【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B ...
【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:
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。