基于BP神经网络的烟叶回潮加水量预测模型
摘要
烟叶回潮工序加水量的多少对烘丝工序炉壁温度和出口水分控制有直接影响。目前,操作工需要凭借经验预测加水量,预测结果因人而异。本文利用生产过程中记录的数据,研制基于BP神经网络的烟叶回潮加水量预测模型,提高加水量预测的合格率。
【关键词】烟叶回潮 加水量 BP 神经网络
1 前言
烟叶回潮的主要工艺任务是对片烟进行连续均匀的增温增湿,保证后续工序的生产要求。回潮加水量的多少将直接影响烘丝工序炉壁温度的控制,为了保证炉壁温度的稳定性,操作工需要严格控制回潮加水量。目前,加水量预测主要依靠操作工的工作经验,预测结果因人而异,合格率较低。
2 BP神经网络
BP神经网络分为两个过程:
(1)信号正向传递过程;
(2)误差信号反向传递过程。
在BP神经网络中,输入层和输出层之间通常有若干个隐含层。
2.1 隐含层设计
在BP神经网络中,隐含层节点个数可通过以下公式计算得出:
其中h为隐含层节点数,m为输入层节点数目,n为输出层节点数目,a为之间的调节常数。
2.2 正向传递过程
设输入节点i和隐藏节点i之间的权值为wij,节点j的阀值为bj,每个节点的输出值为xj,而每个节点的输出值是根据上层所有节点的输出值、当前节点与上一层所有节点的权值和当前节点的阀值还有激活函数来实现的。计算方法...
== 试读已结束,如需继续阅读敬请充值会员 ==
|
本站文章均为原创投稿,仅供下载参考,付费用户可查看完整且有格式内容!
(费用标准:38元/2月,98元/2年,微信支付秒开通!) |
升级为会员即可查阅全文 。如需要查阅全文,请 免费注册 或 登录会员 |