[發(fā)明專利]基于BP神經(jīng)網(wǎng)絡的輪胎硫化質量RFV指標預測方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202210719846.5
• 申請日: 2022-06-23
• 公開（公告）號: CN115271167B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 胡小建;王躍;王之海;尹文龍;王韻玥;趙躍東;鄭哲;吳小松;宋旭東;郭警中;羅毅
• 申請（專利權）人: 合肥工業(yè)大學;安徽維德工業(yè)自動化有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06Q50/04;G06N3/006;G06N3/084
• 代理公司: 北京久誠知識產(chǎn)權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

本發(fā)明提供一種基于BP神經(jīng)網(wǎng)絡的輪胎硫化質量RFV指標預測方法和系統(tǒng)，涉及神經(jīng)網(wǎng)絡預測技術領域。本發(fā)明通過基于模擬退火的鯨魚算法優(yōu)化BP神經(jīng)網(wǎng)絡，加強鯨魚算法局部搜索能力的同時，也使算法具有跳出局部最優(yōu)解的能力，算法最后獲得的解也更加準確有效，提升RFV指標的預測精度。

技術領域

本發(fā)明涉及神經(jīng)網(wǎng)絡預測技術領域，具體涉及一種基于BP神經(jīng)網(wǎng)絡的輪胎硫化質量RFV指標預測方法、系統(tǒng)、存儲介質及電子設備。

背景技術

RFV(徑向力波動)是指負荷輪胎在固定負荷半徑和恒定速度下，每轉1周自身反復出現(xiàn)的徑向力最大波動值。該指標與輪胎高速噪聲有直接關系。為了改善噪聲問題，需要優(yōu)化輪胎的硫化過程。在實際生產(chǎn)中，由于橡膠硫化過程具有不確定性和復雜性，難以確定使性能指標達到要求的硫化工藝參數(shù)的最佳組合，因此實際生產(chǎn)中主要靠經(jīng)驗確定硫化工藝條件，且需要反復調整和試驗，耗時費力。

為解決試驗耗時費力這一問題，現(xiàn)有方法通過鯨魚算法和BP神經(jīng)網(wǎng)絡建立硫化工藝參數(shù)與RFV指標的網(wǎng)絡模型，對RFV指標和硫化工藝參數(shù)進行預測與優(yōu)化。

然而，現(xiàn)有方法中因鯨魚優(yōu)化算法容易陷入局部最優(yōu)解，導致RFV指標的預測精度較低。

發(fā)明內容

(一)解決的技術問題

針對現(xiàn)有技術的不足，本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡的輪胎硫化質量RFV指標預測方法和系統(tǒng)，解決了現(xiàn)有方法中因鯨魚優(yōu)化算法容易陷入局部最優(yōu)解，導致RFV指標的預測精度較低的技術問題。

(二)技術方案

為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：

第一方面，本發(fā)明提供一種基于BP神經(jīng)網(wǎng)絡的輪胎硫化質量RFV指標預測方法，包括以下步驟：

S1、獲取輪胎硫化工藝參數(shù)與輪胎質量指標徑向力波動值RFV的歷史數(shù)據(jù)；

S2、對所述歷史數(shù)據(jù)進行歸一化處理；結合經(jīng)驗公式，通過處理后的歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練，得到神經(jīng)網(wǎng)絡誤差最小值，基于神經(jīng)網(wǎng)絡誤差最小值，確定BP神經(jīng)網(wǎng)絡模型的拓撲結構；

S3、基于鯨魚算法，針對輪胎硫化質量RFV指標預測場景初始化BP神經(jīng)網(wǎng)絡模型的參數(shù)；

S4、將鯨魚個體位置作為BP神經(jīng)網(wǎng)絡模型的初始權重和閾值，BP神經(jīng)網(wǎng)絡模型的訓練誤差值作為適應度函數(shù)進行遍歷；

S5、將鯨魚進行搜索獵物、包圍獵物或驅趕獵物并更新當前種群鯨魚個體位置，得到原始種群；

S6、定義并隨機初始化新種群，計算新種群和原始種群中鯨魚個體適應度值并進行比較，得到最優(yōu)的鯨魚個體位置；進行退溫操作，之后滿足達到最大迭代數(shù)時，即停止迭代尋優(yōu)并輸出鯨魚的最優(yōu)的鯨魚個體位置，否則返回到步驟S4重新執(zhí)行；

S7、將最優(yōu)的鯨魚個體位置賦值給BP神經(jīng)網(wǎng)絡模型的最佳權重和閾值，進行網(wǎng)絡訓練，得到優(yōu)化后的BP神經(jīng)網(wǎng)絡模型，通過優(yōu)化后的BP神經(jīng)網(wǎng)絡模型獲取RFV指標預測結果。

優(yōu)選的，所述結合經(jīng)驗公式，通過處理后的歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練，得到神經(jīng)網(wǎng)絡誤差最小值，基于神經(jīng)網(wǎng)絡誤差最小值，確定BP神經(jīng)網(wǎng)絡模型的拓撲結構，包括：

結合經(jīng)驗公式，對處理后的數(shù)據(jù)進行神經(jīng)網(wǎng)絡訓練，根據(jù)得到的神經(jīng)網(wǎng)絡誤差最小值，確定BP神經(jīng)網(wǎng)絡模型的拓撲結構，經(jīng)驗公式如下：

其中，n為隱藏節(jié)點數(shù)，n₁為輸入層節(jié)點數(shù)，n₂為輸出層結點數(shù)，c為區(qū)間[1，10]的常數(shù)；