科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:解决目前分段摘酒过程依赖人工“看花摘酒”,酒精度检测不准确的问题。方法:设计搭建基于酒精度建模的分段摘酒系统，研究采集音叉在不同模态不同浓度酒精溶液内的音叉频率值、音叉内置温度值，酒精溶液温度值和动态条件下泵转速值，基于最小均方算法(LMS)和长短期记忆网络(LSTM)实现音叉频率自适应滤波和动态补偿，基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度预测模型。结果:模型在迭代次数和预测精度上优于传统遗传算法优化BP神经网络和BP神经网络建立的酒精度预测模型，酒精度平均预测误差为0.381。结论:基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度数预测模型具有合理性。
- 单位
