曹成辉，黄海涛，王 强

(1.河南工程学院 纺织工程系，河南 郑州 450007；2.方圆标志认证集团山东有限公司，山东 济南 250000)

纱线质量控制是纺织生产中的重要环节，纱线质量的好坏直接影响后面生产工序的进行和最终的产品质量，所以预测纱线的质量特性一直是研究的热点[1].国内外学者采用了许多方法来预测纱线质量，可概括为3类，分别是传统的统计型预测方法[2]、灰色理论预测模型[3]和人工神经网络[4-5]技术.

根据神经元间连接方式的不同,人工神经网络可以分为相互连接网络和分层前馈网络，在纺织领域中应用最广泛的一种是反向传播算法BP神经网络[6].但是，BP神经网络自身也存在着不足[7]，即依赖于初始权值的选择、收敛速度缓慢且容易陷入局部最优.差分进化算法[8](Differential Evolution, DE)是一种基于群体智能理论的优化算法，它具有较强的全局收敛能力和鲁棒性，在神经网络优化[9]、电力、信号处理与经济学等领域得到了广泛应用.

本研究在BP神经网络预测模型中引入了差分进化算法，利用差分进化算法对BP神经网络进行训练，确定了BP神经网络的权值和阈值，解决了BP神经网络收敛速度缓慢且容易陷入局部最优的问题.利用实际数据对纱线质量进行预测实验并与BP神经网络的预测结果进行了对比，结果显示差分进化算法有良好的纱线质量预测性能.

1 基于差分进化的BP神经网络训练算法

1.1 BP神经网络模型

BP神经网络属于前馈型神经网络，具有输入层、隐含层和……