2 遗传算法的基本思想
• 2.1.3 遗传算法的特点
• 2.1.4 遗传算法的应用
• 2.2 基于遗传算法的自动配棉系统设计
• 2.2.1 自动配棉的数学模型
• 2.2.2 基本遗传算法对自动配棉数学模型的描述
• 2.2.3 改进的混合遗传算法对自动配棉数学模型的描述
• 2.2.4 改进的混合遗传算法流程
• 2.3 实验方案
• 2.3.1 实验数据
• 2.3.2 实验结果
• 2.4 小结
• 第3章 神经网络模型在纱线质量预测中的应用
• 3.1 BP 神经网络理论基础及应用
• 3.1.1 BP 神经网络简介
• 3.1.2 BP 神经网络算法及其公式推导
• 3.1.3 BP 神经网络的特点及局限性
• 3.2 BP 神经网络算法的改进
• 3.2.1 附加动量法
• 3.2.2 自适应调整学习速率
• 3.2.3 增大反向传播误差信号改进ＢＰ算法
• 3.3 BP 神经网络纱线质量预测模型的建立
• 3.3.1 输入输出的确定
• 3.3.2 网络结构的确定
• 3.3.3 隐蔽层节点数的确定
• 3.3.4 激活函数类型
• 3.3.5 BP 神经网络纱线质量预测程序流程图
• 3.4 径向基神经网络纱线质量预测模型
• 3.4.1 径向基函数神经网络的数学描述
• 3.4.2 RBF 神经网络学习方法的确定
• 3.4.3 基于遗传算法的训练过程
• 3.5 模型的网络训练及预报结果分析
• 3.5.1 数据的预处理和后处理
• 3.5.1.1 数据的预处理
• 3.5.1.2 数据的后处理
• 3.5.1.3 主成成分分析
• 3.5.2 标准BP 神经网络算法预测结果
• 3.5.3 改进的BP 神经网络算法
• 3.5.4 基于遗传算法的RBF 神经网络训练及结果分析
• 3.5.4.1 网络输入输出的确定
• 3.5.4.2 实验结果
• 3.5.5 BP 神经网络与RBF 神经网络预测模型比较
• 3.6 小结
• 第4章 配棉技术与纱线质量预测系统的分析与设计
• 4.1 Net 平台选择
• 4.2 系统需求分析
• 4.3 配棉技术与纱线质量预测系统的构架设计
• 4.4 各子系统的总体设计
• 4.4.1 软件设计的基本原理和相关概念
• 4.4.2 各子系统的功能设计
• 4.5 数据库设计
• 4.5.1 数据库概念模型设计
• 4.5.2 数据库逻辑模型设计
• 4.5.3 数据库物理模型设计
• 第5章 配棉技术与纱线质量预测系统的实现
• 5.1 代码设计与实现
• 5.1.1 程序架构MVC
• 5.1.2 在ASP.NET 中实现MVC 架构模式
• 5.1.3 代码的编写规范
• 5.2 系统总体实现
• 5.2.1 数据库操作模块的实现
• 5.2.2 各子系统的实现
• 5.3 小结
• 第6章 总结与展望
• 6.1 全文工作总结
• 6.2 今后工作展望
• 参考文献
• 作者攻读硕士学位期间发表的学术论文
• 致谢