基于Python機(jī)器學(xué)習(xí)的可視化麻紗質(zhì)量預(yù)測(cè)系統(tǒng).pdf

1、紡織加工過程中，原料的纖維指標(biāo)與成紗質(zhì)量指標(biāo)之間存在一定的聯(lián)系，我們可以借助神經(jīng)網(wǎng)絡(luò)算法來進(jìn)行成紗質(zhì)量預(yù)測(cè)。但是目前，我國的麻紗紡織行業(yè)企業(yè)，智能化程度仍然不夠，例如，對(duì)數(shù)據(jù)的處理仍采用人工處理，雖然已有很多的研究表明神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)成紗質(zhì)量方面有很高的精確度，但是普通紡織企業(yè)并不能將其運(yùn)用到實(shí)際的生產(chǎn)過程中去。事實(shí)上，目前并沒有以普通紡織行業(yè)的普通工人為受眾的成紗質(zhì)量預(yù)測(cè)系統(tǒng)的開發(fā)，導(dǎo)致這些預(yù)測(cè)模型沒能實(shí)現(xiàn)用戶化。
　　（1）本文

2、在前人對(duì)成紗質(zhì)量預(yù)測(cè)算法的研究基礎(chǔ)上，通過對(duì)苧麻纖維指標(biāo)：束纖維平均斷裂強(qiáng)（CN/Tex），精干麻平均支數(shù)（Nm），精干麻硬條率，精梳條麻粒，精梳條并絲，精梳條重量不勻，精梳條重量偏差，精梳條回潮率進(jìn)行訓(xùn)練，對(duì)成紗不勻，成紗條干，成紗麻粒三個(gè)性能指標(biāo)進(jìn)行預(yù)測(cè)。首先采用MEA-BP預(yù)測(cè)模型進(jìn)行建模分析，在此基礎(chǔ)上，采用LM算法優(yōu)化改進(jìn)MEA算法，從而提高了模型的預(yù)測(cè)精度，加快了收斂速度。提出了基于MEA-LM-BP的神經(jīng)網(wǎng)絡(luò)算法對(duì)成紗質(zhì)量

3、進(jìn)行預(yù)測(cè)。首次引入小波神經(jīng)網(wǎng)絡(luò)算法對(duì)成紗質(zhì)量進(jìn)行預(yù)測(cè)。通過建模分析得出小波神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)成紗質(zhì)量方面有較高的預(yù)測(cè)精度。
　?。?）本文借助Python平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)了基于模塊化設(shè)計(jì)的成紗質(zhì)量預(yù)測(cè)系統(tǒng)，設(shè)計(jì)了預(yù)測(cè)模塊，數(shù)據(jù)處理模塊以及可視化模塊，并且提供了便捷的GUI界面，用戶在使用時(shí)只需要以點(diǎn)擊按鈕的方式就可以實(shí)現(xiàn)使用模型完成成紗質(zhì)量預(yù)測(cè)的操作。
　?。?）運(yùn)用web技術(shù)單獨(dú)設(shè)計(jì)了一個(gè)簡(jiǎn)單的在線麻紗數(shù)據(jù)管理頁面，方便數(shù)據(jù)的在