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

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：