一种基于DNN神经网络的复合产品的质量指标预测方法技术

本发明专利技术涉及质量预测技术领域，具体涉及一种基于DNN神经网络的复合产品的质量指标预测方法；本发明专利技术采用DNN神经网络模型，将采集的基础数据进行量纲化预处理，然后构建DNN神经网络模型，进行训练DNN神经网络模型，最后通过改变输入变量进行预测，能够有效的实现对于复合产品的质量指标预测目的。产品的质量指标预测目的。产品的质量指标预测目的。

【技术实现步骤摘要】
一种基于DNN神经网络的复合产品的质量指标预测方法


[0001]本专利技术涉及质量预测
，具体涉及一种基于DNN神经网络的复合产品的质量指标预测方法。

技术介绍

[0002]产品质量是指产品满足规定需要和潜在需要的特征和特性的总和。任何产品都是为满足用户的使用需要而制造的。对于产品质量来说，不论是简单产品还是复杂产品，都应当用产品质量特性或特征去描述。在产品制造业中，有大量数据在加工生产环节保留下来，目前的方式是利用大量数据对制造的产品进行质量预测。但是现有技术中回归预测算法如线性回归、最小二乘法等算法对该复杂场景预测精度不够，影响了对于复合产品的预测效果，无法满足使用者的使用需求。
[0003]综上所述，研发一种基于DNN神经网络的复合产品的质量指标预测方法，仍是质量预测
中急需解决的关键问题。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供一种基于DNN神经网络的复合产品的质量指标预测方法，实现对于复合产品的质量指标预测的目的。
[0005]为实现上述目的，本专利技术提供了如下技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DNN神经网络的复合产品的质量指标预测方法，其特征在于，包括以下步骤：(1)采集用于质量指标的基础数据；(2)将步骤(1)中的基础数据采用Min
‑
Max归一化方法进行量纲化预处理；(3)构建DNN神经网络模型，其中DNN神经网络模型包括输入层、隐藏层和输出层，DNN神经网络模型中每个层的神经元数量为64个；(4)训练DNN神经网络模型；(5)DNN神经网络模型预测复合产品的质量。2.根据权利要求1所述的一种基于DNN神经网络的复合产品的质量指标预测方法，其特征在于，在步骤(1)中，所述基础数据包括SP配比、酸值、皂化值、碘值、T
‑
152配比、160S配比、160S粘度、HL2#配比、HL2
#
粘度、荆3
#
配比、荆3
#
粘度、济4
#
配比、济4
#
粘度、FSL配比、石蜡配比、石蜡粘度、机油配比、1
#
粉状脂配比、1
#
粉状脂粘度、FL配比、70
#
微晶蜡配比、70
#
微晶蜡粘度和软脂酸配比。3.根据权利要求1所述的一种基于DNN神经网络的复合产品的质量指标预测方法，其特征在于，在步骤(2)中，所述Min
‑
Max归一化方法是将基础数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放，其归一化公式为：式中，X为基础数据，X
min
为数值最小值，X
max
为数值最大值。4.根据权利要求1所述的一种基于DNN神经网络的复合产品的质...

【专利技术属性】
技术研发人员：欧阳曙光，朱斌，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：