基于IPSO-GRNN的汽车零部件生产过程碳排放预测 (1).pdf
《基于IPSO-GRNN的汽车零部件生产过程碳排放预测 (1).pdf》由会员分享,可在线阅读,更多相关《基于IPSO-GRNN的汽车零部件生产过程碳排放预测 (1).pdf(5页珍藏版)》请在咨信网上搜索。
1、2023Nov.JOURNALOFMACHINEDESIGN2023年1 1 月No.11Vol.40第4 0 卷第1 1 期机设计械基于IPSO-GRNN的汽车零部件生产过程碳排放预测*郑辉1.2,郭晓1 2,郭子健1 2,郭瀚文1,2,刘苑农1,2(1.天津科技大学经济与管理学院,天津300222;2.天津科技大学精益管理研究中心,天津300222)摘要:为提高汽车零部件生产过程的碳排放预测精度,文中提出了一种改进粒子群优化算法(IPSO)与广义回归神经网络(CRNN)相结合的碳排放预测方法。通过改变惯性权重与自适应变异因子来更新粒子位置和速度,以确定CRNN最优光滑因子8,并得到模型输入
2、层适应度函数。运用金属带式无极变速器的实际数据对该模型进行验证,同时,将此模型与PSO-GRNN和GRNN模型对比选优。结果表明:文中构建的IPSO-CRNN模型的预测值与实际值的均方根误差RMSE仅为1.5 1 98,平均绝对误差MAE为1.2 7 4 9,决定系数R为0.90 0 1,收敛速度和寻优精度明显优于其他模型,可为汽车产业的碳排放预测提供有力支撑。关键词:零部件生产;碳排放;预测;PSO;GRNN中图分类号:TG659文献标识码:A文章编号:1 0 0 1-2 3 5 4(2 0 2 3)1 1-0 0 6 9-0 5Carbon-emission prediction of a
3、uto parts in production processbased on IPSO-GRNNZHENG Hui*-2,CUO Xiao-2,CUO Zijian*2,CUO Hanwen-2,LIU Yuannong1,2(1.School of Economics and Management,Tianjin University of Science and Technology,Tianjin 300222;2.Lean Management Research Center,Tianjin University of Science and Technology,Tianjin 3
4、00222)Abstract:In this article,in order to enhance the accuracy in carbon-emission prediction of auto parts in the productionprocess,efforts are made to introduce a method combining Improved Particle Swarm Optimization(IPSO)with Generalized Re-gression Neural Network(CRNN).By adjusting the inertia w
5、eight and the adaptive mutation factors,the particles position andvelocity are updated to determine GRNNs optimal smoothness factor and work out the fitness function of the models input lay-er.The real-world data obtained from a metal-belt CVT is used to validate this model,and it is benchmarked aga
6、inst the PSO-GRNN and GRNN models.The results show the IPSO-GRNN model has RMSE of 1.519 8,MAE of 1.274 9,and R?of 0.900 1,thus outperforming other models in terms of convergence speed and optimization accuracy.It provides substantial support for car-bon-emission prediction in the auto industry.Key
7、words:part production;carbon emission;prediction;PSO;CRNN为实现“双碳”目标,对汽车产业实行节能减排已成为当务之急。零部件加工是汽车制造过程中主要碳排放源,准确预测其碳排放有助于优化生产并提出减碳策略 。当前,关于此方面的研究较少,且主要采用影响因素分析法预测碳排放量2-3 。由于预测的影响因素众多且数据较难获取,该预测方法存在较大局限。近年来,神经网络在预测领域表现出色。张华等4 用BPNN预测车削加工过程的碳排放量。周建国等5 用广义回*收稿日期:2 0 2 3-0 6-1 7;修订日期:2 0 2 3-0 9-2 0基金项目:天津市
8、教委社会科学重大项目(2 0 2 2 JWZD11)归神经网络(Generalized Regression Neural Network,GRNN)预测区域火电行业NO,排放量。胡明江等6 用RBF-ANFIS模型预测汽油机排放。相较BPNN的复杂超参数情况,GRNN仅需设定平滑参数,减少了主观干扰,且运算速度与学习能力相较RBF和BP更具优势7 随着预测精度要求的提升,模型复杂度和训练时间增加。元启发式算法如灰狼优化算法8 、鲸鱼算70第4 0 卷第1 1 期机计设械法9 和布谷鸟算法1 0 等是优化参数的有效方法。黄诗童等 指出,PSO在各方面的表现均优于其他算法,但存在易陷入局部最优和
9、迭代后期种群多样性降低等缺点。林焰等1 2 提出一种改进自适应惯性权重的粒子群优化算法(ImprovedParticleSwarmOptimiza-tion,IPSO)虽然解决了这些问题,但是收敛速度较慢。因此,文中引人IPSO-GRNN模型预测汽车零部件碳排放,旨在支持后续碳减排策略的制订。1碳排放预测模型构建1.1改进粒子群优化算法1.1.1基本粒子群算法粒子群算法(Particle SwarmOptimization,PSO)是受鸟类捕食启发的智能优化算法。其中,每个优化解都是搜索空间的一个“粒子”,带有适应度值、飞行方向和距离,由优化函数和速度决定,粒子通过不断搜索得出最优解1 3 。
10、在每次迭代过程中,粒子根据自己和同伴的飞行经验做动态调整,即通过跟踪个体最优与全局最优位置来更新自己其中,每个粒子分别根据式(1)和式(2)更新自已的速度和位置1 4 wvidoutl+c/ri(pu-xtl)+car2(gu-xtl)(1)k-1+Vid.k-1(2)XidkXid式中:-粒子第d维速度;粒子第d维分量位置;Pidgbd第d维分量的个体极值与全局极值;01的随机数;Ci,C2个体学习因子与全局学习因子;惯性权重;d-粒子维度序号,d=1,2,D;D粒子维度;粒子序号,i=1,2,l;粒子群规模;k选代次数。1.1.2改进粒子群算法为提高算法计算精度、平衡全局与局部搜索能力并加
11、快搜索速度,文中提出通过调整惯性权重与学习因子c1,C 来改进粒子群算法。(1)动态自适应惯性权重惯性权重因子是动量权重,取值范围通常在0.3,0.7,在此区间,算法的局部和全局搜索能力可得到更好的平衡。较大值有很强的全局搜索能力,且能跳出局部最优,加快收敛速度1 5 。因此,文中提出一种非线性递减变化策略,迭代前后期都能得出加大值,调整公式为:30TTnmaxmincos2nN(3)X2maxminN2式中:max,min最大惯性权重与最小惯性权重值;n当前送代次数;N-最大选代次数(2)线性调整学习因子c和c2分别反映粒子自身认知能力与群体学习能力,调整二者大小可平衡全局收敛能力。最佳范围
12、在0.5,2.5,优化前期较大c,值和较小c值可使粒子更好地向种群的全局最优解运动,加快收敛速度;迭代过程中,c,减小,C增大,则更有助于提高算法性能。传统模型固定的学习因子使其在处理复杂问题时极有可能陷人局部最优1 6 。因此,文中引用正弦映射修改学习因子,致使在迭代过程中,c,从2.5 减至0.5,c从0.5增至2.5,调整公式为:4n(N-2n)T3.5(4)C1=sinN2N4n(N-2n)T0.5(5)十C2十sinN2N1.2基于IPSO-GRNN的碳排放预测模型最优光滑因子是GRNN中需确定的唯一参数,传统通过在某范围内以某一固定的增长量开展遍历搜索确定,干扰较大,且效率低,文中
13、将采用IPSO确定最优8,流程如图1 所示开始种群初始化,生成初始位置和速度输出最优光滑因子计算适应度大小训练模型寻找个体极值和群体极值输人物料消耗量、根据式(3)式(5)分别计算电能消耗量和学习因子和惯性权重因子废料的质量计算适应度并更新个体极值和群体极值输出预测结果选代完成是结束图1IPSO-GRNN模型流程图712023年1 1 月郑辉,等:基于IPSO-GRNN的汽车零部件生产过程碳排放预测2实例分析2.1数据分析文中将以金属带式无极变速器为例,验证IPSO-GRNN模型。因其结构和工艺复杂性,文中将简化生产过程,研究边界如图2 所示,为毛坏制造、机械加工及热处理过程系统边界电能物料毛
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于IPSO-GRNN的汽车零部件生产过程碳排放预测 1 基于 IPSO GRNN 汽车零部件 生产过程 排放 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。