基于改进PSO神经网络的热连轧厚度控制仿真研究
为了克服粒子群优化算法(Particle Swarm Optimization,PSO)早熟收敛,利用混沌变异机制和粒子群算法融合的基础上提出一种改进的粒子群优化算法.该算法改进了粒子自身探索行为,以保证全局搜索的有效性,同时为了让种群保持多样性和跳出局部最优解引入混沌变异机制,提高了算法的寻优性能.将改进粒子群算法训练的神经网络应用于热连轧厚度控制,仿真结果表明与遗传算法及粒子群算法相比较,该算法在提高误差精度的同时可加快训练收敛的速度,提高了热连轧厚度控制精度.
粒子群优化算法、神经网络、混沌搜索机制、厚度控制
23
TP18(自动化基础理论)
河北省教育厅重点项目ZD2015059
2016-07-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
656-659