[发明专利]一种基于神经网络的静电纺丝纤维平均直径预测方法

权利要求书

1.一种基于神经网络的静电纺丝纤维平均直径预测方法，其特征在于，所述方法包括：

将静电纺丝工艺参数以及静电纺丝纤维的直径作为训练样本；

建立BP神经网络模型；

输入所述训练样本对所述BP神经网络模型进行训练；

将所述静电纺丝工艺参数输入训练后的BP神经网络模型，所述训练后的BP神经网络模型对静电纺丝纤维的直径进行预测并得出直径预测值；

计算所述训练样本中静电纺丝纤维的直径与所述直径预测值的差值，若差值未超出设定值，则根据所述直径预测值计算静电纺丝纤维的平均直径，若差值超出设定值，则将所述差值回传所述BP神经网络模型，进行再次训练及预测；其中，输入所述训练样本对所述BP神经网络模型进行训练包括：

对所述BP神经网络模型的参数进行初始化，所述BP神经网络模型包括输入层、隐藏层以及输出层，随机选取所述输入层到所述隐藏层之间的权重W^[1]以及所述隐藏层到所述输出层之间的权重W^[2]，其中W^[1]与W^[2]均为非零值；令所述隐藏层的阈值b^[1]与所述输出层的阈值b^[2]为零，并将b^[1]和b^[2]向量化；

将m个所述训练样本输入所述BP神经网络模型，则所述BP神经网络模型输出层的输入矩阵为：X＝(x⁽¹⁾,x⁽²⁾,...,x^(m)),所述BP神经网络模型输出层的输出矩阵为Y＝(y⁽¹⁾,y⁽²⁾,...,y^(m))；其中，第i个训练样本经过所述隐藏层的输出为a^[1](i)＝f(W^[1]x⁽ⁱ⁾+b^[1])，第i个训练样本经过所述输出层的输出为f为激活函数，且

计算所述BP神经网络模型的误差函数：若所述误差函数满足要求则训练结束，若所述误差函数不满足要求则反向传播调整权重；其中，反向传播时所述输出层到所述隐藏层之间的权重为所述隐藏层到所述输入层之间的权重为ɑ为学习率。

2.如权利要求1所述的一种基于神经网络的静电纺丝纤维平均直径预测方法，其特征在于，所述静电纺丝工艺参数包括：电压值、纺丝喷头与接收板之间的接收距离、纺丝收集速度、纺丝环境的气压值以及纺丝材料的质量分数。