文献

J-GLOBAL ID：201702234559147919   整理番号：17A1600338

PSO-GRNNに基づくラテックスのキー品質パラメータ予測技術【JST・京大機械翻訳】

Prediction of key quality parameters of latex silk based on PSO-GRNN

著者 (3件)： Zheng Huanjian (華南理工大学机械与汽車工程学院,广東 广州,510640) ,  Liu Guixiong (華南理工大学机械与汽車工程学院,广東 广州,510640) ,  Xie Yanqing (广東国興乳膠糸有限公司,广東 掲陽,522000)
資料名： Zhongguo Ceshi  (Zhongguo Ceshi)
巻： 43  号： 3  ページ： 97-100  発行年： 2017年 
JST資料番号： C3059A  ISSN： 1674-5124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ラテックスの生産プロセスの制御は複雑で,性能の指標は多く,プロセスの改良は難しい。本論文では、一般化回帰ニューラルネットワーク(generalized regression neural network、GRNN)と粒子群最適化アルゴリズム(particle swarm optimization,PSO)に基づいて、ラテックスの重要な品質パラメータの予測を実現した。最初に,ラテックス繊維の生産プロセス特性に基づいて,300%の引張応力,引張強さおよび引張破断点伸びの予測モデルを確立するために,ゲル化,洗浄,乾燥および硫化のようなプロセスのキーパラメータとして,モデルを確立した。次に,GRNNモデルにおいて,PSOを導入して,平滑化因子σの最適解を反復的に計算した。最後に,多重線形回帰,GRNN,QGA-GRNN,PSO-GRNNなどの方法を用いて,ラテックスの重要な品質パラメータを予測し,そして,それらの間の比較を行った。結果は以下を示した。PSO-GRNNとQGA-GRNNモデルの間の平均二乗誤差は最小で,PSO-GRNNの予測品質は4.82sであり,QGA-GRNNの3.53%PSO-GRNNは良好な実時間性能を示した。それは,オンライン生産品質予測の要求をよりよく満たすことができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *パラメータ推定 ,  引張応力 ,  伸び ,  生産プロセス ,  平滑化 ,  引張強さ ,  *ラテックス ,  *予測 ,  予測モデル ,  引張 ,  *品質 ,  ゲル化
準シソーラス用語： 品質予測 ,  平均二乗誤差 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： latex silk ,  quality forecast ,  GRNN ,  PSO ,  smooth factor

分類 (5件)： 感染症・寄生虫症一般  (GD01010H) ,  固体デバイス計測・試験・信頼性  (NC03040G) ,  吸着,イオン交換  (XD02060I) ,  単独重合  (CG04020S) ,  食肉一般  (FJ12031X)

タイトルに関連する用語 (3件)： ラテックス ,  キー ,  パラメータ予測