论文基于神经网络的烟丝填充值预测模型是大学硕士与本科烟丝毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写烟丝方面论文范文。
摘 要：填充值是烟丝的一项重要物理指标.在卷烟制丝生产中,叶组配方和工艺流程一般较为固定,所以制丝工艺参数对烟丝填充值的影响更为直接、突出,但工艺参数对填充值的影响为非线性的,难以根据工艺参数直接推算出烟丝填充值.针对此问题,选取了7个影响较大的工艺参数,采用BP神经网络对7个工艺参数和烟丝填充值间的数量关系进行了初步建模.通过BP神经网络设计和大数据量的训练后,该模型具备了通过工艺参数预测烟丝填充值的能力,预测结果的相对误差为4%左右,这为工艺参数和填充值之间的相互调整提供了理论依据和仿真方法.
关键词：BP神经网络；工艺参数；填充值
中图分类号：TS41+1文章编号：1007-5119（2016）05-0082-05DOI：10.13496/j.issn.1007-5119.2016.05.015
Abstract：The filling property is a vitally important physical index of cut tobacco. Due to the similar cigarette blending formulation and fixed technological process in cigarette production, relevant technological parameters he direct and significant influence on the filling value of cut tobacco. However, the relationship between the parameters and filling value is nonlinear, which makes it difficult to calculate filling values of cut tobacco directly based on the parameters. Therefore, seven most important technological parameters were selected, and the quantitative relation model between various parameters and the filling value was established with the BP neural network. Further, the model was designed with the BP neural network and trained through a large amount of data, so it could forecast the filling value according to the seven technological parameters and the relative error of forecasting results was about 4%. The establishment of the forecasting model provides a theoretical basis and simulation method for the mutual adjustment between the technological parameters and the filling value of cut tobacco.
Keywords：BP neural network； technological parameter； filling value
烟丝填充力是指单位重量的烟丝在一定压力下,经过一定时间后所保持的体积[1].烟丝填充值不仅影响卷烟的外观与吸食品质,而且是一个反映卷烟生产成本与原料消耗的经济指标,是卷烟加工烟丝的一个重要物理指标[2-3].影响烟丝填充值的主要因素有物理因素和化学因素,刘建军[4]又将影响因素细分为农艺措施、工艺措施、生物活动、物理特性和化学成分.而在卷烟制丝生产中,影响填充值的主要因素则可以概括为叶组配方、工艺流程和工艺参数.一般来说,在某牌号卷烟的生产过程中,叶组配方和工艺流程较为固定,所以制丝工艺参数对烟丝填充值的影响显得更为直接、突出.然而,工艺参数对填充值的影响为非线性的,难以根据工艺参数直接推算出烟丝填充值.BP神经网络是最为成熟的一种人工神经网络模型,能有效地解决非线性问题,得到了广泛的应用[5].BP神经网络属于多层前向反馈的有导师学习网络,与普通正向传播神经网络相比,增加了误差反馈环节,通过不断调整所有层的权值,达到减小误差的目的[6-7].本文将采用BP神经网络对工艺参数和烟丝填充值间的数量关系进行初步建模,并通过BP神经网络设计和大数据量的训练后,使模型具备通过工艺参数预测烟丝填充值的能力,以为工艺参数和填充值之间的相互调整提供理论依据和仿真方法.
1 材料与方法
1.1 材料与设备
滕州卷烟厂某牌号完整叶组配方原料.WQ392a滚筒式烟片回潮机、SJ1106a热风加料机、WQ314A型滚筒式叶片增湿增湿机、SH92气流干燥设备.
1.2 烟丝取样与填充值测定
待生产正常后,在烟丝干燥工序出口处,用取样盘随机取样100g,置于样品盒中.样品在空气温度（20±1）℃、相对湿度（60±5）%条件下平衡24h.烟丝填充值测定参照烟草行业标准方法（YC/T 152—2001）[8].
1.3 样本数据的确定
根据试验和日常生产数据积累,得到了176组原始数据.为了便于给神经网络提供样本,将其提取成输入样本P和输出样本T,其中输入样本包括松散回潮出口物料含水率、切丝宽度、叶丝增温增湿热风温度、叶丝增温增湿出口物料含水率、叶丝气流干燥燃烧炉温度、叶丝气流干燥混合风温和、叶丝气流干燥出口物料含水率7个对填充值影响较大的工艺参数[9-13],输出样本包括烟丝填充值1个参数.
总结:本论文主要论述了烟丝论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 基干过程神经网络对原油产量预测技术 摘要：预测油田原油产量对分析油藏，制定油田合理的发展规划至关重要。该文基于神经网络，对原油产量预测技术进行了探讨，提出了一种基于过程神经网络的原。
2、 基于遗传算法优化的RBF神经网络在MBR膜污染仿真预测中 1 引言（Introduction）水污染的预防和治理已成为当今世界日益严重的热点问题。膜生物反应器（MBR）作为一种将膜分离技术和生物反应技。
3、 基于神经网络智能车辆导航路径识别模型 摘 要： 传统基于PID的车辆导航路径识别模型，基于精准的数学模型实现智能车辆路径控制，在高速情况下具有较低的鲁棒性，智能控制性能差。因此，基于。
4、 基于RBF神经网络建立库存烟叶香型预测模型 摘 要：为建立库存烟叶香型预测模型，采用RBF神经网络方法，对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模。结果表明，不同香。
5、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。