基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法技术

技术编号:35343923 阅读:44 留言:0更新日期:2022-10-26 12:08
本发明专利技术提供一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,涉及神经网络预测技术领域。本发明专利技术采用神经网络进行轮胎硫化后的性能质量预测,比传统硫化实验数据分析预测更快更高效,而且即可为后续优化工艺提供模型基础,又可实现硫化结果可视化。同时,利用鲸鱼算法BP神经网络的初始权重和阈值,使得改进优化后的神经网络具有更高精度的预测能力,提升了轮胎硫化质量预测精度。升了轮胎硫化质量预测精度。升了轮胎硫化质量预测精度。

【技术实现步骤摘要】
基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法


[0001]本专利技术涉及神经网络预测
,具体涉及一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法、系统、存储介质及电子设备。

技术介绍

[0002]随着市场上对汽车的需求越来越高,轮胎产业作为汽车行业的主要配套产业之一,已经飞速发展起来,为了不会影响到车辆的操纵稳定性与行驶安全性,在保证生产效率高的同时,轮胎的性能与质量也要同时重视,硫化作为轮胎生产的重要工艺之一,也是最后一道工序,目的是使未硫化的橡胶交联硫化,从而使轮胎具备需要的物理性能,满足使用要求。然而,由于多种影响因素的耦合作用,造成轮胎硫化后的品质下降,导致良品率低。因此,通过实验、理论与机器学习方法对轮胎硫化后的质量的预测进行了大量工作。
[0003]相较于传统的轮胎硫化实验方法,机器学习方法具有高效率性、经济性以及准确性的优点,并因此在工业界得到广泛的应用。目前常见的是采用BP神经网络建立硫化工艺参数与性能指标的网络模型,以神经网络预测的性能输出作为目标函数的求解方法,以遗传算法作为硫化工艺参数的优化方法,来预测以及优化硫化工艺参数。
[0004]然而,遗传算法在优化BP神经网络时,对初始种群的选择有一定的依赖性,容易陷入局部最优,导致其预测结果的准确度不稳定,造成轮胎硫化质量不稳定。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足,本专利技术提供了一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,解决了基于BP神经网络的轮胎硫化质量预测方法的容易陷入局部最优的技术问题。
[0007](二)技术方案
[0008]为实现以上目的,本专利技术通过以下技术方案予以实现:
[0009]第一方面,本专利技术提供一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,包括以下步骤:
[0010]S1、获取历史数据,所述历史数据包括轮胎硫化工艺参数和试验机测得的质量指标数据;
[0011]S2、对所述历史数据进行归一化处理;结合经验公式,通过处理后的历史数据对神经网络进行训练,得到神经网络误差最小值,基于神经网络误差最小值,确定BP神经网络模型的拓扑结构;
[0012]S3、基于鲸鱼算法,针对轮胎硫化质量预测场景初始化BP神经网络模型的参数;
[0013]S4、将鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,BP神经网络模型的训练误差值作为适应度函数进行遍历;
[0014]S5、将鲸鱼进行搜索猎物、包围猎物或驱赶猎物并进行位置更新,满足给定精度要
求或达到最大迭代数,停止迭代寻优并输出鲸鱼的最佳位置,否则返回到步骤S4重新执行;
[0015]S6、将最佳位置赋值给BP神经网络模型的最佳权重和阈值,进行网络训练,得到优化后的BP神经网络模型,通过优化后的BP神经网络模型获取质量指标预测结果。
[0016]优选的,所述基于鲸鱼算法,针对轮胎硫化质量预测场景初始化BP神经网络模型的参数,包括:
[0017]针对轮胎硫化质量预测场景下初始化模型执行参数,设置鲸鱼数量N,迭代次数为T
max
,结合网络拓扑结构初始化优化维度为D,以及初始化参数A、a、C,以并改进收敛因子参数a的定义公式,计算公式如下:
[0018]a=2

2*(t2/T
max2
)
[0019]A=2ar1‑
a
[0020]C=2r2[0021]其中,a为收敛因子,随迭代次数从2递减到0,t为当前迭代次数,T
max
为最大迭代次数;A和C为协同系数向量,r1和r2均为(0,1)的随机数。
[0022]优选的,所述将鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,BP神经网络模型的训练误差值作为适应度函数进行遍历,包括:
[0023]将训练误差值error作为鲸鱼种群适应度值,计算出鲸鱼种群的最小适应度值以及最佳鲸鱼个体位置,将最佳鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,根据梯度下降法更新权重和阈值,更新公式如下:
[0024][0025][0026][0027][0028]其中:μ为BP神经网络的学习率,ω1、b1分别为BP神经网络中输入层与隐藏层间的权重和阈值,ω2、b2分别为BP神经网络中隐藏层与输出层间的权重和阈值,ω
’1、b
’1分别为ω1、b1更新后的权重与阈值,ω
’2、b
’2分别为ω2、b2更新后的权重与阈值。
[0029]优选的,将鲸鱼进行搜索猎物、包围猎物或驱赶猎物并进行位置更新,包括:
[0030]S501、生成一个0到1的随机数P,来决定鲸鱼选择寻找和包围猎物还是使用气泡网追赶,若P<0.5则执行步骤S502,否则,执行步骤S503。
[0031]S502、鲸鱼群通过制造气泡网的方式来驱赶猎物,在一个不断缩小的圆圈内绕着猎物游动,同时沿着螺旋形路径游动并更新位置;
[0032]S503、当|A|>1时,鲸鱼进行全局搜索猎物并更新位置;当|A|<1时,鲸鱼进行局部搜索猎物并更新位置。
[0033]优选的,在S502中,所述沿着螺旋形路径游动并更新位置的更新方式包括:
[0034][0035][0036]其中,表示鲸鱼个体与猎物之间的距离,是t时刻猎物的位置,是t时刻鲸鱼个体的位置,是更新后的位置,l为[

1,1]之间的随机数。
[0037]优选的,在S503中,所述当|A|>1时,鲸鱼进行全局搜索猎物并更新位置,包括:
[0038]当|A|>1时,鲸鱼群会进行随机寻找猎物阶段,即鲸鱼群会随机选择一个鲸鱼个体,并向当前随机鲸鱼个体更新鲸鱼群的位置;
[0039][0040][0041]其中,表示为t时刻当前选择的随机鲸鱼个体与其他鲸鱼个体间的距离,是t时刻随机一个鲸鱼个体的位置,是t时刻其他鲸鱼个体的位置,是更新后的位置,是随机向量。
[0042]优选的,在S503中,所述当|A|<1时,鲸鱼进行局部搜索猎物并更新位置,包括:
[0043]当|A|<1时,鲸鱼群会进行包围猎物阶段,即鲸鱼群会向当前最优鲸鱼个体进行局部搜索猎物并更新位置;
[0044][0045][0046]其中,表示为t时刻当前最优鲸鱼个体与其他鲸鱼个体间的距离,是t时刻最优鲸鱼个体的位置,是t时刻其他鲸鱼个体的位置,是更新后的位置,是随机向量。
[0047]第二方面,一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测系统,所述系统包括:
[0048]数据获取模块,用于获取历史数据,所述历史数据包括轮胎硫化工艺参数和试验机测得的质量指标数据;
[0049]模型结构确定模块,用于对所述历史数据进行归一化处理;结合经验公式,通本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,其特征在于,包括以下步骤:S1、获取历史数据,所述历史数据包括轮胎硫化工艺参数和试验机测得的质量指标数据;S2、对所述历史数据进行归一化处理;结合经验公式,通过处理后的历史数据对神经网络进行训练,得到神经网络误差最小值,基于神经网络误差最小值,确定BP神经网络模型的拓扑结构;S3、基于鲸鱼算法,针对轮胎硫化质量预测场景初始化BP神经网络模型的参数;S4、将鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,BP神经网络模型的训练误差值作为适应度函数进行遍历;S5、将鲸鱼进行搜索猎物、包围猎物或驱赶猎物并进行位置更新,满足给定精度要求或达到最大迭代数,停止迭代寻优并输出鲸鱼的最佳位置,否则返回到步骤S4重新执行;S6、将最佳位置赋值给BP神经网络模型的最佳权重和阈值,进行网络训练,得到优化后的BP神经网络模型,通过优化后的BP神经网络模型获取质量指标预测结果。2.如权利要求1所述的基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,其特征在于,所述基于鲸鱼算法,针对轮胎硫化质量预测场景初始化BP神经网络模型的参数,包括:针对轮胎硫化质量预测场景下初始化模型执行参数,设置鲸鱼数量N,迭代次数为T
max
,结合网络拓扑结构初始化优化维度为D,以及初始化参数A、a、C,以并改进收敛因子参数a的定义公式,计算公式如下:a=2

2*(t2/T
max2
)A=2ar1‑
aC=2r2其中,a为收敛因子,随迭代次数从2递减到0,t为当前迭代次数,T
max
为最大迭代次数;A和C为协同系数向量,r1和r2均为(0,1)的随机数。3.如权利要求1所述的基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,其特征在于,所述将鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,BP神经网络模型的训练误差值作为适应度函数进行遍历,包括:将训练误差值error作为鲸鱼种群适应度值,计算出鲸鱼种群的最小适应度值以及最佳鲸鱼个体位置,将最佳鲸鱼个体位置作为BP神经网络模型的初始权重和阈值,根据梯度下降法更新权重和阈值,更新公式如下:下降法更新权重和阈值,更新公式如下:下降法更新权重和阈值,更新公式如下:下降法更新权重和阈值,更新公式如下:
其中:μ为BP神经网络的学习率,ω1、b1分别为BP神经网络中输入层与隐藏层间的权重和阈值,ω2、b2分别为BP神经网络中隐藏层与输出层间的权重和阈值,ω
′1、b
′1分别为ω1、b1更新后的权重与阈值,ω'2、b'2分别为ω2、b2更新后的权重与阈值。4.如权利要求1所述的基于鲸鱼算法优化BP神经网络的轮胎硫化质量预测方法,其特征在于,将鲸鱼进行搜索猎物、包围猎物或驱赶猎物并进行位置更新,包括:S501、生成一个0到1的随机数P,来决定鲸鱼选择寻找和包围猎物还是使用气泡网追赶,若P<0.5则执行步骤S502,否则,执行步骤S503;S502、鲸鱼群通过制造气泡网的方式来驱赶猎物,在一个不断缩小的圆圈内绕着猎物游动,同时沿着螺旋形路径游动并更新位置;S503、当|A|>1...

【专利技术属性】
技术研发人员:胡小建王跃王之海尹文龙王韵玥赵跃东郑哲吴小松宋旭东郭警中罗毅
申请(专利权)人:安徽维德工业自动化有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1