10.3969/j.issn.1001-2257.2013.04.003
基于遗传算法和GRNN的棉花流量检测模型研究
为了实现气力输送管道内的棉花流量检测,引入广义回归神经元网络(GRNN),建立基于光电传感原理的实时棉花流量动态检测标定模型,充分利用GRNN在非线性函数关系逼近能力、学习速度和网络稳定性方面的优势.采用一种实数编码的改进遗传算法(MGA)完成对网络的有教师式训练过程,改善网络性能.首先建立基于GRNN神经网络的标定模型,然后利用MGA搜索接近全局最优的基函数中心和平滑因子,最后用该模型对测试样本数据进行了预测.
广义回归神经网络、遗传算法、棉花流量测量、标定模型
S233;TP212(农业机械化)
国家高技术研究发展计划八六三计划资助项目2010AA101403
2013-05-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
11-14,18