发明名称 |
一种基于模糊BP神经网络的玻璃钢化的工艺参数设置方法 |
摘要 |
本发明公开了一种基于模糊BP神经网络的玻璃钢化的工艺参数设置方法,该工艺参数设置方法中根据初始样本对BP神经网络进行训练,并将现有的钢化玻璃分为若干类别,利用训练好的BP神经网络获取各个类别的最优工艺参数,并根据所有类别的工艺参数构建工艺数据库,直接判断待钢化玻璃的所属类别,从工艺数据库直接选取该类别对应的工艺参数,利用选择的工艺参数设定待钢化玻璃钢化的工艺参数。本发明中利用BP神经网络,直接获取待钢化玻璃钢化时的最优工艺参数,减小了对人工经验的依赖程度,降低了生产成本,且通过计算机实现,设置精度高,出错率低,有利于提高钢化玻璃的质量,大大提高了生产效率。 |
申请公布号 |
CN105095273A |
申请公布日期 |
2015.11.25 |
申请号 |
CN201410198246.4 |
申请日期 |
2014.05.12 |
申请人 |
浙江理工大学 |
发明人 |
黄静 |
分类号 |
G06F17/30(2006.01)I;G06N3/02(2006.01)I;C03B27/00(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
杭州天勤知识产权代理有限公司 33224 |
代理人 |
褚超孚 |
主权项 |
一种基于模糊BP神经网络的玻璃钢化的工艺参数设置方法,其特征在于,包括:(1)获取若干个初始样本,每个初始样本包括一个批次玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积,以及相应的工艺参数;(2)针对任意一个初始样本,将该初始样本中的玻璃品种和玻璃厚度模糊化为特征值,并以模糊化后的样本作为训练样本;(3)以各个训练样本的特征值、一炉次的玻璃块数和玻璃总面积作为BP神经网络的输入,以工艺参数作为输出,训练BP神经网络得到训练好的BP神经网络;(4)按照钢化玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积将钢化玻璃分为若干个类别,并确定各个类别对应的特征样本;(5)将该特征样本输入训练好的BP神经网络得到各个类别的最优工艺参数,根据各类别的最优工艺参数构建得到工艺数据库;(6)获取待钢化玻璃的玻璃品种、玻璃厚度以及玻璃的大小和形状,并根据玻璃钢化炉的上片台的大小对待钢化玻璃进行预排产,得到一炉次的玻璃块数和玻璃总面积;(7)根据待钢化玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积确定待钢化玻璃所属的类别,根据其所属的类别从工艺数据库中选择相应的最优工艺参数,并根据选择的最优工艺参数设定待钢化玻璃的钢化时的工艺参数。 |
地址 |
310018 浙江省杭州市下沙高教园区2号大街5号 |