基于神經(jīng)網(wǎng)絡(luò)的橡膠開煉機(jī)煉膠質(zhì)量在線預(yù)測(cè)技術(shù)的研究.pdf

1、近年來，我國已經(jīng)成為輪胎生產(chǎn)大國，但是，與輪胎制造強(qiáng)國還有很大差距。輪胎的質(zhì)量很大層面上取決于橡膠混煉的質(zhì)量，對(duì)于開煉機(jī)煉膠，由于技術(shù)落后，使得我們很難在線檢測(cè)混煉膠的質(zhì)量，這樣一來，必然就無法及時(shí)獲得混煉膠的質(zhì)量指標(biāo)，也就無法進(jìn)行根據(jù)混煉膠的質(zhì)量在線調(diào)整和控制煉膠工藝參數(shù)，以獲得‘均一的’、理想的混煉膠質(zhì)量的研究。針對(duì)這一現(xiàn)狀，本文進(jìn)行了開煉機(jī)混煉膠質(zhì)量在線預(yù)測(cè)研究，以期實(shí)現(xiàn)開煉機(jī)煉膠質(zhì)量在線檢測(cè)。
　　本論文的主要研究工作是通

2、過對(duì)橡膠開煉機(jī)質(zhì)量在線預(yù)測(cè)的研究，改進(jìn)傳統(tǒng)開煉機(jī)實(shí)驗(yàn)平臺(tái);通過實(shí)驗(yàn)研究，找出開煉機(jī)煉膠過程參數(shù)對(duì)煉膠質(zhì)量的影響規(guī)律，運(yùn)用神經(jīng)網(wǎng)絡(luò)法建立過程參數(shù)和煉膠質(zhì)量之間關(guān)系的在線預(yù)測(cè)模型;運(yùn)用MATLAB進(jìn)行編程，并運(yùn)行該編程，就可以預(yù)測(cè)出混煉膠的質(zhì)量;對(duì)比實(shí)驗(yàn)研究，對(duì)基于神經(jīng)網(wǎng)絡(luò)的橡膠開煉機(jī)煉膠質(zhì)量在線預(yù)測(cè)技術(shù)的預(yù)測(cè)結(jié)果和運(yùn)用SPSS統(tǒng)計(jì)分析軟件進(jìn)行回歸分析，所建立的預(yù)測(cè)數(shù)學(xué)模型的預(yù)測(cè)結(jié)果，分別與實(shí)測(cè)值進(jìn)行對(duì)比;論文的主要內(nèi)容如下:
　　1

3、、通過對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和對(duì)多種網(wǎng)絡(luò)之間的優(yōu)缺點(diǎn)進(jìn)行分析探討，進(jìn)行了運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)開煉機(jī)煉膠質(zhì)量進(jìn)行在線預(yù)測(cè)的研究。
　　2、為了滿足運(yùn)用BP神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)原理對(duì)開煉機(jī)煉膠的混煉膠質(zhì)量進(jìn)行在線預(yù)測(cè)，必須有一臺(tái)設(shè)備擁有可以直接檢測(cè)出研究所需的各個(gè)過程參數(shù)的裝置，所以我們對(duì)現(xiàn)有的傳統(tǒng)開煉機(jī)煉膠實(shí)驗(yàn)平臺(tái)進(jìn)行了改進(jìn)。
　　3、為了獲得研究所需要的實(shí)驗(yàn)數(shù)據(jù)，在改進(jìn)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)用開煉機(jī)實(shí)驗(yàn)平臺(tái)上進(jìn)行了實(shí)驗(yàn)，橡膠配方選擇全鋼子午胎的胎

4、面膠配方。
　　4、對(duì)影響混煉膠質(zhì)量的主要過程參數(shù)進(jìn)行分析，因主要的過程參數(shù)有四個(gè)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)，就可以確定輸入層神經(jīng)元的個(gè)數(shù)為4;對(duì)混煉膠的門尼粘度和炭黑分散度同時(shí)進(jìn)行預(yù)測(cè)，可以確定輸出層神經(jīng)元的個(gè)數(shù)為2;運(yùn)用MATLAB軟件編程，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練后再進(jìn)行網(wǎng)絡(luò)誤差測(cè)試，并可以得出當(dāng)隱層神經(jīng)元的個(gè)數(shù)為10的時(shí)候，網(wǎng)絡(luò)的誤差最小，同時(shí)網(wǎng)絡(luò)收斂也最快。
　　5、對(duì)比試驗(yàn)研究。對(duì)基于神經(jīng)網(wǎng)絡(luò)的開煉機(jī)煉膠質(zhì)量在線預(yù)測(cè)技術(shù)的

5、研究和運(yùn)用SPSS統(tǒng)計(jì)分析軟件的逐步回歸法（Stepwise Regression）建立橡膠開煉機(jī)煉膠質(zhì)量的預(yù)測(cè)數(shù)學(xué)模型進(jìn)行了對(duì)比，對(duì)比結(jié)果表明，運(yùn)用神經(jīng)網(wǎng)絡(luò)建立橡膠開煉機(jī)煉膠質(zhì)量在線預(yù)測(cè)模型的預(yù)測(cè)結(jié)果更接近實(shí)測(cè)值，預(yù)測(cè)出的門尼粘度值和炭黑分散度值的平均相對(duì)誤差分別為0.186和0.388，運(yùn)用SPSS統(tǒng)計(jì)分析軟件建立的預(yù)測(cè)數(shù)學(xué)模型的預(yù)測(cè)的門尼粘度和炭黑分散度的平均相對(duì)誤差分別為1.72和1.242。
　　該技術(shù)的研究成功，不僅為