|本期目录/Table of Contents|

[1]李高伟,李 佳,朱金梅,等.基于不同算法优化的back propagation神经网络在三元乙丙橡胶混炼胶门尼黏度预测中的应用[J].合成橡胶工业,2023,6:488-494.
　LI Gao-wei,LI Jia,ZHU Jin-mei,et al.Application of back propagation neural network optimized by different algorithms in prediction of Mooney viscosity of ethylene-propylene-diene monomer compound[J].China synthetic rubber industy,2023,6:488-494.
点击复制

基于不同算法优化的back propagation神经网络在三元乙丙橡胶混炼胶门尼黏度预测中的应用(PDF)

《合成橡胶工业》[ISSN:1000-1255/CN:62-1036/TQ]

期数:
2023年6期
页码:
488-494
栏目:
出版日期:
2023-11-15

文章信息/Info

Title:
Application of back propagation neural network optimized by different algorithms in prediction of Mooney viscosity of ethylene-propylene-diene monomer compound
文章编号:
1000-1255（2023）06-0488-07
作者:
李高伟; 李 佳; 朱金梅; 鉴冉冉; 苗 清; 曾宪奎
青岛科技大学 机电工程学院，山东 青岛 266061
Author(s):
LI Gao-wei;  LI Jia;  ZHU Jin-mei;  JIAN Ran-ran;  MIAO Qing;  ZENG Xian-kui
School of Mechanical and Electrical Engineering, Qingdao University of Science and Technology, Qingdao 266061, China
关键词:
back propagation神经网络; 遗传算法; 粒子群算法; 三元乙丙橡胶; 混炼胶; 门尼黏度; 预测模型
Keywords:
back propagation neural network;  genetic algorithm;  particle swarm optimization;  ethylene-propylene-diene monomer;  compound;  Mooney viscosity;  forecast model
分类号:
TQ 333.4
DOI:
DOI:10.19908/j.cnki.ISSN1000-1255.2023.06.0488
文献标识码:
A
摘要:
分别采用遗传算法（GA）和粒子群算法（PSO）优化的back propagation（BP）神经网络建立了三元乙丙橡胶（EPDM）混炼胶门尼黏度的预测模型，并对预测结果的误差进行了对比分析。结果表明，两种算法优化后的BP神经网络模型的预测值与实测值均保持较高的拟合度和相关性；相比单一的BP神经网络，GA优化的BP神经网络模型的精度提升了58.9%，PSO优化的BP神经网络模型提升了3.57%，说明两种算法优化后的预测模型，特别是GA优化的BP神经网络预测模型对EPDM混炼胶门尼黏度的预测精度改善明显。
Abstract:
Genetic algorithm (GA) and particle swarm optimization (PSO) were used to optimize the back propagation（BP） neural network to establish the prediction model of Mooney viscosity of ethylene-propylene-diene monomer (EPDM) compound, and the error of the prediction results was compared and analyzed. The results showed that the predicted va-lues of the BP neural network model optimized by the two algorithms all maintained a high degree of fit and correlation with the measured values. Compared with the single BP neural network, the accuracy of the GA-BP neural network prediction model increased by 58.9% and the accuracy of the PSO-BP model increased by 3.57%, which indicated that the prediction accuracy of the prediction model optimized by the two algorithms, especially the BP neural network prediction model optimized by GA, improved significantly Mooney viscosity of EPDM compound.

参考文献/References

［1］ 孟凡良， 黄宝琛， 姚薇， 等. 门尼黏度对反式-1，4-聚异戊二烯及其并用胶性能的影响［J］. 合成橡胶工业， 2005， 28（1）： 31-35.［2］ 李龙奇， 李洪国， 王虎， 等. 影响丁苯橡胶胶乳门尼黏度分析准确性的研究［J］. 当代化工， 2020， 49（7）： 1369-1373.［3］ 金彦江， 沈本贤， 杨磊， 等. 采用BP神经网络预测乳聚丁苯橡胶的门尼黏度［J］. 合成橡胶工业， 2013， 36（1）： 36-40.［4］ 马为霞. 神经网络控制在氯丁橡胶门尼黏度最优预报中的应用［D］. 北京： 北京石油化工学院， 2015.［5］ 曹柳林， 江弘， 陈红. 利用神经元网络实现门尼黏度的预估［J］. 北京化工大学学报（自然科学版）， 1997，26（4）： 62-65.［6］ Padmavathi G， Mandan M G， Mitra S P， et al. Neural modelling of Mooney viscosity of polybutadiene rubber［J］. Computers and Chemical Engineering， 2005， 29（7）： 1677-1685.［7］ 胡绍强. 基于神经网络的锅炉燃烧过程的建模分析［D］. 沈阳： 沈阳理工大学， 2012.［8］ 齐瑞勤. 遗传算法在间歇式反应釜故障诊断中的应用［D］. 大连： 大连理工大学， 2011.［9］ 徐宗宝. 基于混合优化BP神经网络的水质预测系统的研究与实现［D］. 北京： 北京工业大学， 2020.［10］ 华莉， 孔尧尧， 陈永逸， 等. 基于GA-BP神经网络的轨道结构病害诊断方法研究［J］. 智能计算机与应用， 2022， 12（7）： 123-128.［11］ 林浩宇. 基于GA的BP网络算法优化及应用［J］. 电视技术， 2022， 46（9）： 42-46.［12］ 高慧勤. 基于PSO-BP网络的数控系统插补控制研究［J］. 长春工程学院学报（自然科学版）， 2021， 22（3）： 48-51.［13］ 杨辉. 人工蜂群-BP网络算法在云计算入侵检测中的应用［J］. 信息技术与信息化， 2020（4）： 150-154.［14］ 项可璐， 项璞玉， 吴友平. 基于BP神经网络的敏感性分析模型在天然橡胶耐磨性分析中的应用［J］. 合成橡胶工业， 2014， 37（1）： 14-19.［15］ 黄乐， 谭锋， 肖风亮. 基于BP神经网络算法的橡胶配方性能预测软件［J］. 橡胶工业， 2018， 65（8）： 944-947.［16］ 陈尔凡， 邓雯雯， 韩云凤， 等. 三元乙丙橡胶的热老化行为及其BP神经网络预测［J］. 化工新型材料， 2010， 38（10）： 80-82.［17］ 王芳平， 李炳瑞， 陈建刚， 等. BP神经网络在橡胶试验中的应用［J］. 石化技术与应用， 2004， 22（2）： 100-103.［18］ 贺存哲， 杨海波， 王振华， 等. BP神经网络在橡胶配方设计中的应用进展［J］. 橡胶工业， 2013， 60（4）： 251-255.［19］ 王彬， 杨海波， 吴友平. 人工神经网络在橡胶工业中的应用进展［J］. 合成橡胶工业， 2012， 35（1）： 2-7.［20］ 苏鑫， 裴华健， 吴迎亚， 等. 应用经遗传算法优化的BP神经网络预测催化裂化装置焦炭产率［J］. 化工进展， 2016， 35（2）： 389-396.［21］ 朱宇， 王慧玲， 郑锦波， 等. 基于遗传算法的贝叶斯网络结构学习综述［J］. 激光杂志， 2023， 44（4）： 32-39.［22］ 祁翔, 张心光. 基于遗传算法优化BP神经网络的预测建模［J］. 智能计算机与应用, 2021, 11（5）： 160-162.［23］ 刘亚丽, 李英娜, 李川. 基于遗传算法优化BP神经网络的线损计算研究［J］. 计算机应用与软件, 2019, 36（3）： 72-75.［24］ 罗旋, 孙长青, 刘劲涛, 等. 采油螺杆泵定子橡胶配方优化设计的遗传神经网络预测［J］. 合成橡胶工业, 2016, 39（5）： 381-385.［25］ 王宽, 李萍, 汤航, 等. 基于改进粒子群算法优化BP网络的短期风电功率预测［J］. 工业控制计算机, 2021, 34（11）：119-121.［26］ 李皓璇, 仲委, 王宁, 等. 基于粒子群算法的BP模型在地下水位埋深预测研究中的应用［J］. 吉林水利, 2020（8）： 12-14.［27］ 王超英, 钟辉. 基于粒子群算法优化BP神经网络的产品质量预测分析［J］. 计算技术与自动化, 2017, 36（3）： 92-95.［28］ 辛守庭, 赵冠宇, 王晓光, 等. 基于改进粒子群算法的旋翼无人机三维航迹规划［J］. 飞行力学, 2022, 40（5）： 47-52.

备注/Memo

备注/Memo:
国家自然科学基金资助项目（52206095）；山东省自然科学基金资助项目（ZR 2021 QE 232）。
更新日期/Last Update: 2023-11-15