基于改进极限学习机的纱线质量预测.pdfVIP

第 41卷 第 4期 东华大学学报 (自然科学版) Vo1．41，NO．4 2015年 8月 JOURNAL OFDONGHUA UNIVERSITY(NATURAISCIENCE) Aug．2O15 文章编号 ：1671—0444(2015)04—0494—04 基于改进极限学习机的纱线质量预测 杨建国，熊经纬，徐 二’吕志 军 (东华大学 机械工程学院，上海 201620) 摘要：由于随机给定输入权值和偏差，极限学习机 (extremelearningmachine，E1M)通常需要较 多隐含层节点才能达到理想精度．结合粒子群算法具有全局搜 索能力的优 势，提 出一种基于改进 EIM 算法的纱线质量预测模型 ，采用改进粒子群算法优化 EIM 算法的输入权值矩阵和隐含层偏 差 ，计算 出输出权值矩阵，以减少隐含层节点数．试验结果表明，相比于EIM 算法，改进 EIM 算法 能够依靠更少的隐含层节点获得更高精度，相对误差降低 2．7O ，可为纱线质量预测与控制提供 更有效的工具 ，具有广泛的推广实用性． 关键词 ：极限学习机 ；纱线质量；粒子群算法；质量预测 中图分类号 ：TH 16．2 文献标志码 ：A YarnQualityPredictionBasedonImprovedExtremeLearningMachine YANGJian-guo，XIONGJing—wei，XULan ，LUZhi—jun (CollegeofMechanicalEngineering，DonghuaUniversity，Shanghai201620，China) Abstract：Duetotherandomly—giveninputweightsanddeviation，extremelearningmachine (ElM )often needsmorehidden layernodesto achieve idealprecision．By combining with particle swarm algorithm whichhastheadvantageofglobalsearchingability，akindofimprovedEIM yarnqualitypredictionmodel isproposed．Besides，the inputweightmatrix and thehidden layer deviation ofEIM algorithm are optim izedby using the improved particle swarm optimization． In addition，theoutputweightmatrix is calculatedtoreducethenumberofhiddenlayernodes．Thetestresultsshow thattheimprovedEIM can relyon fewerhidden layernodesto obtain higherprecision than theE1M algorithm，and theimproved EIM decreasesby2．70 ofrelativeerror，soitcanprovidemoreeffectivetoolforyarnqualityprediction andcontrolandhasextensivepromotionpracticality． Keywords：extremelearningmachine；yarnquality；particleswarm algorithm ；qualityprediction 纺织工艺参数与加工质量之间存在着复杂的非 后整理加工质量进行预测的研究 j．针对毛纱 CV 线性 、离散型和模糊的关系．纺织加工是一个依赖于 值预测问题 ，大多采用基于前馈人工神经网络的优 领域专家知识与经验 的思维过程．同其他工业领域 化模型或支持向量机的优化分类