论文——一种基于反向传播人工神经网络的水分活度检测方法

论文——一种基于反向传播人工神经网络的水分活度检测方法

ID:20136885

大小:82.00 KB

页数:4页

时间:2018-10-08

论文——一种基于反向传播人工神经网络的水分活度检测方法_第1页
论文——一种基于反向传播人工神经网络的水分活度检测方法_第2页
论文——一种基于反向传播人工神经网络的水分活度检测方法_第3页
论文——一种基于反向传播人工神经网络的水分活度检测方法_第4页
资源描述:

《论文——一种基于反向传播人工神经网络的水分活度检测方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、一种基于反向传播人工神经网络的水分活度检测方法技术领域本发明涉及一种基于反向传播人工神经网络的物料水分活度检测方法,特別涉及一种通过检测与待测点的水分活度有关温度而快速确定该点的水分活度方法。背景技术食品的腐败变质受到食品中微生物的生长、油脂氧化、酶促反应和非酶促变化等造成的,而这些都受到水分活度(wateractivity,简称Aw)影响。食品保质期与水分活度有显著地和关性,食品的水分活度是评价食品是否腐败变质的重要指标。在食品生产加工和保藏进程中,测量并控制食品的水分活度是重要的。食品水分活度的国家标准测

2、定法(GB/T23490-2009)已于2009年颁布、实施。该标准规定了康卫皿扩散法和水分活度仪扩散法测定食品中的水分活度。W标中的2个测定法均不能在线测量,且测量一个样品Aw的时问较L<:(康上皿扩散法至少1天;水分活度仪扩散法至少儿十分钟),另外测量值并非样品原始的Aw值而是样品经粉碎后的平均值。反向传播人工神经网络(BackPropagation-ArtificialNeuralNetwork,简称BP网络)是1986年由Rumelhart和McCelland提出,是一种按误差逆传播算法训练的多层前馈

3、网络,是目前应用最广泛的人工神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(inputlayer)、隐层(hidelayer)和输出层(outputlayer)。BP网络是目前多变量相关的指标预测中使用最广泛的人工神经网络模型之一。基于BP网络能快速、准确地检测物料的水分活度,并可实现水分活度的在线测量。发明内容本发明所

4、要解决的技术问题是提供一种基于BP网络能快速、准确地在线检测物料中任何部位的水分活度方法。本发明所采用的技术方案:一种基于BP网络能快速、准确地在线检测物料中任何部位的水分活度方法,铋拈以下步骤1获取被测物料水分活度及对其有影响的其它温度参数作为检测数据;2建立误差逆向传播的人工神经网络;3训练与测试建立的BP网络;4利用测试通过的BP网络快速、准确地在线检测物料中任何部位的水分活度。所述的对水分活度有影响的其它温度参数指的是进入Aw测定装置新风温度、进出Aw测定装置空气流温度差、进入Aw测定装置新风干球与湿

5、球温度差、流过被测物料气流的干球温度与物料被测点表面温度差。所述的步骤1还包括获取物料水分活度及对应的4个温度参数的数据。所述的神经网络包括1个输入层,1个中间层和1个输出层。所述的输入层有4个神经元;输出层有1个神经元。所述的中间层神经元的传递函数采用tan-sigmoid传输函数,输出层为log-sigmoid传输函数。所述的对BP网络进行训练与测试指的是将测试数裾分为3部分,2/4作为训练网络(训练样本),1/4用来验证样本(验证样本),1/4用来测试样本(测试样本)。当根裾本网络模型得出Aw值(仿真A

6、w)与依据国家标准方法(GB/T23490-2009)实测Aw值之问误差彡0.01,结束训练,可进行依据BP网络Aw值仿真检测Aw。所述的对BP网络采用误差反句传播算法进行训练。在步骤4中,利用测试通过的BP网络进行物料Aw检测时,先将上述诸点位的温度值归一化为-1与1之问再输入,并将网络运算后的输出值进行反归一化得到在线检测物料中待测部位的水分活度。附图说明图1反⑸传播人工神经网络结构图图2在线检测物料中待测部位水分活度的装置图图3三种标准溶液(纯水,饱和氣化钾水溶液和饱和氯化钠水溶液)反向传播人工神经网络

7、训练、验证和测试过程图具体实施方式以下结合实施例对本发明作进一步详细描述:这些叙述便于更好地理解本发明,而不是限制本发明。本发明的一种基于反向传播人工神经网络的物料水分活度检测方法,包拈如下步骤:1获取被测物料水分活度及对其有影响的其它温度参数作为检测数据本发明的实施例中获取对水分活度相关的温度参数(见附图2):进入Aw测定装置新风温度(xl)、进出Aw测定装置空气流温度差(x2)、进入Aw测定装置新风干球与湿球温度差(x3)、流过被测物料气流的干球温度与物料被测点表面温度差(x4)。根据国家标准方法(GB/

8、T23490-2009)获取物料Aw值,同时获取对应的诸点位的温度参数;并将这些数据归一化为-1与1之间。2建立误差逆向传播的人工神经网络所述的神经网络包拈1个输入层、1个屮间层和1个输出层,Jt•屮输入层有4个神经元,分别对应进入Aw测定装置新风温度(xl)、进出Aw测定装置空气流温度差(x2)、进入Aw测定装置新风干球与湿球温度差(x3)、流过被测物料气流的干球温度与物料被测点表面温度差(x4)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。