基于深度神经网络的纱线质量预测模型研究
发布时间:2022-01-22 18:28
在整个纺织产业链中,纱线生产是其中关键的环节之一,它对纺织服装等成品质量的影响非常大。长期以来,纺织业界一直希望有一种纱线质量预测技术,可以根据原材料和生产工艺等已知条件来准确预测最终生产出来的纱线质量指标,也就是所谓的虚拟纺纱技术。实际上这种技术的本质是通过预测模型来揭示原材料性能指标、生产工艺等因素与纱线质量指标之间的关系。由于纱线生产过程复杂,影响纱线质量的因素众多,因此很难通过简单的数学模型来准确表达它们之间的复杂关系。纺织科技工作者在该领域做了很多研究工作,从物理模型、统计方法到人工神经网络,也有了不少进展,但是总体上预测精度和适用性不够。随着计算能力的提升,深度神经网络(即深度学习)因其优良的性能而得到重视。深度神经网络可以解决浅层网络因为受网络层数限制而出现的不能精准表达非线性复杂关系的问题。本文就是在这种背景下,采用深度神经网络来建立相关预测模型,以期能够更加精准地表达纱线质量指标与生产该产品的原材料和生产工艺等因素之间的关系,从而可以较好地预测纱线质量指标,因而具有潜在的应用价值。本文的主要研究工作有三方面:(1)从加工时序对纱线质量影响的角度和通过卷积神经网络中的卷...
【文章来源】:东华大学上海市 211工程院校 教育部直属院校
【文章页数】:155 页
【学位级别】:博士
【部分图文】:
纱线、纤维和工艺之间关系图
东华大学博士学位论文第三章纱线的数据仓库设计与实现18第三章纱线的数据仓库设计与实现本章对纱线数据仓库的设计与建立过程进行论述。首先是确定数据仓库的主题,纱线数据仓库的主题是实现纱线质量指标预测;其次是设计纱线数据仓库的概念模型,然后根据概念模型设计逻辑模型;最后根据逻辑模型设计物理模型即数据库。本章以某企业的转杯纱为实例,进行具体说明。3.1纱线数据仓库设计3.1.1纱线数据仓库目标分析构建纱线数据仓库的目的是整合原材料数据库、工艺流程数据库、加工设备数据库和纱线质量的数据,为纱线质量预测提供基础数据。(1)原材料(纤维)数据库对原材料仓库中的各种原材料(纤维)的属性值进行记录,为纱线数据仓库提供数据源。(2)工艺流程数据库对各种纱线的工艺流程及方案进行记录,为纱线数据仓库提供数据源。(3)加工设备数据库对各种纱线的加工设备运行参数和状态数据进行记录,为纱线数据仓库提供数据源。(4)纱线质量数据库对各种纱线的质量指标数据进行记录,为纱线数据仓库提供数据源。3.1.2数据仓库的开发流程图3-1数据仓库的开发流程图
东华大学博士学位论文第三章纱线的数据仓库设计与实现20数据仓库需要不间断地维护,这与传统的数据库维护不同,否则有可能会出现性能不断下降导致无法使用的问题。数据仓库中的数据访问采用的是CBO(Cost-BasedOptimization,简称CBO)方式[72]。例如数据仓库在建立之初只有500万条记录,一个月后可能剧增到2000万条,那么数据仓库建立之初的CBO根本无法实现最优路径存取;因此需要不断对旧的CBO进行改进来适应新的需求,从而保证数据仓库系统的性能。3.1.3纱线数据仓库建立建立数据仓库分三个步骤:○1使用DWER(DataWarehouseEntity-RelationshipModel,简称DWER)设计概念模型。○2使用星型架构设计逻辑模型。○3设计物理模型中数据库二维表[73]。(1)概念模型设计用DWER模型对纱线数据仓库进行概念模型建模。同ER(Entity-relationshipmodel,简称ER)一样,DWER模型是一种图形化的模型,描述事实数据,这些事实数据是用来进行数据分析的。DWER模型如图3-2所示。图3-2纱线数据仓库的DWER模型图3-2中,纱线质量指标是由生产工艺、纤维原材料性能和加工设备参数等共同决定的。在建立纱线数据仓库概念模型时,这些数据库都要全面考虑。(2)逻辑模型设计纱线数据仓库的主题就是纱线质量预测,根据这个主题设计对应的逻辑模型,
【参考文献】:
期刊论文
[1]基于卷积神经网络的衣物属性分类方法[J]. 杨国亮,曾建尤,龚曼,祝靖宇. 重庆理工大学学报(自然科学). 2020(01)
[2]基于卷积神经网络的服装领型识别与分类研究[J]. 尹光灿,罗戎蕾. 现代纺织技术. 2020(03)
[3]基于卷积神经网络和迁移学习的色织物疵点检测[J]. 罗俊丽,路凯. 上海纺织科技. 2019(06)
[4]结合卷积神经网络多层特征融合和K-Means聚类的服装图像检索方法[J]. 侯媛媛,何儒汉,李敏,陈佳. 计算机科学. 2019(S1)
[5]基于改进的残差神经网络的服装标签属性识别[J]. 张萌岩,何儒汉,詹伟,李敏,陈佳. 计算机与数字工程. 2019(04)
[6]一种基于生成对抗网络的行为数据集扩展方法[J]. 牛斌,吴鹏,马利,刘景巍. 计算机技术与发展. 2019(07)
[7]基于树莓派的深度学习色织物疵点检测研究[J]. 曹振军,景军锋,苏泽斌,张缓缓. 棉纺织技术. 2019(01)
[8]基于卷积神经网络的织物表面缺陷分类方法[J]. 景军锋,刘娆. 测控技术. 2018(09)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[10]棉花性能指标对成纱质量的预测模型研究[J]. 高创,郁崇文,汪军,于伟东. 棉纺织技术. 2016(06)
博士论文
[1]羊绒羊毛纤维显微视觉特征表达与识别算法研究[D]. 路凯.东华大学 2018
[2]基于复杂自适应Petri网的棉纺生产预报模型及其优化[D]. 王军.东华大学 2016
[3]精毛纺织品虚拟加工中的预报与反演模型研究[D]. 刘贵.东华大学 2010
硕士论文
[1]基于深度学习的服装图像属性标签识别与关键点定位研究[D]. 张萌岩.武汉纺织大学 2019
[2]基于卷积神经网络的服装图像精细分类[D]. 刘童童.山东师范大学 2019
[3]基于深度学习的布匹缺陷识别与检测研究[D]. 赵志勇.华中科技大学 2019
[4]基于深度学习的织物面料成分分类算法研究[D]. 张玮.浙江理工大学 2019
[5]基于深度学习的织物疵点检测研究[D]. 史甜甜.浙江理工大学 2019
[6]基于卷积神经网络的色织物疵点检测与分类算法研究[D]. 董阿梅.西安工程大学 2018
[7]基于深度学习的织物图像疵点区域定位算法研究[D]. 刘祥惠.中原工学院 2018
[8]基于深度学习的针织物组织结构识别方法研究[D]. 刘晓婷.天津工业大学 2018
[9]基于深度学习的布匹疵点检测算法及系统研究[D]. 万东.华中科技大学 2017
[10]仓储物流数据仓库的设计与实现[D]. 张耀丹.东华大学 2017
本文编号:3602685
【文章来源】:东华大学上海市 211工程院校 教育部直属院校
【文章页数】:155 页
【学位级别】:博士
【部分图文】:
纱线、纤维和工艺之间关系图
东华大学博士学位论文第三章纱线的数据仓库设计与实现18第三章纱线的数据仓库设计与实现本章对纱线数据仓库的设计与建立过程进行论述。首先是确定数据仓库的主题,纱线数据仓库的主题是实现纱线质量指标预测;其次是设计纱线数据仓库的概念模型,然后根据概念模型设计逻辑模型;最后根据逻辑模型设计物理模型即数据库。本章以某企业的转杯纱为实例,进行具体说明。3.1纱线数据仓库设计3.1.1纱线数据仓库目标分析构建纱线数据仓库的目的是整合原材料数据库、工艺流程数据库、加工设备数据库和纱线质量的数据,为纱线质量预测提供基础数据。(1)原材料(纤维)数据库对原材料仓库中的各种原材料(纤维)的属性值进行记录,为纱线数据仓库提供数据源。(2)工艺流程数据库对各种纱线的工艺流程及方案进行记录,为纱线数据仓库提供数据源。(3)加工设备数据库对各种纱线的加工设备运行参数和状态数据进行记录,为纱线数据仓库提供数据源。(4)纱线质量数据库对各种纱线的质量指标数据进行记录,为纱线数据仓库提供数据源。3.1.2数据仓库的开发流程图3-1数据仓库的开发流程图
东华大学博士学位论文第三章纱线的数据仓库设计与实现20数据仓库需要不间断地维护,这与传统的数据库维护不同,否则有可能会出现性能不断下降导致无法使用的问题。数据仓库中的数据访问采用的是CBO(Cost-BasedOptimization,简称CBO)方式[72]。例如数据仓库在建立之初只有500万条记录,一个月后可能剧增到2000万条,那么数据仓库建立之初的CBO根本无法实现最优路径存取;因此需要不断对旧的CBO进行改进来适应新的需求,从而保证数据仓库系统的性能。3.1.3纱线数据仓库建立建立数据仓库分三个步骤:○1使用DWER(DataWarehouseEntity-RelationshipModel,简称DWER)设计概念模型。○2使用星型架构设计逻辑模型。○3设计物理模型中数据库二维表[73]。(1)概念模型设计用DWER模型对纱线数据仓库进行概念模型建模。同ER(Entity-relationshipmodel,简称ER)一样,DWER模型是一种图形化的模型,描述事实数据,这些事实数据是用来进行数据分析的。DWER模型如图3-2所示。图3-2纱线数据仓库的DWER模型图3-2中,纱线质量指标是由生产工艺、纤维原材料性能和加工设备参数等共同决定的。在建立纱线数据仓库概念模型时,这些数据库都要全面考虑。(2)逻辑模型设计纱线数据仓库的主题就是纱线质量预测,根据这个主题设计对应的逻辑模型,
【参考文献】:
期刊论文
[1]基于卷积神经网络的衣物属性分类方法[J]. 杨国亮,曾建尤,龚曼,祝靖宇. 重庆理工大学学报(自然科学). 2020(01)
[2]基于卷积神经网络的服装领型识别与分类研究[J]. 尹光灿,罗戎蕾. 现代纺织技术. 2020(03)
[3]基于卷积神经网络和迁移学习的色织物疵点检测[J]. 罗俊丽,路凯. 上海纺织科技. 2019(06)
[4]结合卷积神经网络多层特征融合和K-Means聚类的服装图像检索方法[J]. 侯媛媛,何儒汉,李敏,陈佳. 计算机科学. 2019(S1)
[5]基于改进的残差神经网络的服装标签属性识别[J]. 张萌岩,何儒汉,詹伟,李敏,陈佳. 计算机与数字工程. 2019(04)
[6]一种基于生成对抗网络的行为数据集扩展方法[J]. 牛斌,吴鹏,马利,刘景巍. 计算机技术与发展. 2019(07)
[7]基于树莓派的深度学习色织物疵点检测研究[J]. 曹振军,景军锋,苏泽斌,张缓缓. 棉纺织技术. 2019(01)
[8]基于卷积神经网络的织物表面缺陷分类方法[J]. 景军锋,刘娆. 测控技术. 2018(09)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[10]棉花性能指标对成纱质量的预测模型研究[J]. 高创,郁崇文,汪军,于伟东. 棉纺织技术. 2016(06)
博士论文
[1]羊绒羊毛纤维显微视觉特征表达与识别算法研究[D]. 路凯.东华大学 2018
[2]基于复杂自适应Petri网的棉纺生产预报模型及其优化[D]. 王军.东华大学 2016
[3]精毛纺织品虚拟加工中的预报与反演模型研究[D]. 刘贵.东华大学 2010
硕士论文
[1]基于深度学习的服装图像属性标签识别与关键点定位研究[D]. 张萌岩.武汉纺织大学 2019
[2]基于卷积神经网络的服装图像精细分类[D]. 刘童童.山东师范大学 2019
[3]基于深度学习的布匹缺陷识别与检测研究[D]. 赵志勇.华中科技大学 2019
[4]基于深度学习的织物面料成分分类算法研究[D]. 张玮.浙江理工大学 2019
[5]基于深度学习的织物疵点检测研究[D]. 史甜甜.浙江理工大学 2019
[6]基于卷积神经网络的色织物疵点检测与分类算法研究[D]. 董阿梅.西安工程大学 2018
[7]基于深度学习的织物图像疵点区域定位算法研究[D]. 刘祥惠.中原工学院 2018
[8]基于深度学习的针织物组织结构识别方法研究[D]. 刘晓婷.天津工业大学 2018
[9]基于深度学习的布匹疵点检测算法及系统研究[D]. 万东.华中科技大学 2017
[10]仓储物流数据仓库的设计与实现[D]. 张耀丹.东华大学 2017
本文编号:3602685
本文链接:https://www.wllwen.com/projectlw/qgylw/3602685.html