BP神经网络预测控制在色素得率的应用
DOI:
CSTR:
作者:
作者单位:

1.青岛科技大学 自动化与电子工程学院 青岛 266061; 2.核工业理化工程研究院 天津 300180

作者简介:

通讯作者:

中图分类号:

TP29

基金项目:


Application of BP neural network predictive control in pigment yield
Author:
Affiliation:

1.College of Automation Engineering, Qingdao University of Science & Technology , Qingdao 266061, China; 2.Research Institute of Physical & Chemical Engineering of Nuclear Industry,Tianjin 300180,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    根据葡萄皮色素提取工艺过程中的提取剂浓度、温度、pH、时间等影响因素与输出结果色素提取率这一变量之间的非线性关系,建立了改进的BP神经网络预测模型。针对传统BP学习算法收敛速度慢、存在局部极值等不足,引入动量项以改进该学习算法。结合实际数据,运用迭代优化的控制算法对网络的权值和阈值进行不断训练并利用MATLAB进行仿真验证。研究结果证明了改进后的BP神经网络对色素提取率的预测控制具有精度高、泛化能力强,实用性强的优点,为色素得率提供了良好的理论基础和预测方法。

    Abstract:

    According to the nonlinear relationship between influencing factors including extracting agent concentration, temperature, pH and time In the extraction process of grape skin pigment and the outputs pigment extraction yield, the improved BP neural network prediction model is established. The traditional BP learning algorithm exists the deficiencies of a slow convergence speed and local extremum,momentum term is introduced to improve learning algorithm. The weights and thresholds of the network are trained、simulated and verified by MATLAB continually using iterative optimization control algorithm on the actual datas. The improved BP neural network has the advantages of high precision, strong generalization ability and strong practicability for pigment extraction yield prediction control, providing a good theoretical basis and prediction method for pigment yield.

    参考文献
    相似文献
    引证文献
引用本文

程换新,孟祥勇,崔丽洁,孔玲玲. BP神经网络预测控制在色素得率的应用[J].电子测量技术,2017,40(11):71-75

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-01-02
  • 出版日期:
文章二维码
×
《电子测量技术》
财务封账不开票通知