版权说明 操作指南
首页 > 成果 > 详情

基于PSO–BP 算法的油菜籽干燥工艺参数的优化

认领
导出
Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Parameter optimization of vacuum drying process for rapeseed based on PSO–BP algorithms
作者:
朱光耀;谢方平;陈凯乐;代振维
作者机构:
湖南农业大学工学院
[朱光耀] 湖南机电职业技术学院
[谢方平; 陈凯乐; 代振维] 湖南农业大学
语种:
中文
关键词:
油菜籽干燥;粒子群算法;神经网络;工艺优化
关键词(英文):
rapeseed drying;particle swarm optimization;BP neural network;process optimization;intelligent control
期刊:
湖南农业大学学报(自然科学版)
ISSN:
1007-1032
年:
2017
卷:
43
期:
2
页码:
222-225
基金类别:
湖南省教育厅项目
机构署名:
本校为第一机构
院系归属:
工学院
摘要:
结合神经网络和粒子群算法(PSO)对油菜籽干燥工艺进行优化:采用BP神经网络建立油菜籽平均水分下降速率和发芽率与干燥温度、初始含水率、真空度之间的三层网络预测模型,利用试验样本数据计算并确定预测模型的网络权值及阈值,再采用PSO算法进行参数优化。试验验证结果表明,对比BP网络模型和PSO–BP模型,发现BP网络仿真值相对误差最大值为4.5%,而PSO–BP仿真值最大相对误差小于2.93%。
摘要(英文):
Vacuum drying process for rapeseed was optimized by combination of neural network and particle swarm algorithms. BP neural network algorithm was used to establish the three layer network model to forecast the relationship between the drying temperature, initial moisture content, pressure and the average rate of moisture dropping, germination rate of rapeseed. Network weight and threshold of the model was calculate by using the sample data from the experiment. Then, PSO algorithm was used to optimize the initial parameters of the model. It is ve...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com