学位论文 > 优秀研究生学位论文题录展示

人工神经网络在纺熔无纺布产品开发中的应用

作　者: 盛小垒
导　师: 文贵华；陈康振
学　校: 华南理工大学
专　业: 计算机技术
关键词: BP神经网络无纺布非织造布纺熔无纺布新产品开发
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

本文基于纺熔无纺布企业新产品开发的现状和需求，利用BP神经网络在处理非线性映射方面的优势，以MA_rI_AH神经网络工具箱为平台，研究并构建BP神经网络，用于纺熔无纺布新产品开发。本文首先分析总结了纺熔无纺布新产品开发的关键工艺参数、产品性能指标及其内在关系：纺熔无纺布产品的性能可以分为两类：基布特性和后处理附加的功能，其中后处理附加的功能和后处理的原料方式之间存在直接的硬相关性，而基布特性和原料设备直接相关；纺熔无纺布用于医疗和卫生领域，有不同的测试方法和标准要求，但最重要的指标是强力和HSH，其中强力用来描述纺熔无纺布抵抗外力破坏的能力，而抗静水压HSH衡量纺熔无纺布的阻隔性。工艺参数中，根据设备特性和日常控制的范围，选取克重、AI]纺粘头计量泵转速、Bc熔喷头计量泵转速、热轧温度T和热轧压力P为关键参数。在产品工艺参数和性能指标分析的基础上，利用MATLAH神经网络工具箱开发平台，构建了BP神经网络，并利用企业现有的产品工艺参数和性能指标数据对其进行训练，网络可以收敛：BP网络选用三层，输入层到隐含层传递函数使用tansig，隐含层函数使用10gsig，隐含层的神经元个数优选为16个，训练函数使用trainlm，利用现有的产品数据作为样品对BP网络进行训练，训练误差在10‘数量级，网络可以很快收敛。随后，将训练好的BP神经网络用于产品性能指标预测，和实际数据进行对比，产品强力和抗静水压HSH的预测误差在5％以内，完全能满足实际产品开发和生产的需要；用于指导纺熔无纺布的产品开发，就可以更加快速、高效、低成本的开发出满足客户需求的产品，具有巨大的商业实用价值。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-34
  1.1 无纺布概述  10-15
    1.1.1 无纺布  10
    1.1.2 无纺布的工艺技术特点  10-12
    1.1.3 无纺布的种类  12-13
    1.1.4 无纺布的用途  13-15
  1.2 纺熔无纺布概述  15-21
    1.2.1 纺熔无纺布  15-16
    1.2.2 纺粘熔喷复合无纺布  16-18
    1.2.3 纺熔无纺布的技术特点  18
    1.2.4 纺熔无纺布工艺设备及技术发展趋势  18-21
  1.3 纺熔复合无纺布产品开发概述  21-26
    1.3.1 纺熔无纺布在卫生领域的应用和要求  21-22
    1.3.2 纺熔无纺布在医疗领域的应用和要求  22-24
    1.3.3 纺熔无纺布在工业领域的应用和要求  24-25
    1.3.4 纺熔无纺布产品开发主要内容及流程  25-26
  1.4 纺熔无纺布产品开发目前主要存在的问题  26-27
  1.5 本文的设计思路  27-34
    1.5.1 纺熔无纺布工艺参数和性能指标关系复杂  27-28
    1.5.2 BP神经网络在非线性映射方面的独特优势  28
    1.5.3 MATLAB专业的神经网络工具箱  28
    1.5.4 BP神经网络在其它无纺布上的应用  28-32
    1.5.5 本文的设计构想  32-34
第二章人工神经网络及BP网络  34-48
  2.1 人工神经网络  34-41
    2.1.1 人工神经经网络的发展历史  35
    2.1.2 神经网络的研究内容  35-36
    2.1.3 神经网络的应用  36-37
    2.1.4 人工神经元  37-40
    2.1.5 神经网络的类型  40-41
  2.2 BP神经网络  41-48
    2.2.1 BP神经网络定义  41-42
    2.2.2 BP神经网络模型及其基本原理  42-44
    2.2.3 BP神经网络的主要功能  44
    2.2.4 BP网络的优点以及局限性  44-45
    2.2.5 BP网络的设计问题  45-48
第三章 MATLAB概述  48-58
  3.1 MATLAB简介  48-51
    3.1.1 MATLAB的应用领域  48-49
    3.1.2 MATLAB的产品构成  49
    3.1.3 MATLAB的特点和优势  49-51
  3.2 MATLAB 神经经网络工具箱介绍  51-58
    3.2.1 使用MATLAB、申经网络工具箱解决问题的一般步骤  52
    3.2.2 基于MATLAB的BP神经网络工具箱函数介绍  52-55
    3.2.3 在MATLAB 中设计BP网络的注意事项  55-58
第四章 BP神经网络用于纺熔无纺布产品开发  58-86
  4.1 纺熔无纺布新产品开发范围  58
    4.1.1 设备  58
    4.1.2 无纺布种类  58
    4.1.3 原料  58
  4.2 用于纺熔无纺布新产品开发自BP神经网络设计  58-64
    4.2.1 BP神经网络的输出  58-59
    4.2.2 BP神经网络的输入  59-62
    4.2.3 BP神经网络层数  62
    4.2.4 BP神经网络隐含层神经元个数  62-63
    4.2.5 BP神经网络传输函数的选择  63-64
    4.2.6 BP神经网络学习算法的选择  64
  4.3 原始样本数据及处理  64-68
    4.3.1 样本数据的获取  64
    4.3.2 样本数据的处理  64-68
  4.4 MATLAB编程及试验  68-85
    4.4.1 网络训练和学习  68-83
    4.4.2 模型的校核  83-85
  4.5 结果分析  85-86
结论  86-88
参考文献  88-90
攻读硕士期间取得的研究成果  90-91
致谢  91

人工神经网络在纺熔无纺布产品开发中的应用

内容摘要

全文目录

相似论文